摘要
本发明提供了一种集装箱破损检测方法及系统,先获取多张待测集装箱图像以及用于训练的历史集装箱图像,并利用cvtColor函数将每张待测集装箱图像和历史集装箱图像均从RGB颜色空间转换为HSV颜色空间,得到多张HSV格式的待测集装箱图像并输入至训练好的UNet‑Transformer模型进行第一阶段精细筛选检测,输出多张箱体破损区域分割图像,再将第一阶段筛选检测得到的多张箱体破损区域分割图像分别输入至训练好的YOLOv5nano网络模型进行第二阶段筛选检测,输出多张含有破损类型的集装箱图片,以完成集装箱的破损检测,能够更准确地分割图像中的不同颜色区域,检测出所有疑似破损箱体照片,对光照变化、背景干扰等复杂场景具有较强鲁棒性,有效提高了集装箱破损检测的检出率和准确率。
技术关键词
集装箱图像
破损检测方法
格式
破损检测系统
颜色
图像转换模块
解码器
语义分割模型
编码器
蓝色
红色
图像获取模块
网络
训练集
数据
尺寸
输出特征
箱体
系统为您推荐了相关专利信息
无人机航拍数据
地质勘探数据
三维建模软件
面片
顶点
中央控制单元
充电策略
支持算法
智能设备
无线通信模块
电力设备
数据项
协议识别模型
偏差
训练卷积神经网络
文件管理系统
文件名信息
匹配模块
文件管理方法
文件分类管理