基于改进YOLOv7的航空发动机叶片表面缺陷检测

对于航空发动机叶片在生产加工过程中产生的各种缺陷,通常以人工目检的方式来进行检测。为避免因人为经验导致检测结果缺乏一致性,以及检测效率低的问题。文中提出一种基于改进YOLOv7的叶片检测方法,旨在精准高效地检测叶片表面的缺陷。针对生产加工过程中四类常见的典型缺陷,构建了航空发动机叶片表面缺陷数据集。在YOLOv7特征融合网络的ELAN-W中加入SKNet,使模型获得自适应感受野以增强网络特征提取的能力;在头部网络引入Dyhead提升模型的类别识别能力和检测性能;采用MPDIoU损失函数替代原始的CIoU损失函数以实现更加精确的边界框回归。所提方法在保证召回率的基础上提升了模型的检测性能,其中精度、召回率和mAP@0.5分别提升了5.3%、2.2%和3.7%,检测单张叶片的时间为4.93 s。为叶片的自动化检测提供了一种新方法。

资料为PDF文档格式.

本文档关键词:叶片,缺陷,表面,改进,航空发动机