基于Faster R-CNN的散斑图像识别与定位

【摘要】：隐身能力是衡量现代战机作战半径及其生存能力的关键指标,而雷达吸波材料对提高现代战机的隐身能力起到了关键作用。这些吸波涂层材料通常由多层结构组成,其生产制作过程中可能会出现缺陷,如:脱粘、皱纹、裂缝、冲击损坏等,会降低雷达吸波材料的机械性能,甚至限制其吸收雷达波的能力从而造成严重后果。因此,研究大范围、高精度、智能化的缺陷识别与定位技术具有重要意义。雷达吸波涂层材料内部的脱粘缺陷,面积小、隐蔽性极强,超声检测、射线检测和红外热成像等检测方法均达不到其检测要求,而激光剪切散斑干涉技术具有非破坏性、大范围、高精度等优点在无损检测领域得到广泛应用。该检测技术通过对含有缺陷的吸波涂层材料施加热加载使其表面发生形变,然后分别采集形变前后的两幅散斑干涉图像作差可以得到具有干涉条纹的图像,采用基于深度学习的目标检测算法可以提高散斑图像的识别与定位精度,从而实现大范围、高精度、智能化的检测效果以代替传统人工对缺陷的识别。本文的主要工作如下:1.研究激光剪切散斑干涉技术检测缺陷的原理,对剪切散斑干涉技术检测吸波涂层材料脱粘缺陷进行数学建模。2.根据雷达吸波材料缺陷检测需求分析,设计迈克尔逊激光剪切散斑干涉缺陷检测系统,优化外部热加载技术,实现大面积、复杂非均匀结构的热加载。设计上位机软件控制高速摄像头实时采集散斑干涉图像、控制相移控制器引入4+4相移算法提取散斑干涉图像的相位图,并实时显示散斑图像缺陷的识别与定位结果。3.分析散斑图像的噪声特点,采用稀疏三维变换域协同过滤去噪算法(BM3D)对散斑图像进行滤波,既能有效滤除随机噪声又保留了干涉条纹的边缘信息。通过翻转和旋转、随机移位、灰度变换等操作对散斑图像进行增强和扩大训练数据量,并用标注工具制作散斑图像数据集。4.根据散斑图像的特点,对Faster R-CNN目标检测算法做出改进:(1)提出双路残差网络来减少散斑干涉图像中背景噪声对缺陷特征的干扰;(2)引入Context Ro I结构和级联检测机制来提高缺陷的全局定位精度;(3)提出基于自注意力机制的特征金字塔网络对多尺度特征进行自适应赋权来提高小面积缺陷的检测精度。