基于深度学习的航空发动机内部损伤实时检测方法
Real-time detection method of aero-engine internal damage based on deep learning作者机构:南京航空航天大学民航学院南京211106 南京航空航天大学通用航空与飞行学院南京213300
出 版 物:《航空动力学报》 (Journal of Aerospace Power)
年 卷 期:2023年第38卷第8期
页 面:1857-1864页
核心收录:
学科分类:0710[理学-生物学] 0810[工学-信息与通信工程] 08[工学] 082503[工学-航空宇航制造工程] 0825[工学-航空宇航科学与技术] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家科技重大专项(2017-Ⅳ-0008-0045 J2019-Ⅳ-004-0071)
主 题:航空发动机损伤 孔探检测 深度学习 损伤检测 YOLOv4网络模型
摘 要:针对航空发动机内部损伤实时检测问题,提出了基于YOLOv4框架下的目标识别网络模型,该网络模型具有检测精确度高,推理速度快的优点,实现了发动机内部损伤的实时检测。在具体实施过程中,该方法首先对不同损伤类型进行分类并对损伤位置进行标注,将图片与之对应的标注导入到改进网络中进行训练并得到对应的检测模型,最后,基于训练好的模型,对图片和视频流上的损伤进行实时检测。利用Pascal VOC(visual object classes)标准数据集与真实的航空发动机孔探图像数据集进行方法验证,结果表明所提出的目标识别网络在保证准确率的前提下每秒检测的帧率相比原目标识别网络提升了23.7%以上。为解决孔探损伤检测中人为因素导致的检测结果不准确与检测效率低下等问题提供了有效途径,具有很强的工程实用价值。