摘要
本发明属于隧道电缆领域,公开了一种基于3D点云的隧道电缆缺陷检测方法及相关设备,本方法通过采集隧道电缆点云数据并输入至预训练的缺陷检测模型中,输出各点的类别得分以表征缺陷检测结果。本方法在缺陷检测模型中引入了PC‑SAG模块,该模块结合了自注意力模块与图卷积模块,能够同时提取点云数据的上下文特征和局部特征。自注意力模块弥补了传统方法无法捕捉相邻点矢量方向的不足,而图卷积模块在图结构数据中引入上下文信息,解决了传统图卷积网络无法获取点云数据上下文特征的问题。通过这种方式,使得本检测方法提高了隧道电缆缺陷检测的准确性,实现了对缺陷的精准检测,有效克服了传统方法效率低、易受环境干扰、难以量化缺陷等局限性。
技术关键词
电缆缺陷检测方法
上下文特征
隧道
卷积模块
矩阵
电缆缺陷检测系统
点云分类
点云数据采集
KNN算法
可读存储介质
采集电缆
存储计算机程序
注意力机制
系统为您推荐了相关专利信息
网络流量预测模型
序列
网络流量预测方法
模块
注意力模型
旋转角度信息
矩阵
物理特征参数
特征值
数字孪生模型
锡冶炼
广义回归神经网络
软测量方法
多重约束条件
数据
卷积模块
图像重建方法
特征提取模块
视角
拼接模块