基于深度学习的飞机表面缺陷检测  

Aircraft Surface Defect Detection Based On Deep Learning

作　　者：刘昊 

机构地区：[1]中国东方航空信息部西北分中心

出　　处：《航空维修与工程》2024年第11期52-56,共5页Aviation Maintenance & Engineering

摘　　要：飞机表面的缺陷检测对于飞机的安全和性能至关重要,传统的检测方法通常需要大量的人力和时间且往往无法满足实际需求,本文提出了一种基于深度学习的飞机表面缺陷检测方法,以提高检测的准确性和效率。首先,对现有的飞机表面缺陷检测方法进行了调研和分析,发现传统方法存在局限性,提出选择深度学习作为解决方案,利用其强大的特征学习和表示能力提高飞机表面缺陷的检测性能。其次,建立了一个基于深度学习的飞机表面缺陷检测模型,该模型采用卷积神经网络(CNN)作为基础架构,并结合残差连接和注意力机制等技术提高模型的性能。本文所提出的基于深度学习的飞机表面缺陷检测方法,在试验评估中表现出良好的性能和鲁棒性,具有很高的应用价值,未来通过进一步研究和拓展该方法,可满足飞机表面缺陷检测领域的更多需求。

关 键 词：缺陷检测 深度学习 残差连接 注意力机制 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TP391.41[自动化与计算机技术—控制科学与工程] V267[航空宇航科学与技术—航空宇航制造工程]