基于生物视觉感知的低照明环境中管道缺陷检测的设计和实验验证
Xuan Xiao1, Mingming Su2, Bailiang Guo3
1School of Computer Science and Technology, Tiangong University, Tianjin 300387, China.
Biomimetics (Basel, Switzerland)
|September 26, 2025
概括
这项研究引入了事件感知ES-YOLO框架用于管道缺陷检测,提高了低光条件下的准确性. 该系统使用超冗余操纵器进行无碰撞检查,在钢管道中达到84%的准确性.
科学领域:
- 机器人和自动化 机器人和自动化
- 计算机视觉 计算机视觉
- 非破坏性测试是指非破坏性测试.
背景情况:
- 内部管道缺陷检测是具有挑战性的,因为灯光不佳和复杂的几何形状.
- 现有的方法在狭窄,曲的管道中难以提供可靠的感知和无碰撞的导航.
研究的目的:
- 开发一个事件意识框架 (ES-YOLO) 以提高管道缺陷检测.
- 使用超冗余操纵器和事件摄像头创建一个用于无碰撞检查的机器人系统.
- 为了验证系统在低光,窄管道环境中的有效性.
主要方法:
- 提出ES-YOLO框架,将RGB数据转换为事件数据集 (N-neudet) 用于培训.
- 开发了一个管道缺陷检查系统,将ES-YOLO与NMPC和SCA控制的超冗余操纵器集成在一起.
- 在不同照明条件下对钢管和烯酸管道进行了比较实验.
主要成果:
- 基于事件的ES-YOLO模型在低光缺陷识别方面明显优于RGB模型.
- 开发的系统在2卢克环境下实现了84%的钢管道缺陷检测准确度.
- 使用超冗余操纵器在管道内展示了无碰撞检查能力.
结论:
- 事件感知ES-YOLO框架和机器人系统为内部管道缺陷检查提供了强大的解决方案,特别是在具有挑战性的低光条件下.
- 拟议的方法显著提高了缺陷检测率,并使管道内的安全,自主导航成为可能.
- 这项技术有望提高基础设施维护的安全性和效率.
