基于轻量级网络的飞机蜂窝结构积水缺陷检测

作     者：徐方 刘文波 汪荣华 滕子煜 XU Fang;LIU Wenbo;WANG Ronghua;TENG Ziyu

作者机构：南京航空航天大学自动化学院南京211106 高速载运设施的无损检测监控技术工业和信息化部重点实验室南京211106 国营芜湖机械厂安徽芜湖241000 

出 版 物：《计算机测量与控制》 (Computer Measurement &Control)

年 卷 期：2023年第31卷第8期

页      面：64-69,97页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(2018YFB2003304,2017YFF0107304,2017YFF0209700,2016YFB1100205,2016YFF0103702) 国家自然科学基金(61871218,61527803) 中央高校基本科研业务费(NJ2019007,NJ2020014) 

主　　题：航空复合材料 蜂窝结构积水 无损缺陷检测 倒残差结构 通道注意力机制 

摘      要：复合材料蜂窝结构在飞机服役过程中产生的积水缺陷在日常维护和检修过程中依赖人工、检测效率低、自动化程度低,若未能及时发现将严重威胁飞行安全;针对该问题,结合实际检修场景中使用的移动或嵌入式设备算力有限的情况,设计了一种融合通道注意力和倒残差算法的模块SE-IR,进一步搭建了基于SE-IR模块的轻量级网络SE-IR LCNN,尽可能地在保证网络检测准确率的同时减小网络的参数量;为了验证所提轻量级网络的有效性、使用数字X射线摄影设备获取蜂窝结构及其积水缺陷数字化图像并制成数据集;在该数据集上的实验结果表明,所提轻量级网络的分类准确率为99.20%,可有效筛选出飞机蜂窝结构的积水缺陷;相较于经典网络ResNet-50和VGG-16,所提网络的准确率分别提升了9.6%和3.66%、参数量仅为ResNet-50参数量的1/10、VGG-16参数量的1/50。