一种基于深度学习的室内冰面缺陷检测方法

本发明公开了一种基于深度学习的冰面缺陷检测与量化系统及方法。该系统包括数据采集模块、数据增强模块、神经网络训练模块、基于双目立体视觉的检测模块和信息融合与分析模块。首先，通过数据采集模块使用多种摄像设备获取冰面缺陷的图像数据，涵盖不同光照条件和缺陷类型。接着，数据增强模块对采集到的数据进行旋转、翻转、对比度调节和噪声添加，以提高数据多样性和神经网络的泛化能力。然后，神经网络训练模块引入了多尺度特征提取模块(MSTG‑Net)以及细节增强卷积模块(MSDSC)，通过对改进后的YOLOv8神经网络进行训练，实现对冰面缺陷的分割特征提取。基于双目立体视觉的检测模块通过双目相机采集冰面图像，结合训练好的神经网络模型，获取缺陷标记信息及深度图。最后，信息融合与分析模块结合双目立体视觉测距结果，进一步确定缺陷的三维位置、表面积大小及空间形态特征。实现了对冰面缺陷的高精度识别和定位，并且为后续的冰面修复规划提供了可靠的数据支持，具有精度高、鲁棒性强和适用性广等优点。