10.3969/j.issn.1671-654X.2023.02.009
基于剪枝和去噪的航空发动机故障图像识别与预测
航空发动机叶片作为航空器重要的零件,其健康状况直接关系到航班的运行安全.叶片由于工作环境恶劣很容易产生裂纹、掉块、烧灼等损伤,目前基于孔探技术的叶片损伤检测以人工为主,检测结果在很大程度上受到人为因素的影响.因此,实现叶片损伤的自动识别及测量对于减轻劳动强度和提高检测精度都有实际的应用价值.首先选择PRIDnet图像去噪算法对原始孔探图像进行预处理,按照训练精度和训练速度两个指标对传统目标检测模型进行通道剪枝和微调.数据集采用国内某航空公司获取到 CFM56 型发动机在实际运营后机务人员所拍摄的孔探图像,实验结果表明,相比于原始目标检测YOLOv5 算法和未经图像预处理的目标检测模型,本方法对航空发动机孔探图像内损伤的检测精度提高4%~10%,在检测效率上提高6%~20%.
孔探图像、图像去噪、YOLO、剪枝算法、目标检测
53
TP317.4(计算技术、计算机技术)
国家自然科学基金U1533128
2023-04-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
40-44