基于深度学习的遥感图像飞机目标检测方法研究

作者： 吕宗奎.   来源： 南京信息工程大学 年份： 2024 文献类型 ： 学位论文 关键词： 注意力机制   特征提取   PyQt5   深度学习   目标检测  

描述： 基于深度学习的遥感图像飞机目标检测方法研究

基于深度学习的航空发动机剩余使用寿命预测方法研究

作者： 曹锦山.   来源： 重庆交通大学 年份： 2024 文献类型 ： 学位论文 关键词： 航空发动机   Transformer   深度学习   剩余使用寿命   多头自注意力机制  

描述： 基于深度学习的航空发动机剩余使用寿命预测方法研究

基于深度学习的航空发动机涡轮叶片烧蚀检测研究

作者： 陈纪宗.   来源： 中国民用航空飞行学院 年份： 2024 文献类型 ： 学位论文 关键词： 注意力机制   航空发动机   自动化检测   语义分割   深度学习  

描述： 基于深度学习的航空发动机涡轮叶片烧蚀检测研究

模拟塞斯纳172无动力迫降时飞行员工作负荷分析

作者： 林华显.   来源： 中国民用航空飞行学院 年份： 2024 文献类型 ： 学位论文 关键词： 机器学习   工作负荷   生理信号   深度学习   航空安全  

描述： 模拟塞斯纳172无动力迫降时飞行员工作负荷分析

基于深度学习的遥感图像飞机目标检测技术研究

作者： 赵志恒.   来源： 中国民用航空飞行学院 年份： 2024 文献类型 ： 学位论文 关键词： 遥感图像   深度学习   目标检测   YOLOv8   飞机目标  

描述： 基于深度学习的遥感图像飞机目标检测技术研究

基于融合神经网络的飞机蒙皮缺陷检测的研究

作者： 黄少晗.   来源： 中国民用航空飞行学院 年份： 2024 文献类型 ： 学位论文 关键词： 注意力机制   飞机蒙皮缺陷   融合神经网络   深度学习   目标检测  

描述： 基于融合神经网络的飞机蒙皮缺陷检测的研究

飞机结构健康监测技术发展研究

作者： 刘雪蓉     曹贺     张宝珍   来源： 计测技术 年份： 2024 文献类型 ： 期刊 关键词： 结构预测与健康管理   数字孪生   先进传感器   深度学习   飞机   结构健康监测  

描述： Fighter, JSF）上的典型应用。指出飞机结构健康监测技术正向智能化方向发展；未来需要重点研究传感器网络的智能诊断技术、复杂环境下的SHM技术、基于结构健康监测的健康管理技术、智能材料/结构健康监测技术，并将深度学习、数字孪生等前沿技术应用于航空领域，以推动我国飞机结构健康监测技术发展。

基于迁移学习和改进Faster-RCNN遥感影像飞机目标检测

作者： 周绍鸿     方新建     刘鑫怡     张潆丹     严盛   来源： 机电工程技术 年份： 2024 文献类型 ： 期刊 关键词： 遥感影像   目标检测   RCNN   深度学习   Faster   迁移学习  

描述： 为了提高遥感影像飞机目标检测的准确性和泛化能力，需要解决背景复杂、尺度多变、目标密集、飞机朝向不确定和特征不明显等问题。但现阶段训练数据量有限，初始训练需要消耗大量算力和时间，容易出现过拟合现象。因此，需要优化模型结构和训练过程。针对上述问题，首先引入一种迁移学习的策略，在Faster-RCNN模型训练之前，加载MS COCO数据集预先训练好的权重，使模型快速收敛，节约了大量的训练时间。然后以ResNet50替代原Faster-RCNN的VGG16特征提取网络，更好地利用深层次的语义信息，在此基础上结合FPN网络，并对原Faster-RCNN的9种锚框增加为15种锚框，通过融合多尺度特征图以获得更丰富的特征表示，从而提高网络检测和定位目标的能力。以RSOD-Dataset数据集为例进行飞机目标检测实验，同时比较不同检测算法的性能；再以NWPU VHR-10数据集验证模型的泛化性和稳定性，实验结果表明：改进的Faster-RCNN在RSOD-Dataset数据集上的精确率为97.54%；在NWPU VHR-10数据集上的精确率为98.27%。通过迁移学习和改进Faster-RCNN的网络结构，可以实现在数据量较少的情况下高精度目标检测，且泛化能力较强，所提方法可以利用于其他目标检测和识别，具有较好的推广意义。

基于Transformer的飞机状态预测

作者： 王经纬     高艳鹍     宋澣兴     刘一非   来源： 计算机工程与设计 年份： 2024 文献类型 ： 期刊 关键词： 深度学习   状态分类   气动力建模   多任务   大迎角   非定常气动力   时序预测  

描述： 在非定常气动力下，为防止飞机进入危险状态，通过建模进行状态预测，是保障飞行安全的重要手段，传统方法建模过程复杂、工程化难度大且普适性不强。为更好解决大迎角下飞行状态预测，使用基于深度学习的时序序列

基于SW-YOLO模型的航空发动机叶片损伤实时检测

作者： 何宇豪     曹学国     刘信良     蒋浩坤     王静秋   来源： 推进技术 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机   实时检测   叶片损伤   深度学习   目标检测   孔探检测  

描述： 孔探检测技术是航空发动机叶片损伤检测的主要手段，但目前依赖人工操作，耗时耗力。本文提出了一个孔探视频检测的SW-YOLO模型，该模型包括输入端、主干网络、颈部网络、头部网络4个模块。首先，在主干网络加入了空间通道注意力模块（Spatial Channel-Convolutional Block Attention Module,SC-CBAM），有效避免位置信息丢失，提高目标边界回归能力，相较于YOLOv5，其平均精度均值■@0.5提高了5.4%。其次，在颈部网络对特征金字塔网络（Feature Pyramid Network,FPN）进行了改进，通过融合低层特征，扩大了模型感受野，有利于较小损伤区域的检测，如烧蚀损伤，平均精度提高了8.1%。最后，通过与YOLOv5,Faster R-CNN,SSD模型的对比实验，结果表明SW-YOLO模型的平均精度均值分别提高了7%,6.2%,6.3%，检测速度满足实时检测需求，有利于提高航空发动机孔探检测的自动化和智能化水平。