来源：期刊VIP网 时间：
作者：王可庆;周新翔;周翔;薛国强;张强;
单位：无锡学院自动化学院;南京信息工程大学自动化学院;
摘要：针对蒸汽发生器二次侧异物检测主要依赖人工、存在效率低及可靠性有限等问题。本课题基于现场检查视频构建专用数据集,提出一种改进YOLOv11n的异物检测方法。该方法通过融合动态卷积与Ghost Conv,设计C3k2＿GhostDynConv模块以增强特征自适应能力;在颈部网络中设计多层次注意力融合模块,结合局部-全局注意力机制与层次化特征融合策略,提升多尺度特征提取能力,强化对二次侧异物微观纹理的捕捉和对背景干扰的抑制能力;采用WIo Uv3(Wise-IoUv3)损失函数优化边界框回归,提升复杂场景中的检测稳定性。实验结果表明,该方法的m AP@0.5达到82.72%,较基线模型提升4.11%,整体性能优于其他典型检测模型,能够有效实现对二次侧异物的精确识别。
关键词：深度学习;;蒸汽发生器;;异物检测;;动态卷积;;多层次注意力融合
基金资助：江苏“太湖之光”科技攻关项目（K20221051）资助
