[发明专利]一种基于偏振光场成像的水下裂缝缺陷检测方法

权利要求书

1.一种基于偏振光场成像的水下裂缝缺陷检测方法，其特征在于，包括以下步骤：

步骤1：搭建偏振光场采集装置；

使用4个可见光偏振相机组成一个2×2平面型阵列相机系统，4个可见光偏振相机间具有重叠视场；

使用硬件同步触发装置进行相机同步控制：同步触发器通过输出脉冲信号给相机，相机根据脉冲信号进行拍摄动作；

使用千兆交换机进行数据传输，将千兆交换机与各个相机以及PC机连接；在PC机上使用四网口的千兆网卡，每个网口端口负责给一台相机供电并传输该相机采集的数据；

在使用偏振相机阵列采集装置前，分别在空气和水下环境对其进行了标定，获取相机阵列的内外参数；

步骤2：建立水下裂缝缺陷数据集；

使用偏振相机阵列从多个视角采集水下目标图像，使用水泥板模拟水下建筑物，通过往水中滴牛奶模拟不同浑浊程度的水下环境，并使用浊度仪测量滴加牛奶后的水体的浑浊度；实验场景搭建在玻璃水缸中，将玻璃水缸注满清水，采集图像时将水泥板固定在玻璃水缸中，通过搭建好的偏振相机阵列采集装置进行采集；采集时将相机分辨率调到最大分辨率，光源使用模拟自然光的卤素摄影灯；最终用采集到的图像建立水下裂缝缺陷数据集；

步骤3：处理采集数据；

对水下裂缝缺陷数据集的图像进行偏振去马赛克处理，得到四个不同偏振方向的I₀、I₄₅、I₉₀、I₁₃₅图像，进一步计算得到可见光强度图像，再进行水下偏振清晰化处理；

根据I₀、I₄₅、I₉₀、I₁₃₅图像计算得到目标场景的偏振度图像；

同时从水下裂缝缺陷数据集的原始图像计算得到场景的深度图像；

步骤4：设计裂缝缺陷检测网络并进行训练；

所述裂缝缺陷检测网络网络采用教师-学生网络框架，教师网络是一个在图像分类任务上进行过预训练的网络，采用ResNet-18特征提取网络，学生网络采用和教师网络相同的架构，针对同一层级特征采用了选择注意力模块进行融合，具体如下：

步骤4-1：首先将清晰化后的可见光强度图像、偏振度图像、深度图像分别输入到教师-学生网络，经过网络的特征提取得到各自的特征图{C_k,l}，其中k＝{1,2,3}表示三个输入，l＝{1,2,3}表示三个特征层级；

步骤4-2：来自同一层级的特征图通过选择注意力模块的三个分支的空间权重{α_1,l,α_2,l,α_3,l}，对三个分支的特征图进行加权融合，得到融合后的不同层级的的特征F_l＝α_1,lC_1,l+α_2,lC_2,l+α_3,lC_3,l；

步骤4-3：将不同层级教师网络和学生网络得到的融合后特征F_l计算损失loss；

步骤4-4：将步骤4-3中不同层级的计算得到的损失loss加权求和作为总损失，以此来训练学生网络，训练过程中教师网络的权重参数固定不变；

步骤4-5：在测试过程，通过计算教师网络和学生网络输出的特征图之间的距离得到测试图像的各层级异常图，将各层级异常图进行上采样并逐元素相乘得到最终检测结果。

2.根据权利要求1所述的一种基于偏振光场成像的水下裂缝缺陷检测方法，其特征在于，所述玻璃水缸的尺寸为60×40×40cm。

3.根据权利要求1所述的一种基于偏振光场成像的水下裂缝缺陷检测方法，其特征在于，所述相机采集图像时使用最大分辨率2448×2224，焦距为16mm镜头。