来源：期刊VIP网 时间：
作者：何振鹏;刘鸿宇;张保深;罗文东;龚文琴;黎柏春;李少侠;李翔;鲍镇兴;
单位：中国民航大学航空工程学院;重庆航天职业技术学院;中国南方航空股份公司沈阳维修基地;天津仁爱学院智算工程学院;
摘要：准确发现和识别发动机内部损伤对发动机维护具有重要意义。针对传统人工孔探检查经验依赖度高、准确性不高的问题，提出了一种基于改进YOLOv8的航空发动机叶片损伤识别模型。构建了航空发动机叶片损伤数据集，针对叶片损伤在图像中占比小、信息容易丢失的问题，在主干网络部分引入通道-空间注意力融合模块（Convolutional Block Attention Module,CBAM），并使用基于动态非单调聚焦机制的边界框损失函数（WIoU）替换原函数，优化模型分类性能，提高模型鲁棒性；针对叶片损伤类型各异、特征统一度不高的问题，引入动态可变形卷积（DCNv3）模块，构建C2f＿DCNv3模块，提高模型对于不同种类损伤的适应性和泛化能力。研究结果表明，所提出的改进模型在发动机叶片表面损伤方面的检测平均精度均值（mAP@50%）达到92.30%，相比原YOLOv8n模型提高了2.4%，相比YOLOv5和YOLOv6分别提高了9.57%和10.75%，在模型计算量小于YOLOv8s约72.47%的情况下，精度提高1.37%，证明了改进后模型在兼顾计算量和检测精度的情况下具有较高的综合性能，有利于提高航空发动机孔探检测的自动化和智能化水平。
关键词：航空发动机;;叶片损伤;;目标检测;;YOLOv8;;深度学习;;孔探检测
基金资助：天津市科技局科技计划自然基金（23JCYBJC00110）;; 中央高校基本科研业务费专项资金（3122022040）;; 重庆市自然科学基金（2024NSCQ-MSX1756）;; 重庆市教委科研项目（KJQN202303007）;; 重庆市教育委员会科学技术研究项目（KJQN202403005）;; 天津市教委科研项目（2024KJ140）;; 中国民航大学研究生科研创新项目（2023YJSKC01015）~~
