全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于剪枝和去噪的航空发动机故障图像识别与预测
- 作者： 傅荣春雪 刘君强 冯潇楠 余卓倩 来源： 航空计算技术 年份： 2023 文献类型 ： 期刊 关键词： YOLO 图像去噪 目标检测 孔探图像 剪枝算法
- 描述： 航空发动机叶片作为航空器重要的零件，其健康状况直接关系到航班的运行安全。叶片由于工作环境恶劣很容易产生裂纹、掉块、烧灼等损伤，目前基于孔探技术的叶片损伤检测以人工为主，检测结果在很大程度上受到人为因素的影响。因此，实现叶片损伤的自动识别及测量对于减轻劳动强度和提高检测精度都有实际的应用价值。首先选择PRIDnet图像去噪算法对原始孔探图像进行预处理，按照训练精度和训练速度两个指标对传统目标检测模型进行通道剪枝和微调。数据集采用国内某航空公司获取到CFM56型发动机在实际运营后机务人员所拍摄的孔探图像，实验结果表明，相比于原始目标检测YOLOv5算法和未经图像预处理的目标检测模型，本方法对航空发动机孔探图像内损伤的检测精度提高4%～10%,在检测效率上提高6%～20%。
- 面向航空发动机油路密封管件的高鲁棒性视觉定位算法研究
- 作者： 崔俊佳 刘枭 赖铭 王绍螺 蒋浩 李光耀 来源： 航空制造技术 年份： 2023 文献类型 ： 期刊 关键词： YOLO 机器视觉 孪生网络 视觉定位 Siamese 变化检测网络
- 描述： 航空航天行业零部件种类繁多、定制化程度高，难以进行定位夹具的开发。视觉定位技术是智能制造中的关键一环，该技术基于机器视觉确定工件位置，不需要定位夹具，能够被广泛运用于各种工况。但现有视觉定位算法只适用于少数种类的零件，泛用性不高。本文提出了一种基于YOLOv5s目标检测网络和Siamese孪生网络的新型视觉定位算法（YOLO–Siamese变化检测网络）。网络引入ConvDiff（卷积差分）模块来提升变化检测网络的特征提取效果，并采用半监督学习方法对模型进行训练。试验表明，在没有使用目标工件数据集的条件下，算法在验证集上的AP@0.5达到了99.3%,AP@0.5:0.95达到了89.6%，单帧推理时间为16.13 ms。该算法无需目标工件数据、定位精度高、运算速度快，提高了视觉定位算法的鲁棒性和泛用性。