基于改进YOLOv5的航空发动机表面缺陷检测模型

作者： 李鑫   李香蓉   汪诚   李秋良   李卓越   来源： 激光与光电子学进展 年份： 2023 文献类型 ： 期刊 关键词： 注意力机制   航空发动机   机器视觉   YOLOv5   表面缺陷检测  

描述： 训练效果的提升；其次在Backbone网络中引入坐标注意力机制，在通道注意力的基础上嵌入坐标信息，提高对小缺陷目标的检测能力；最后将YOLOv5的定位损失函数改进为EIoU loss，在加快模型收敛

基于Trans/Attention的飞行区航空器监视数据融合方法

作者： 王兴隆   尹昊   丁俊峰   来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 场面监视雷达   注意力机制   Transformer   数据融合   广播式自动相关监视  

描述： 针对飞行区航空器单一监视源存在监视精度低、位置跳变的问题，提出了一种基于Transformer和注意力机制的航空器监视数据融合方法。首先利用Transformer的编码器结构分别对各监视源数据进行

融合注意力和多尺度特征的航空发动机缺陷检测

作者： 赵崇林   朱江   胡永进   李祖泽   王鹏举   谢涛   来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 注意力机制   航空发动机   YOLOv5   深度学习   缺陷检测  

描述： 航空发动机的结构完整性关乎飞行安全。目前基于孔探技术的航空发动机缺陷检测以人工操作为主。为提高检测精度和效率，提出了一种融合注意力和多尺度特征的航空发动机缺陷智能检测算法，以辅助孔探工作。首先，针对原始孔探图像中缺陷样本的类别不平衡问题，采用了一种基于几何变换和泊松图像编辑的多样本融合数据增强方法，丰富小样本图像并构建缺陷数据集。然后，在基准网络YOLOv5中融入协调注意力模块(CA)，以强调缺陷特征的提取，增强网络对缺陷目标和复杂背景的区分。在颈部网络中构建加权双向特征金字塔结构(BiFPN)，以完成更高层次的特征融合，提升对多尺度目标的表达能力。最后，将边界框回归损失函数定义为EIOU损失，实现对缺陷目标快速、准确地定位和识别。实验结果表明，本文算法检测缺陷的平均精确度达到了89.7％，较基准网络提升了6.3％，训练后的模型大小仅为14.0M。因此，所提方法可以有效地检测航空发动机的主要缺陷。

基于多模态图像的飞机目标检测研究

作者： 郑迦馨.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 多模态图像   注意力机制   残差密集模块   目标检测   全维卷积  

描述： 基于多模态图像的飞机目标检测研究

基于多模态图像的飞机目标检测研究

作者： 郑迦馨.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 多模态图像   注意力机制   残差密集模块   目标检测   全维卷积  

描述： 基于多模态图像的飞机目标检测研究

基于多模态图像的飞机目标检测研究

作者： 郑迦馨.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 多模态图像   注意力机制   残差密集模块   目标检测   全维卷积  

描述： 基于多模态图像的飞机目标检测研究

基于多模态图像的飞机目标检测研究

作者： 郑迦馨.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 多模态图像   注意力机制   残差密集模块   目标检测   全维卷积  

描述： 基于多模态图像的飞机目标检测研究

基于多模态图像的飞机目标检测研究

作者： 郑迦馨.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 多模态图像   注意力机制   残差密集模块   目标检测   全维卷积  

描述： 基于多模态图像的飞机目标检测研究

基于多模态图像的飞机目标检测研究

作者： 郑迦馨.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 多模态图像   注意力机制   残差密集模块   目标检测   全维卷积  

描述： 基于多模态图像的飞机目标检测研究

基于多模态图像的飞机目标检测研究

作者： 郑迦馨.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 多模态图像   注意力机制   残差密集模块   目标检测   全维卷积  

描述： 基于多模态图像的飞机目标检测研究