Photographic recognition system to detect oil leakage on test benches
能源與動力工程
資助企業(yè)：
Dana Incorporated
資助年份： 2022
企業(yè)導(dǎo)師： 闕新銘
指導(dǎo)教師： 王倩
項目成員： 郭如燁、夏弘勣、Virgilio Butorin Francisco
項目海報
項目視頻
項目簡介
項目概述
目前，國內(nèi)外管道漏液檢測主要通過閉路電視監(jiān)控系統(tǒng)（CCTV）、聲吶、激光等方法采集管道信息，獲取相關(guān)圖像后在進(jìn)行人工判斷，效率低且難以滿足快速檢測的要求。本項目針對呼吸閥的漏油視覺檢測問題，提出了一種基于UE4的呼吸閥漏油仿真方案和一種將支持向量機(jī)模型和yolov5模型相結(jié)合的漏油檢測方案。將該檢測方法實際應(yīng)用于工業(yè)環(huán)境中，可以滿足呼吸閥使用壽命的檢測需求，降低人力成本，自動化完成檢測，提高工業(yè)系統(tǒng)的安全性。
項目目標(biāo)
目前，國內(nèi)外管道漏液檢測主要通過閉路電視監(jiān)控系統(tǒng)（CCTV）、聲吶、激光等方法采集管道信息，獲取相關(guān)圖像后在進(jìn)行人工判斷，效率低且難以滿足快速檢測的要求。本項目針對呼吸閥的漏油視覺檢測問題，提出了一種基于UE4的呼吸閥漏油仿真方案和一種將支持向量機(jī)模型和yolov5模型相結(jié)合的漏油檢測方案。將該檢測方法實際應(yīng)用于工業(yè)環(huán)境中，可以滿足呼吸閥使用壽命的檢測需求，降低人力成本，自動化完成檢測，提高工業(yè)系統(tǒng)的安全性。
項目成果
（1）本項目通過實驗獲得原始呼吸閥漏油圖像，并通過Blender 3.0生成呼吸閥漏油仿真圖像，用labelimg軟件對圖像進(jìn)行標(biāo)注，獲得適合神經(jīng)網(wǎng)絡(luò)訓(xùn)練的圖像數(shù)據(jù)。
（2）通過在HSV空間提取顏色特征并用方差閾值降維至41維輸入支持向量機(jī)訓(xùn)練得到的模型在測試集上查全率90%。
（3）將卷積注意力機(jī)制CBAM和加權(quán)雙向特征金字塔BiFPN結(jié)構(gòu)融入YOLOv5模型，得到BiFPN-CBAM-YOLOv5模型查準(zhǔn)率為0.944，查全率為0.895，平均精度達(dá)到0.931。
