發(fā)布時(shí)間：2021-08-28 11:25

　　航空發(fā)動(dòng)機(jī)葉片作為航空器重要的零件,其健康狀況直接關(guān)系到航班的運(yùn)行安全。葉片由于工作環(huán)境惡劣很容易產(chǎn)生裂紋、掉塊、壓坑等損傷,及時(shí)準(zhǔn)確的日常檢查對(duì)于維護(hù)葉片狀態(tài)良好,保證航空器適航具有重要的意義。目前基于孔探技術(shù)的葉片損傷檢測(cè)以人工為主,檢測(cè)結(jié)果在很大程度上受到人為因素的影響。因此,實(shí)現(xiàn)葉片損傷的自動(dòng)識(shí)別及測(cè)量對(duì)于減輕勞動(dòng)強(qiáng)度和提高檢測(cè)精度都有實(shí)際的應(yīng)用價(jià)值。考慮到發(fā)動(dòng)機(jī)內(nèi)部結(jié)構(gòu)復(fù)雜,傳統(tǒng)的圖像識(shí)別方法和深度學(xué)習(xí)領(lǐng)域中的目標(biāo)檢測(cè)技術(shù)各有優(yōu)勢(shì),但是希望通過(guò)自主學(xué)習(xí)物體特征實(shí)現(xiàn)目標(biāo)的自動(dòng)識(shí)別與定位。因此本文首先采用YOLOv3模型和faster R-CNN（ZF）模型對(duì)收集到的孔探圖像進(jìn)行損傷識(shí)別定位;然后針對(duì)上述各模型的葉片損傷特征提取能力進(jìn)行改進(jìn)得到Y(jié)OLOv3-dense模型和faster R-CNN（改進(jìn)ZF）模型;最后在相同的數(shù)據(jù)集上分別進(jìn)行訓(xùn)練和測(cè)試,經(jīng)過(guò)檢測(cè)精度、召回率等方面的評(píng)價(jià)將得到的檢測(cè)結(jié)果進(jìn)行對(duì)比選出性能最優(yōu)的模型。在完成損傷識(shí)別與定位后需要對(duì)損傷進(jìn)行尺寸測(cè)量,本文以掉塊類型為研究目標(biāo)。首先明確了損傷測(cè)量的特征點(diǎn);然后結(jié)合八鏈碼與偽邊緣去除等方法掃描出受損葉片的輪廓曲... 

【文章來(lái)源】：中國(guó)民航大學(xué)天津市

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

訓(xùn)練過(guò)程中損失值變化

中國(guó)民航大學(xué)碩士學(xué)位論文33圖3-3LabelImage的圖形注釋界面3.3基于YOLOv3和fasterR-CNN的葉片損傷識(shí)別3.3.1YOLOv3缺陷檢測(cè)算法YOLO算法(例如fastYOLO，YOLOv2，YOLO9000等)已用于交通參與者的實(shí)時(shí)檢測(cè)，實(shí)時(shí)水果檢測(cè)，數(shù)字X射線診斷系統(tǒng)等領(lǐng)域，然而在航空發(fā)動(dòng)機(jī)葉片損傷檢測(cè)領(lǐng)域還沒(méi)有使用過(guò)該種算法。YOLOv3是在YOLO、YOLOv2的基礎(chǔ)上演變而來(lái)的，與基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)(Region-basedConvolutionalNeuralNetwork,R-CNN)不同的是該系列的目標(biāo)檢測(cè)方法是將檢測(cè)框架轉(zhuǎn)化為空間分隔的邊界框和相關(guān)類概率的回歸問(wèn)題，它不需要區(qū)域建議網(wǎng)絡(luò)(RPN)，而是利用一個(gè)單一的神經(jīng)網(wǎng)絡(luò)在一次評(píng)估中完成對(duì)整張圖像的邊界框坐標(biāo)和類概率預(yù)測(cè)。由于網(wǎng)絡(luò)利用整張圖的特征來(lái)全局考慮整個(gè)圖像和圖像中的所有對(duì)象，且整個(gè)檢測(cè)過(guò)程是在單個(gè)網(wǎng)絡(luò)上完成，所以可以直接在檢測(cè)性能上進(jìn)行端到端(End-to-End)的優(yōu)化。與fasterR-CNN相比，這大大提高了檢測(cè)速度。YOLO檢測(cè)模型如圖3-4所示，網(wǎng)絡(luò)將訓(xùn)練集中的每個(gè)圖像劃分為SS(這里為簡(jiǎn)單起見(jiàn)取S=7)的網(wǎng)格，并為每一個(gè)網(wǎng)格單元預(yù)測(cè)B(這里取B=2)個(gè)邊界框，每個(gè)邊界框要預(yù)測(cè)邊界框置信度及C個(gè)條件類概率，這些預(yù)測(cè)最終以SS(B5+C)維的張量表示，如圖3-5所示。相較于YOLO，YOLOv2改善了

中國(guó)民航大學(xué)碩士學(xué)位論文39圖3-9同一目標(biāo)的多個(gè)檢測(cè)邊界框?qū)τ赮OLO系列的目標(biāo)檢測(cè)算法，其關(guān)鍵信息包括目標(biāo)的坐標(biāo)偏移量、錨框的寬高信息、邊界框的置信度以及條件類概率四種，由此損失函數(shù)根據(jù)其各自特點(diǎn)組合成了最終的損失函數(shù)(LossFunction)，具體公式如下：coordiouclsLoss=Error+Error+Error(3.2)對(duì)于坐標(biāo)預(yù)測(cè)誤差coordError為：2222221111=[()()][()()]SBSBobjobjcoordcoordijiiiicoordijiiiiijijErrorxxyywwhh====+++(3.3)coord表示坐標(biāo)誤差的權(quán)重，2S表示輸入圖像的網(wǎng)格數(shù)，B表示每個(gè)網(wǎng)格單元預(yù)測(cè)的邊界框數(shù)，參照YOLO模型中的原始參數(shù)，在本研究中取5coord=，S=13，B=3；1objij=表示目標(biāo)落入網(wǎng)格i中的第j個(gè)邊界框，否則0objij=；nobjij表示沒(méi)有任何目標(biāo)落入網(wǎng)格i中的第j個(gè)邊界框；(,,,)iiiixywh表示預(yù)測(cè)邊界框的中心坐標(biāo)、高度和寬度的值；(,,,)iiiixywh表示真實(shí)值。對(duì)于交并比誤差iouError為：22221111=()()SBSBobjnobjiouijiinoobjijiiijijErrorCCCC====+(3.4)noobj表示交并比誤差的權(quán)重，參考YOLO模型中的原始參數(shù)，在本研究中取=0.5noobj；iC表示預(yù)測(cè)的邊界框概率值，iC表示真實(shí)邊界框概率值。對(duì)于分類誤差clsError為：

【參考文獻(xiàn)】：
期刊論文
[1]航空發(fā)動(dòng)機(jī)維護(hù)中孔探檢測(cè)技術(shù)的應(yīng)用[J]. 肖柏榮.  中國(guó)高新科技. 2019(15)
[2]航空發(fā)動(dòng)機(jī)維修中孔探技術(shù)的應(yīng)用分析[J]. 張棟善,趙成.  電子制作. 2019(12)
[3]基于工程管理措施的航空發(fā)動(dòng)機(jī)孔探流程優(yōu)化研究[J]. 谷亞南.  裝備制造技術(shù). 2019(06)
[4]基于幀間路徑搜索和E-CNN的紅棗定位與缺陷檢測(cè)[J]. 曾窕俊,吳俊杭,馬本學(xué),汪傳建,羅秀芝,王文霞.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(02)
[5]基于卷積特征的光纖缺陷檢測(cè)方法[J]. 陳廣,楊震.  中國(guó)慣性技術(shù)學(xué)報(bào). 2019(01)
[6]基于動(dòng)力特性及BP神經(jīng)網(wǎng)絡(luò)的風(fēng)電機(jī)組葉片損傷識(shí)別[J]. 薛剛,蘇天.  太陽(yáng)能學(xué)報(bào). 2018(10)
[7]淺談CFM56-5B航空發(fā)動(dòng)機(jī)的內(nèi)窺鏡檢查和案列分析[J]. 潘敏嘉.  數(shù)字通信世界. 2018(09)
[8]孔探技術(shù)在航空發(fā)動(dòng)機(jī)維修中的應(yīng)用研析[J]. 吳冬.  智富時(shí)代. 2018(08)
[9]基于柔性電磁傳感器的發(fā)動(dòng)機(jī)葉片微缺陷檢測(cè)[J]. 陳棣湘,潘孟春,田武剛,周衛(wèi)紅,謝瑞芳.  中國(guó)測(cè)試. 2018(01)
[10]孔探技術(shù)在民航發(fā)動(dòng)機(jī)故障判斷中的應(yīng)用[J]. 鄧暉,徐國(guó)富,莫競(jìng)榮,張澤平.  時(shí)代農(nóng)機(jī). 2018(01)

碩士論文
[1]深度學(xué)習(xí)及其在航空發(fā)動(dòng)機(jī)缺陷檢測(cè)中的應(yīng)用研究[D]. 曠可嘉.華南理工大學(xué) 2017
[2]深度學(xué)習(xí)在風(fēng)機(jī)葉片結(jié)構(gòu)損傷識(shí)別中的仿真研究[D]. 張?chǎng)?蘭州交通大學(xué) 2016
[3]航空發(fā)動(dòng)機(jī)葉片損傷圖像快速識(shí)別技術(shù)研究[D]. 張維亮.沈陽(yáng)航空航天大學(xué) 2014



本文編號(hào)：3368426