基于改进YOLOv5的航空发动机叶片表面缺陷检测方法研究 |
| |
引用本文: | 刘宜轩,程志江,吴动波,梁嘉炜,王辉.基于改进YOLOv5的航空发动机叶片表面缺陷检测方法研究[J].四川激光,2023(7):57-61. |
| |
作者姓名: | 刘宜轩 程志江 吴动波 梁嘉炜 王辉 |
| |
作者单位: | 1. 新疆大学电气工程学院;2. 清华大学航空发动机研究院;3. 清华大学机械工程系 |
| |
摘 要: | 针对航空发动机叶片缺陷检测过程中表面噪声较大以及检测精度较低的问题,提出了一种基于改进YOLOv5的叶片表面缺陷检测方法。通过叶片表面缺陷图像采集和典型缺陷标注构建了航空发动机叶片表面缺陷数据集;采用K-means++算法代替K-means算法对标记框进行聚类,获得最适合该数据集中标记框的锚框;在主干网络中结合CBAM注意力机制模块,并且采用EIoU损失函数替换原CIoU损失函数,提高对叶片表面缺陷特征的提取能力。对比实验结果表明所提出的方法相较于YOLOv5算法在平均精度均值上提升了1.4%,相较于FasterRCNN和YOLOv3,本方法在平均精度均值上分别提升了13%和2.9%。
|
关 键 词: | 航空发动机叶片 表面缺陷检测 深度学习 YOLOv5 注意力机制 |
|
|