基于FDG-YOLO轻量化模型的航空发动机损伤检测方法

作     者：蔡舒妤 何冲 

作者机构：中国民航大学航空工程学院 

出 版 物：《北京航空航天大学学报》 (Journal of Beijing University of Aeronautics and Astronautics)

年 卷 期：2024年

核心收录：

学科分类：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] 

基　　金：中央高校基本科研业务费专项资金(基金号3122023PY11) 复杂零部件智能检测与识别湖北省工程研究中心开放课题资助(基金号IDICP-KF-2024-07) 

主　　题：损伤检测 FDG-YOLO 轻量化 FasterNet 深度可分离卷积 GSConv 

摘      要：针对航空发动机损伤检测深度学习模型在嵌入式设备上部署应用的实时性差、检测精度低等问题，提出了FDG-YOLO轻量化航空发动机损伤检测模型。首先，引入FasterNet网络重构YOLOv5的主干网络，解决主干网络参数量大的问题。其次，通过深度可分离卷积改进YOLOv5颈部网络的普通卷积，减少颈部网络的冗余参数。同时，以GSConv为基础构建GS C3结构，替换原模型的C3结构，增强模型的表达能力和感受野。最后，在航空发动机损伤数据集进行实验验证。结果表明，与原模型相比，FDG-YOLO模型参数量降低了52.5%，浮点运算数GFLOPs（Giga Floating-point Operations）降低了66%，在嵌入式设备上的平均精度均值mAP（mean Average Precision）达到 89.6%，高于其他轻量化模型，帧率FPS（Frames Per Second）达到61，检测速度适配于发动机损伤图像采集速度，能够更好地满足航空发动损伤检测的智能化应用需求。