首页>
根据【关键词:飞机电缆,压电纤维复合材料,定位,超声导波,缺陷检测】搜索到相关结果 8 条
-
基于关键点检测的航空发动机螺栓安装缺陷自动化检测方法
-
作者:
辛佳雯
王睿
谢艳霞
孙军华
来源:
仪器仪表学报
年份:
2023
文献类型 :
期刊
关键词:
关键点检测
深度学习
双目立体视觉
缺陷检测
-
描述:
针对航空发动机螺栓存在背景复杂、目标小、且精细特征不明显的问题,本文研究了一种基于关键点检测的航空发动机螺栓安装缺陷的自动化检测方法。首先设计了基于Faster RCNN和改进CPN(attention deformable convolution-cascaded pyramid network, AD-CPN)的级联卷积神经网络,实现了图像中螺栓及二维关键点的检测,可判断该螺栓是否脱落、漏装。为进一步检测螺栓的三维安装缺陷,通过欧式距离选择策略对已检测出的关键点进行双目匹配、筛选以获得检测点对,最后对检测点对三维重构,并计算出螺栓的实际长度,从而判断螺栓是否错装。实验结果表明,相较于CPN,AD-CPN的mAP、AP50、AP75分别提升了2.9%、3.3%、4%;螺栓测量长度的相对平均误差约为3.0%,可见该方法具有较高的缺陷检测准确率,有效保障了航空发动机的安全运行。
-
基于关键点检测的航空发动机螺栓安装缺陷自动化检测方法
-
作者:
辛佳雯
王睿
谢艳霞
孙军华
来源:
仪器仪表学报
年份:
2023
文献类型 :
期刊
关键词:
关键点检测
深度学习
双目立体视觉
缺陷检测
-
描述:
针对航空发动机螺栓存在背景复杂、目标小、且精细特征不明显的问题,本文研究了一种基于关键点检测的航空发动机螺栓安装缺陷的自动化检测方法。首先设计了基于Faster RCNN和改进CPN(AD-CPN)的级联卷积神经网络,实现了图像中螺栓及二维关键点的检测,可判断该螺栓是否脱落、漏装。为进一步检测螺栓的三维安装缺陷,通过欧氏距离选择策略对已检测出的关键点进行双目匹配、筛选以获得检测点对,最后对检测点对三维重构,并计算出螺栓的实际长度,从而判断螺栓是否错装。实验结果表明,相较于CPN,AD-CPN的mAP、AP50、AP75分别提升了2.9%、3.3%、4%;螺栓测量长度的相对平均误差约为3.0%,可见该方法具有较高的缺陷检测准确率,有效保障了航空发动机的安全运行。
-
相控阵超声检测技术在航空领域应用研究进展
-
作者:
夏玉秀
张义凤
薛峰
来源:
无损探伤
年份:
2023
文献类型 :
期刊
关键词:
航空
超声检测
相控阵
缺陷检测
-
描述:
介绍相控阵超声检测技术在航空领域的国内外研究发展及应用情况,主要分析了复合材料和增材制件等航空领域新材料、新结构的特征和缺陷检测难点,探讨相控阵超声检测技术在航空工业领域的未来发展方向。
-
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。
-
超声红外热像技术发展现状及其在航空材料缺陷检测中的应用
-
作者:
冯辅周
朱俊臻
李志农
来源:
航空制造技术
年份:
2023
文献类型 :
期刊
关键词:
超声红外热像
无损检测
主动热像
航空材料
缺陷检测
-
描述:
超声红外热像技术兼具缺陷定位精准、热像信噪比高、材料适用范围广等特点,在航空材料检测方面已有不俗表现,主要应用于发动机叶片、起落架、机翼、蜂窝夹层等关键部件和结构的缺陷检测。在简要介绍超声红外热像
-
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。
-
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。