基于SSD算法的航空发动机内部凸台缺陷检测
作者:
陈为
梁晨红
来源:
电子测量技术
年份:
2021
文献类型 :
期刊
关键词:
SSD算法
图像处理
凸台缺陷检测
默认框
描述:
基于深度学习的背景,提出将目标检测算法用于航空发动机内部凸台缺陷的检测研究。首先介绍了算法的主要特点,通过使用聚类分析方法改进算法产生默认框的生成方式,提高了算法模型对发动机内部凸台缺陷的匹配能力;并采用多种图像处理算法相结合,对目标图像进行预处理来突出凸台缺陷的主要特征,增强了算法模型提取待检测目标的特征信息,从而进一步提高检测算法对于航空发动机凸台缺陷的检测精度。最终检测算法对于凸台缺陷的检测精度达到了95%以上。
基于SSD算法的航空发动机内部凸台缺陷检测
作者:
陈为
梁晨红
来源:
电子测量技术
年份:
2020
文献类型 :
期刊
关键词:
SSD算法
图像处理
凸台缺陷检测
默认框
描述:
基于深度学习的背景,提出将目标检测算法用于航空发动机内部凸台缺陷的检测研究。首先介绍了算法的主要特点,通过使用聚类分析方法改进算法产生默认框的生成方式,提高了算法模型对发动机内部凸台缺陷的匹配能力;并采用多种图像处理算法相结合,对目标图像进行预处理来突出凸台缺陷的主要特征,增强了算法模型提取待检测目标的特征信息,从而进一步提高检测算法对于航空发动机凸台缺陷的检测精度。最终检测算法对于凸台缺陷的检测精度达到了95%以上。
基于改进SSD的航空发动机目标缺陷检测
作者:
陈为
梁晨红
来源:
第30届中国过程控制会议(CPCC 2019)
年份:
2019
文献类型 :
会议论文
关键词:
数据集
特征提取
卷积神经网络
凸台检测
SSD模型
聚类分析
描述:
基于改进SSD的航空发动机目标缺陷检测
基于YOLOv4的航空发动机叶片凸台目标检测
作者:
陈为
钟欣童
张婧
李泽辰
来源:
计算机仿真
年份:
2022
文献类型 :
期刊
关键词:
数据增强
目标检测
叶片凸台检测
聚类分析
描述:
针对航空发动机内部检测叶片凸台缺陷的问题,提出了一种基于YOLOv4(You Only Look Once)的目标检测算法。算法使用迁移学习加载了在coco公开数据集上训练的预训练模型权重,为了更好的适应对凸台检测中小目标、结构复杂的特点,通过聚类分析的方法调整先验框尺寸,同时对原始数据集使用Mosaic方法进行数据增强。实验结果表明,改进后的YOLOv4模型在检测精度上提高了15.85%,召回率提高了21%,平均交并比可达0.75,检测性能优于在同一数据集中使用的SSD目标检测算法。