一种改进的CenterNet机翼结冰检测方法

在高空飞行环境下,机翼表面的积冰可能会改变其空气动力学特性并进一步降低升力,因此机翼结冰的检测显得尤为关键。为克服现有积冰检测技术通常依赖于操作人员的经验判断或需要昂贵的工程实施及硬件开发成本的局限,本文提出了一种基于CenterNet模型的旋转目标检测方法 RA-CenterNet。针对风洞实验数据集中呈现的特定积冰区域方向问题,设计了一种新颖的角度预测分支网络,有效实现了对旋转目标的精确校准。此外,为了提升神经网络在识别冰形边界时的特征提取能力,研究中还融合了卷积注意力模块(Convolutional block attention module, CBAM)。通过与其他旋转目标检测方法以及基准网络进行的一系列对比实验验证了RA-CenterNet方法的性能。实验结果表明,RA-CenterNet算法在主流的旋转目标检测算法中显示出明显的竞争优势,证明了其在积冰检测领域的应用潜力。