-
题名航空发动机损伤图像的二分类到多分类递进式检测网络
被引量：8
- 1
-
-
作者
樊玮
李晨炫
邢艳
黄睿
彭洪健
-
机构
中国民航大学计算机科学与技术学院
厦门航空有限公司维修工程部
-
出处
《计算机应用》
CSCD
北大核心
2021年第8期2352-2357,共6页
-
基金
中央高校基本科研业务费项目中国民航大学专项(3122018C020)
天津市教委科研计划项目(2019KJ126)。
-
文摘
航空发动机损伤是影响飞行安全的重要因素。当前基于计算机视觉的发动机孔探图像损伤检测存在两个主要问题:一是孔探图像背景复杂,使得模型对损伤的检测精度较低;二是孔探图像数据来源受限,导致模型可检测类别较少。为解决这两个问题,提出了基于Mask R-CNN的二分类到多分类递进式航空发动机损伤图像检测网络。通过在Mask R-CNN中增加二分类检测分支,首先对图像中的损伤进行二分类检测并对定位坐标进行回归优化;其次使用原始检测分支递进地进行多分类检测,以进一步回归优化损伤的检测结果并确定损伤类型;最后根据多分类检测的结果,通过Mask分支对对损伤进行实例分割。为了增加模型检测类别及验证方法的有效性,构建了包含八种损伤类型,共1315张孔探图像的数据集。在该集合上进行的训练和测试结果表明,多分类检测的平均精度(AP)和AP75与Mask R-CNN相比分别提高3.34%、9.71%,可见所提方法能够有效提高对孔探图像中的损伤的多分类检测精度。
-
关键词
孔探图像
目标检测
实例分割
航空发动机探伤
递进式检测
-
Keywords
borescope image
object detection
instance segmentation
aero-engine damage inspection
progressive detection
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
