航空发动机鼓风机机匣表面缺陷检测

摘要：

本文针对航空发动机鼓风机机匣表面缺陷,设计了一种新型深度卷积神经网络及优化算法缺陷检测.新型深度卷积神经网络(Convolution Neural Network,CNN)由三部分组成:骨干卷积神经网络生成不同尺度的特征图;多尺度特征融合网络(Multilevel-Feature Fusion Network,MFN)将多个尺度特征进行融合,以便包含更多的定位细节;区域建议网络(Region Proposal Network,RPN)生成感兴趣区域,每个感兴趣区域由一个分类器和一个锚框回归器组成的检测器产生最终的检测结果.然后分析了鼓风机机匣表面缺陷的特点,设计了新的检测损失函数.最后利用公司采集的包含两种典型缺陷(划痕和污秽)的数据集,利用单张GTX 1080ti显卡对网络进行训练和测试,测试结果表明两种典型缺陷检测平均可达到68.9％mAP、87.6％的精准率和35FPS的检测速度.

关键词：航空发动机;鼓风机机匣;缺陷检测;深度学习;特征融合;损失函数

所属期刊栏目：18

分类号：V263.6(航空制造工艺)

在线出版日期：2021-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1-7