基于三维点云的飞机蒙皮表面缺陷检测与表征

作者： 张研   来源： 西安工业大学 年份： 2022 文献类型 ： 学位论文 关键词： 飞机蒙皮   三维点云   视觉测量技术   缺陷表征   缺陷检测  

描述： 基于三维点云的飞机蒙皮表面缺陷检测与表征

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： 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。

民航卫星导航干扰信号多径抑制算法仿真

作者： 罗文劼   张曦月   刘兴龙   来源： 计算机仿真 年份： 2020 文献类型 ： 期刊 关键词： 抑制算法   多径   导航干扰   定位   信号   民航卫星  

描述： 矢量,获取最终旁瓣相消器多径抑制后的直达卫星信号,实现民航卫星导航干扰信号的多径抑制。仿真结果表明,所提算法在任意载噪比环境下的码相位跟踪误差均较小,对民航卫星导航干扰信号的多径抑制性能较强;且算法多径抑制耗时短、民航卫星导航的定位精度高。

民航卫星导航干扰信号多径抑制算法仿真

作者： 罗文劼   张曦月   刘兴龙   来源： 计算机仿真 年份： 2020 文献类型 ： 期刊 关键词： 抑制算法   多径   导航干扰   定位   信号   民航卫星  

描述： 矢量,获取最终旁瓣相消器多径抑制后的直达卫星信号,实现民航卫星导航干扰信号的多径抑制。仿真结果表明,所提算法在任意载噪比环境下的码相位跟踪误差均较小,对民航卫星导航干扰信号的多径抑制性能较强;且算法多径抑制耗时短、民航卫星导航的定位精度高。

飞行器协同探测构型设计与数据处理方法研究

作者： 丁力全   来源： 战略支援部队信息工程大学 年份： 2021 文献类型 ： 学位论文 关键词： 协同探测   信息融合   飞行器   无迹变换   定位   构型   制导  

描述： 飞行器协同探测构型设计与数据处理方法研究

基于深度学习的航空发动机涡轮叶片自动射线检测技术研究

作者： 王栋欢   肖洪   吴丁毅   来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   涡轮叶片   射线图像   深度学习   射线检测   缺陷检测  

描述： 一直以来，航空发动机涡轮叶片的射线检测依靠检验员人工评片。为避免经验差异、眼睛疲劳、标准理解等人为因素影响，有效改善传统射线检测费时费力、效率低下等问题，针对航空发动机涡轮叶片射线图像，基于YOLOv4模型提出了一种双主干特征融合的缺陷自动检测算法（DBFF-YOLOv4）；通过设计包含所有特征映射的新型连接结构搭建缺陷检测颈部网络，建立了适用于涡轮叶片射线图像的缺陷自动检测模型；针对每个缺陷，采用9次裁剪、旋转和亮度增减的图像数据增强方法扩充样本数据，在此基础上进行了模型训练与测试。结果表明，针对完整涡轮叶片，建立的缺陷检测模型在0.5的置信度阈值下可获得96.7%的平均查准率和91.87%的平均查全率，优于通用目标检测算法YOLOv4模型。9次缺陷裁剪、旋转和亮度增减的图像数据增强方法能够显著提高模型的缺陷检测精度（平均精度分别得到了59.19%和2.53%的提升）。该研究为涡轮叶片自动射线检测提供了一种新方法。

基于平面ECT技术的复合材料缺陷检测研究

作者： 郭鹏飞   来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： 信息采集系统   平面电容层析成像   FPGA   复合材料   双平面传感器   缺陷检测  

描述： 基于平面ECT技术的复合材料缺陷检测研究

基于深度学习的航空留机导管缺陷检测研究与实现

作者： 李斐   来源： 西安电子科技大学 年份： 2022 文献类型 ： 学位论文 关键词： 留机导管   R   CNN   深度学习   Faster   YOLOv4   缺陷检测  

描述： 基于深度学习的航空留机导管缺陷检测研究与实现

基于深度学习的航空发动机涡轮叶片自动射线检测技术研究

作者： 王栋欢   肖洪   吴丁毅   来源： 推进技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   涡轮叶片   射线图像   深度学习   射线检测   缺陷检测  

描述： 一直以来，航空发动机涡轮叶片的射线检测依靠检验员人工评片。为避免经验差异、眼睛疲劳、标准理解等人为因素影响，有效改善传统射线检测费时费力、效率低下等问题，针对航空发动机涡轮叶片射线图像，基于YOLOv4模型提出了一种双主干特征融合的缺陷自动检测算法（DBFF-YOLOv4）；通过设计包含所有特征映射的新型连接结构搭建缺陷检测颈部网络，建立了适用于涡轮叶片射线图像的缺陷自动检测模型；针对每个缺陷，采用9次裁剪、旋转和亮度增减的图像数据增强方法扩充样本数据，在此基础上进行了模型训练与测试。结果表明，针对完整涡轮叶片，建立的缺陷检测模型在0.5的置信度阈值下可获得96.7%的平均查准率和91.87%的平均查全率，优于通用目标检测算法YOLOv4模型。9次缺陷裁剪、旋转和亮度增减的图像数据增强方法能够显著提高模型的缺陷检测精度（平均精度分别得到了59.19%和2.53%的提升）。该研究为涡轮叶片自动射线检测提供了一种新方法。

航空发动机自动化安装检测和定位算法研究

作者： 郝宇   来源： 北京交通大学 年份： 2021 文献类型 ： 学位论文 关键词： 航空发动机   R   D   SSD   目标检测   定位   双目立体视觉   安装工位  

描述： 航空发动机自动化安装检测和定位算法研究