10.16526/j.cnki.11-4762/tp.2022.04.003
基于深度学习的航空发动机滑油磨粒检测研究
针对滑油中磨粒形状复杂且尺寸大小不一,传统滑油磨粒检测方法存在时效性差、检测尺度小、精度低、非铁磁性磨粒不能检测等缺点;设计了一种基于深度学习的航空发动机滑油磨粒检测方法;基于连续流微流控芯片的滑油图像采样方法,构建滑油图像采样系统;设计图像增强方法,进行图像数据增强消融试验研究,针对YOLOv3模型和Faster RCNN模型进行精度测试,结果表明消融试验后的YOLOv3模型检测能力明显优于Faster RCNN模型;为减少消融后YOLOv3模型的误检率,提出SER算法以优化该模型的推理置信度阈值;研究结果表明滑油磨粒检测方法可解决传统测试中存在的问题,且在0.35的置信度阈值下,YOLOv3模型的检测结果能够达到94.2%的召回率和95.9%的精确度.
航空发动机、滑油磨粒检测、深度学习、YOLOv3模型、SER算法
30
TP181;TP391(自动化基础理论)
校级科研立项项目2020KY0204
2022-05-07(万方平台首次上网日期,不代表论文的发表时间)
共10页
14-22,127