基于改进YOLOv8的航空铝合金焊缝缺陷检测方法

作     者：苏志威 黄子涵 邱发生 郭朝阳 殷晓芳 邬冠华 SU Zhiwei;HUANG Zihan;QIU Fasheng;GUO Chaoyang;YIN Xiaofang;WU Guanhua

作者机构：南昌航空大学无损检测技术教育部重点实验室南昌330063 江西洪都航空工业集团有限责任公司检验检测中心南昌330024 

出 版 物：《航空动力学报》 (Journal of Aerospace Power)

年 卷 期：2024年第39卷第6期

页      面：116-124页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 082503[工学-航空宇航制造工程] 0825[工学-航空宇航科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(62201241) 江西省自然科学基金青年基金(20224BAB214057) 赣鄱俊才-主要学科学术和技术带头人青年项目(20232BCJ23092) 南昌航空大学博士引进人才项目(EA201908298) 

主　　题：数字射线 图像增强 自动识别 YOLOv8算法 焊缝缺陷 

摘      要：为了提高航空铝合金焊接缺陷数字射线成像自动检测效率和准确度,提出了一种改进YOLOv8智能检测方法。针对样本数据不足和缺陷不清晰的问题,采用Retinex图像增强算法和引导滤波算法对原始图像进行图像增强处理,然后采用旋转和翻转等方式扩充数据集。在模型改进中,使用GhostBottleneck模块替换C2f中的Bottleneck模块,完成模型的轻量化,减少了额外的冗余参数并降低了计算量。同时,引入空间注意力机制,获得缺陷更多的空间信息,并调整预测框的回归范围,提升了模型的精度。通过铝合金焊接件中常见几类缺陷进行测试和验证,改进YOLOv8算法平均精度均值(mAP50)达到92.9%,优于传统的Faster-RCNN、SSD和YOLOv8算法,能够有效适用于焊缝缺陷的自动识别。