一种基于机器视觉的船体缺陷检测系统

本发明提供了一种基于机器视觉的船体缺陷检测系统，旨在实现船体表面缺陷的自动化、高精度检测，该系统采用ZED双目相机获取船体实时图像，通过ORB‑SLAM框架进行船体三维重构，结合SAC‑IA粗匹配算法和ICP精细匹配算法实现点云的精确配准。本发明的缺陷检测系统利用深度学习网络Faster RCNN对检测到的缺陷进行分类和定位，并通过自动缺陷分类系统生成缺陷报告和报警信号，具有高效、自动化、检测精度高的特点，能够在复杂环境下实现对船体表面缺陷的实时监测和报警，支持多传感器数据融合，具有良好的扩展性，适用于船体大面积、复杂结构的缺陷检测，显著提高了检测效率，降低了漏检和误报的风险，为船舶的安全运营提供了有力保障。