基于YOLOv7通道冗余改进的飞机蒙皮损伤检测

为提高蒙皮损伤检测的自动化程度,提出一种基于改进YOLOv7通道冗余的机器视觉检测方法。首先针对飞机蒙皮损伤数据集背景单一的特点,提出增强型颈部特征融合改进算法,提高了飞机蒙皮损伤的识别精度和检测速度;其次针对主干特征提取网络的卷积通道冗余的问题,引入部分卷积PConv(Partial convolution),提出主干特征提取网络轻量化,减少模型的参数量,同时提高损伤的识别效率。试验部分首先在飞机蒙皮损伤数据集上探索了不同增强型颈部特征融合改进算法,确定了最优的改进方案;接着在飞机蒙皮损伤数据集上做消融和对比试验,改进算法与原YOLOv7算法比较,mAP(Mean average precision)提升了2.3%,FPS(Frames per second)提升了22.1 f/s,模型参数量降低了34.13%;最后将改进的YOLOv7模型与主流目标检测模型对比,证明了改进算法的先进性。

基于旋转目标检测的飞机蒙皮损伤检测

飞机蒙皮作为航空器的重要部件,直接影响到飞行安全,故飞机蒙皮损伤检测对于有效预防航空安全事故具有重要意义,基于边界框边缘感知向量(BBAVectors)提出一种改进的旋转目标检测方法。首先针对损伤尺度变化大的问题,采用特征融合网络(FFN)提升多尺度检测效果;其次针对飞机蒙皮图片存在大量背景噪声的问题,引入coordinate attention(CA)机制来增强目标特征信息;最后针对蒙皮损伤分布方向任意的问题,通过BBAVectors表示任意角度的损伤位置,以提升目标定位的准确性。实验结果表明,改进的旋转目标检测方法相比原模型检测精度提升了5.7个百分点,并且检测精度高于主流的水平目标检测方法,在有效解决方向任意的飞机蒙皮损伤检测效果的基础上,为航空器损伤检测方法的提升提供更好的技术支持。