Computer Vision-Based Quantitative Detection of Bolt Loosening Using Two-Stage Perspective Distortion Correction Method

Der Artikel geht auf die kritische Frage der Schraubenlockerung in mechanischen Strukturen ein, die die Tragfähigkeit und Sicherheit verbundener Strukturen beeinträchtigen kann. Herkömmliche Methoden zur Erkennung von Schraubenlockerung, wie manuelle Inspektion und Sensorerkennung, haben hinsichtlich Effizienz und Genauigkeit Grenzen. Der Artikel stellt einen computervisionsbasierten Ansatz vor, der eine zweistufige Methode zur Korrektur perspektivischer Verzerrungen verwendet, um diesen Herausforderungen zu begegnen. In der ersten Stufe wird die allgemeine Verzerrung von Bolzenbildern durch perspektivische Transformation korrigiert, während in der zweiten Stufe das schnellere R-CNN-Modell und die Hough-Transformation zum Einsatz kommen, um lokale perspektivische Verzerrungen zu korrigieren. Diese innovative Methode ermöglicht die präzise Erkennung von Schraubenlockerungswinkeln, auch bei großen Schusskanälen, und stellt eine kostengünstige, effiziente Alternative zu herkömmlichen Methoden dar. Der Artikel präsentiert auch eine experimentelle Studie, die die Wirksamkeit der vorgeschlagenen Methode unter verschiedenen Aufnahmewinkeln und Lichtverhältnissen bestätigt und eine umfassende Analyse ihrer Leistung und Robustheit liefert.