基于改进YOLOv5s的桥墩缺陷检测ROV设计应用.pdf
《基于改进YOLOv5s的桥墩缺陷检测ROV设计应用.pdf》由会员分享,可在线阅读,更多相关《基于改进YOLOv5s的桥墩缺陷检测ROV设计应用.pdf(8页珍藏版)》请在咨信网上搜索。
1、收稿日期:2 0 2 2 1 1 0 8基金项目:国家自然科学基金资助项目(6 1 8 7 3 3 3 8)作者简介:齐晓轩(1 9 7 4),女,辽宁丹东人,教授,博士;陈 鉴(1 9 6 4),女,辽宁新民人,教授。第3 5卷 第6期2 0 2 3年 1 2月沈阳大学学报(自然科学版)J o u r n a l o fS h e n y a n gU n i v e r s i t y(N a t u r a lS c i e n c e)V o l.3 5,N o.6D e c.2023文章编号:2 0 9 5-5 4 5 6(2 0 2 3)0 6-0 5 0 3-0 8基基于改进Y
2、O L O v 5 s的桥墩缺陷检测R O V设计应用齐晓轩a,陶九明b,陈 鉴c,何至诚b,袁鹏达b(沈阳大学a.应用技术学院,b.信息工程学院,c.统战部,辽宁 沈阳,1 1 0 0 4 4)摘 要:针对桥墩附近乱流现象严重和桥墩表面光滑难以吸附的问题,采用浮游加抱臂爬行方式,利用复合控制技术设计了一款桥墩缺陷检测R OV。首先,R OV本体结构采用8矢量推进器布局方案,实现了机器人浮游状态全向运动,提高了R OV抗扰能力;其次,抱臂夹持机构采用绳传动方式,以机械简单联动为R OV爬行状态下的稳定检测提供了可靠平台;最后,采用基于注意力机制改进的YO L O v 5 s网络识别桥墩缺陷,通
3、过引入A S P P、I AAM等结构,提升了缺陷检测的实时性与精度。真实水域试验结果表明,所设计的R OV具有很好的适用性和有效性,在复杂水域环境下取得了较好的桥墩缺陷检测应用效果,可代替潜水员完成桥墩缺陷采集工作。关 键 词:无人遥控潜水器(R OV);桥墩检测;复合结构;缺陷识别;YO L O v 5 s;注意力机制中图分类号:T P 2 4 2 文献标志码:AD e s i g na n dA p p l i c a t i o no fP i e rD e f e c tD e t e c t i o nR O VB a s e do nI m p r o v e dY O L O
4、v 5 sQ IX i a o x u a na,T A OJ i u m i n gb,CHENJ i a nc,HEZ h i c h e n gb,Y U AN P e n g d ab(a.C o l l e g e o f A p p l i e d T e c h n o l o g y,b.C o l l e g e o fI n f o r m a t i o n E n g i n e e r i n g,c.U n i t e d F r o n t W o r kD e p a r t m e n t,S h e n y a n gU n i v e r s i t y,
5、S h e n y a n g1 1 0 0 4 4,C h i n a)A b s t r a c t:I nv i e w o ft h es e r i o u st u r b u l e n c en e a rt h ep i e ra n dt h es m o o t ha n dd i f f i c u l ta d s o r p t i o no f t h ep i e rs u r f a c e,aR OVf o rp i e rd e f e c td e t e c t i o nw a sd e s i g n e db yu s i n gt h ec o
6、 m p o s i t ec o n t r o lt e c h n o l o g y.F i r s t l y,t h eR OV b o d ys t r u c t u r ea d o p t e dt h ee i g h t-v e c t o rt h r u s t e r l a y o u t s c h e m e,w h i c hr e a l i z e d t h eo m n i d i r e c t i o n a lm o t i o no f t h e r o b o t f l o a t i n gs t a t ea n d i m p
7、r o v e dt h eR OVi mm u n i t y.S e c o n d l y,t h eh o l d i n ga r mc l a m p i n gm e c h a n i s ma d o p t e dt h e r o p e t r a n s m i s s i o nm e t h o d,w h i c hp r o v i d e dar e l i a b l ep l a t f o r mf o r t h es t a b l ed e t e c t i o ni nt h eR OVc r a w l i n gs t a t ew i
8、t hs i m p l em e c h a n i c a ll i n k a g e.F i n a l l y,t h eYO L O v 5 sn e t w o r kb a s e do na t t e n t i o n m e c h a n i s m w a su s e dt oi d e n t i f yp i e rd e f e c t s,a n dt h er e a l-t i m ea n da c c u r a c yo f d e f e c t d e t e c t i o n w e r ei m p r o v e d b yi n t
9、 r o d u c i n g A S P P,I AAM a n d o t h e rs t r u c t u r e s.T h er e s u l t s o fr e a l w a t e rt e s ts h o w e dt h a tt h e d e s i g n e d R OV h a d g o o da p p l i c a b i l i t ya n de f f e c t i v e n e s s,a n da c h i e v e dag o o da p p l i c a t i o ne f f e c to fp i e rd e
10、f e c td e t e c t i o ni nc o m p l e xw a t e r e n v i r o n m e n t,w h i c hc o u l dr e p l a c ed i v e r s t oc o m p l e t ep i e rd e f e c t c o l l e c t i o n.K e y w o r d s:R OV(r e m o t e l yo p e r a t e dv e h i c l e);p i e ri n s p e c t i o n;c o m p o s i t es t r u c t u r e;
11、d e f e c ti d e n t i f i c a t i o n;YO L O v 5 s;a t t e n t i o nm e c h a n i s m s近年来,暴雨、洪水、地震等自然灾害频发,导致部分道路、桥梁等基础水工设施产生不同程度损坏,敲响了桥梁安全问题的警钟。因实际环境限制,现有的水下墩桩结构检测方式受到很大制约,市面上传统的水下作业主要依靠人工肉眼观察或探摸,费用高、周期长,且过深水下环境不仅对潜水员的生命健康造成威胁,也会降低检测任务的实时性。随着水下机器人科技的发展,具有恶劣水下环境检测与作业能力的机器人逐渐展现出了很高的性价比优势。2 0 1 8年,高娟
12、1在关于桥梁裂缝智能检测机器人的研究中提出履带吸盘爬壁机器人,通过爬行吸附机构可保证机器人在复杂水流环境下稳定运行;同年,S a k a g a m i等2在负压效应板大坝检测机器人的研制中提出水下机器人和大坝表面之间产生拉力的新装置,该装置由常规推进器和盘板组成,依靠盘板扩大推进器吸附力进行机器人吸附运动;2 0 1 9年,H i r a i等3发表大坝检测水下机器人的研究,采用地面站加R OV的人机协同模式进行大坝检测任务;2 0 2 0年,L e等4提供了一种创新且实用的解决方案(S P I R),是世界上第一个用于水下结构清洁和检查的自主机器人系统。由上述研究可知,水下机器人完全可代替
13、潜水员进行桥墩水下检测任务。桥墩附近水流流速较大,可达2ms-1以上,易产生乱流现象,相比于浮游式及涡流吸附式结构,抱臂式结构明显更加适合进行水下检测。缺陷图像采集一般通过搭载的声纳、无损检测仪、水下相机等设备实现,近年来随着深度学习模型在水下图像检测的应用与发展51 0,提高检测精度的同时只需配合水下相机就可以完成实时检测,极大地降低了检测成本。本文针对桥梁水下基础结构检测与修复的现状,从实际工作需要出发,设计了一款基于改进YO L O v 5 s的桥墩缺陷检测R OV,具有深水作业功能、浮游和抱臂爬行复合运动功能、水中缺陷自主识别与定位功能、抗水流干扰的全方位灵活运动功能。所提及的缺陷检测
14、系统输出图像在2 1帧率左右情况下准确率可达9 0%以上。R OV进行真实水域测试结果显示,完全符合检测预期,可实现替代人工检测目的。1 系统总览自主研发设计R OV整体采用开架式结构,主体分为上下2个部分,分别为R OV本体结构和抱臂夹持机构,采用了模块化安装方式,设备整体重量轻、强度高,方便快捷回收和释放,可实现浮游状态下的全向自由航行以及爬行状态下的绕桥墩表面运动,通过遥控操作,可对作业区进行定点精细检测。其整体机械结构如图1所示。根据桥墩缺陷检测实际任务需求,考虑到R OV需要从岸基点浮游到桥墩附近,期间受桥墩附近乱流影响严重,设计具有8个推进器成矢量分布的本体动力结构,可实现R OV
15、浮游状态下的全向运动;考虑到桥墩表面青苔等苔藓植物覆盖有天然润滑的作用,使得R OV难以吸附,设计绳传动的抱臂夹持机构为R OV稳定检测工作提供了可靠平台。图1 R O V整机机械结构F i g.1 M e c h a n i c a l s t r u c t u r eo fR O Vm a c h i n eR OV本体结构组件包括推进器、水下电子舱、浮力材料、框架、脐带缆、摄像头、可选配部件声呐等,见图2。考虑到R OV受力均衡问题,设计R OV左右、前后、上下均对称的本体框架;考虑到传感器元件、控制器元件及其元器件水下工作的遇水导电性,设计密封电子舱,为控制系统提供防水空间。405沈
16、阳大学学报(自然科学版)第3 5卷图2 R O V本体结构F i g.2 M e c h a n i c a l s t r u c t u r eo fR O V抱臂夹持机构组件包括机械臂驱动电机、机械臂、张紧机构等,其具体组成如图3所示。夹持机构由一台内置2 0 0W电机的电动推杆通过齿轮组之间相互咬合驱动,其驱动轴由联轴器将其与电机连接在一起,外置输出轴直连抱臂,抱臂由钢丝绳带动,左右抱臂保持同步移动。设置压力传感器检测机臂压力,当超过压力限定,机臂停止收缩并保持当前状态直至接收到下一次任务指令。图3 抱臂夹持机构F i g.3 A r mh o l d i n gm e c h a n
17、 i s m考虑到检测作业需要较高精度与检测范围,整体控制系统采用了机箱式上位机加R OV水下执行系统的分布式结构控制方式,如图4所示。上位机及其遥控装置负责指令的发布,同时通过上位机对R OV进行检测图像及各传感器参数界面监控,以便应对各种突发情况,水下执行系统设置A r d u i n o单片机作为水下直接控制单元,协同各传感器进行R OV运动状态数据采集,另外设计岸基供电箱加机载电源的供电单元、推进器加电动推杆的驱动执行单元、水下相机加补光灯的检测单元等。继而通过含有光纤结构的脐带缆单元实现主副控制器耦合、水上水下系统通讯。检测单元为水下相机加补光灯的视觉检测模块,将桥墩表面实时录制图像
18、通过脐带缆上传至上位机,配合相关视觉检测算法对视频中图像进行增强、缺陷识别、语义分割等;驱动执行机构主要包括支持R OV运动及姿态变换的多推进器和支持R OV抱臂爬行的电动推杆直流电机;水下辅助控制单元采用A r d u i n o系列单片机,主要用于R OV搭载传感器的数据采集,分担上位机运行负荷同时以便于上位机更好的监控R OV运行状态;通过姿态解算,配合自主设计控制算法,实现R OV水巡航检测任务。505第6期 齐晓轩等:基于改进YO L O v 5 s的桥墩缺陷检测R OV设计应用图4 硬件控制系统结构F i g.4 H a r d w a r ec o n t r o l s y s
19、 t e ms t r u c t u r e2 缺陷检测桥墩缺陷检测R OV的功能是检测桥墩表面是否存在腐蚀、裂纹等缺陷。考虑到水下缺陷图片的搜集比较困难,数据集量小从而导致神经网络在进行识别时准确率不高,采用C y c l e GAN网络1 1的改进版S E S S-C y c l e GAN生成水下裂缝缺陷的图片用于扩建图像数据集,送入水下白平衡算法增强,进而用于接下来的神经网络训练,考虑到水下作业的高要求与实时性,缺陷检测采用基于注意力机制改进的YO L O v 5 s网络,相比于YO L O v 5 s原检测网络1 2,将原B a c k b o n e主干网络中的池化金字塔结构(s
20、 p a t i a l p y r a m i dp o o l i n g,S P P)替换为空洞空间卷积池化金字塔(a t r o u ss p a t i a lp y r a m i dp o o l i n g,A S P P),并在N e c k网络后添加改进的自适应注意模块(i m p r o v e da d a p t i v ea t t e n t i o nm o d u l e,I AAM)结构,继承了原检测算法更换数据集自动确定初始锚框大小带来的多数据集适应性等优点,使得检测速度与精度有一定的提升,最后采用P S P-N e t语义分割识别算法对水下目标进行缺陷精
21、确分割与预估。改进的YO L O v 5 s网络模型架构如图5所示。图5 改进的Y O L O v 5 s网络模型F i g.5 I m p r o v e dY O L O v 5 sn e t w o r km o d e l2.1 空洞空间卷积池化金字塔模块空洞空间卷积池化金字塔模块(A S P P),内置4个不同采样率的空洞卷积层及一个池化层并行1 31 4。可以将给定特征分别以其对应采样率通道单独处理,提取不同尺度下的特征,最终融合生成605沈阳大学学报(自然科学版)第3 5卷图6 A S P P模块结构F i g.6 A S P Pm o d u l es t r u c t u
22、r e所需特征结果。优势为其空洞卷积的添加相比于S P P在无需减小图像大小,即不丢失分辨率情况下以指数形式扩大卷积核感受野,空洞池化层的添加使得给定特征可自适应均值池化,具体结构如图6所示。2.2 改进的注意力机制考虑到缺陷的形状不一,且有些缺陷的 形 状 细 长,存 在 尺 度 变 化,对 于YO L O v 5 s主干网络的特征层加入如图7的AAM结构,并将图7虚线框内所描述颈部结构替换为轻量型的高效通道注意力模块(e f f i f i c i e n tc h a n n e l a t t e n t i o n,E C A),提高了网络对于缺陷自适应检测模型效率与计算效果。图7
23、A A M模块结构F i g.7 A A Mm o d u l es t r u c t u r eE C A模块作为S E-N e t的改进,避免了通道降维,增加了一维卷积核的自适应选择,用以确定局部跨通道覆盖率,适当捕获了局部跨通道信息交互,从而实现了检测性能的提优1 5。网络结构融合后的I AAM模块通过自适应池化层获得不同尺度的语义特征,接着对每个上下文特征进行11卷积,以获得相同的通道维数。利用双线性插值进行尺度归一化处理;之后进入E C A模块处理,将给定特征值通过GA P全局平均池化得到聚合特征;继而通过内核大小为K的一维卷积实现局部跨信道信息交互,快速生成通道权重;然后特征图经
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 YOLOv5s 桥墩 缺陷 检测 ROV 设计 应用
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。