|
|||||
|
|
| 基于小样本数据增强的航天器表面损伤智能检测方法 | |
| 引用本文： | 刘纯武,方青云,王兆魁.基于小样本数据增强的航天器表面损伤智能检测方法[J].上海航天,2024,41(3):150-158. |
| 作者姓名： | 刘纯武 方青云 王兆魁 |
| 作者单位： | 清华大学 航天航空学院，北京 100084 |
| 基金项目： | 国家重点研发计划(2023YFC2205601) |
| 摘 要： | 在轨运行的航天器表面形成损伤有可能导致严重的后果，需要对航天器进行在轨实时损伤检测。针对航天器损伤检测图像样本难以获取的问题，本文采用智能化检测方法，提出了一种用于航天器表面损伤样本扩充的生成对抗网络，该网络能够学习单张输入图像的特征纹理表示，从而生成大量与输入图像特征相似的细粒度尺度样本，实现了少量图像数据样本的扩充。利用YOLO目标检测算法在扩充的图像样本中进行表面缺陷与损伤的检测识别，获取了较高的检测精度，为未来航天器健康状态监测与评估、通用化服务机器人应用及太空原位建设等提供了技术支撑。 |
| 关 键 词： | 智能化检测 样本扩充 生成对抗网络 目标检测 损伤检测 |
| 收稿时间： | 2024/4/2 0:00:00 |
| 修稿时间： | 2024/5/10 0:00:00 |
An Intelligent Inspection Method for Spacecraft Surface Damage Based on Small Sample Data Augmentation |
|
| LIU Chunwu,FANG Qingyun,WANG Zhaokui.An Intelligent Inspection Method for Spacecraft Surface Damage Based on Small Sample Data Augmentation[J].Aerospace Shanghai,2024,41(3):150-158. | |
| Authors: | LIU Chunwu FANG Qingyun WANG Zhaokui |
| Abstract: | |
| Keywords: | intelligent inspection sample expansion generative adversarial network (GAN) object inspection damage inspection |
| 点击此处可从《上海航天》浏览原始摘要信息 | |
| 点击此处可从《上海航天》下载免费的PDF全文 | |