摘要
本发明公开了一种融合多模态数据的耐张线夹缺陷无人机检测方法,包括以下步骤,建立数据集,数据集包含X光图像、超声图像和液压型耐张线夹图,构建融合多模态数据的耐张线夹缺陷检测模型;将数据集输入融合多模态数据的耐张线夹缺陷检测模型进行训练,获得训练后的融合多模态数据的耐张线夹缺陷检测模型,将X光图像和超声图像同时输入到训练后的融合多模态数据的耐张线夹缺陷检测模型中进行处理,获得Grad‑CAM热图,将Grad‑CAM热图处理为液压型耐张线夹图的大小并融合成像,在融合成像上显示输出检测的缺陷类型及判断位置。本发明通过融合超声图像和X光图像实现液压型耐张线夹缺陷智能检测。
技术关键词
液压型耐张线夹
无人机检测方法
X射线成像仪
超声成像仪
局部特征提取
数据标签
模块
相控阵
多模态特征融合
注意力
融合网络结构
深度学习图像
Adam算法
检测模型训练
遥控无人机
组合超声
直方图均衡化
系统为您推荐了相关专利信息
类风湿关节炎患者
智能评估系统
多普勒超声
编码向量
图像处理
图像检索模型
图像检索方法
特征提取网络
残差网络模型
哈希编码层
图像分割模型
网络
局部特征提取
医学图像分割方法
条带
脉冲耦合神经网络
壁画修复方法
注意力
特征提取模块
局部纹理特征
集成电路缺陷检测
图像块特征
局部特征提取
神经网络训练
尺寸缺陷