AMCD: un detector de corrosión metálica preciso basado en aprendizaje profundo para inspección visual en tiempo real basada en MAV

Resumen La corrosión ha sido considerada como un problema serio de seguridad para las instalaciones metálicas. La inspección visual realizada por un ingeniero es costosa, subjetiva y consume mucho tiempo. Los Vehículos Aéreos Micro (MAV) equipados con algoritmos de detección tienen el potencial de realizar tareas de inspección visual más seguras y mucho más eficientes que los ingenieros. Hacia los algoritmos de detección de corrosión, las redes neuronales convolucionales (CNN) han habilitado el poder para una detección de corrosión metálica de alta precisión. Sin embargo, estos detectores están restringidos por las capacidades a bordo de los MAV. En este estudio, basado en You Only Look Once v3-tiny (Yolov3-tiny), se propone un detector de corrosión metálica preciso basado en aprendizaje profundo (AMCD) para la detección de corrosión metálica a bordo de MAV. Específicamente, se ha diseñado una estructura con capas de convolución separable por profundidad (DSConv) para realizar una detección de corrosión eficiente. Se incorporan el módulo de atención de bloque convolucional (CBAM), detección de objetos a tres escalas y pérdida focal para mejorar la precisión de detección. Además, se mejora el módulo de agrupamiento piramidal espacial (SPP) para fusionar características locales y mejorar aún más la precisión de detección. Se utiliza un conjunto de datos de imágenes de inspección de campo etiquetado con cuatro tipos de corrosión (la corrosión rugosa, corrosión de barras, deslaminamiento y corrosión de sujetadores) para entrenar y probar el AMCD. Los resultados de las pruebas muestran que el AMCD logra una precisión media promedio (mAP) del 84.96%, lo que supera a otros detectores de última generación. Mientras tanto, se logran 20.18 fotogramas por segundo (FPS) aprovechando NVIDIA Jetson TX2, el ordenador a bordo de MAV más popular, y el tamaño del modelo es de solo 6.1 MB.