基于SSD算法的航空发动机内部凸台缺陷检测

基于深度学习的背景,提出将目标检测算法用于航空发动机内部凸台缺陷的检测研究。首先介绍了算法的主要特点,通过使用聚类分析方法改进算法产生默认框的生成方式,提高了算法模型对发动机内部凸台缺陷的匹配能力;并采用多种图像处理算法相结合,对目标图像进行预处理来突出凸台缺陷的主要特征,增强了算法模型提取待检测目标的特征信息,从而进一步提高检测算法对于航空发动机凸台缺陷的检测精度。最终检测算法对于凸台缺陷的检测精度达到了95%以上。

基于改进SSD的航空发动机目标缺陷检测

针对航空发动机的维修检测存在结构复杂、难度大、目标小等问题,提出了改进的单激发多盒探测器(single short multibox detector, SSD)模型,用于检测航空发动机内部凸台缺陷。首先,介绍了实验选用的数据集以及对数据集的处理。然后,分析了SSD模型的基本原理和检测流程,根据凸台缺陷的特点对SSD模型进行了调整。一是对实验数据集采用聚类分析算法来计算模型默认框大小;二是采用模型更底层的卷积层所输出的特征图来进行凸台缺陷的特征提取。最后,通过MATLAB软件对数据集进行扩充。改进后的SSD模型识别凸台缺陷的准确率从从2%提高到了19.6%,但是对实际应用来讲还有很大的提升空间。