来源：期刊VIP网 时间：
作者：武仁康;程志江;吴动波;王辉;梁嘉伟;
单位：新疆大学电气工程学院;新疆大学智能科学与技术学院;清华大学航空发动机研究院;北京航空航天大学航空发动机研究院;清华大学机械工程系;
摘要：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。
关键词：计算机视觉;;缺陷检测;;航空发动机叶片;;改进YOLOv7;;深度学习;;MPDIoU损失函数
