来源：期刊VIP网 时间：
作者：何宇豪;曹学国;刘信良;蒋浩坤;王静秋;
单位：南京航空航天大学直升机传动技术重点实验室;广州飞机维修工程有限公司工程部发动机处;
摘要：孔探检测技术是航空发动机叶片损伤检测的主要手段，但目前依赖人工操作，耗时耗力。本文提出了一个孔探视频检测的SW-YOLO模型，该模型包括输入端、主干网络、颈部网络、头部网络4个模块。首先，在主干网络加入了空间通道注意力模块（Spatial Channel-Convolutional Block Attention Module,SC-CBAM），有效避免位置信息丢失，提高目标边界回归能力，相较于YOLOv5，其平均精度均值■@0.5提高了5.4%。其次，在颈部网络对特征金字塔网络（Feature Pyramid Network,FPN）进行了改进，通过融合低层特征，扩大了模型感受野，有利于较小损伤区域的检测，如烧蚀损伤，平均精度提高了8.1%。最后，通过与YOLOv5,Faster R-CNN,SSD模型的对比实验，结果表明SW-YOLO模型的平均精度均值分别提高了7%,6.2%,6.3%，检测速度满足实时检测需求，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;;深度学习;;孔探检测;;目标检测;;实时检测
基金资助：直升机传动技术重点实验室基金（HTL-A-21G03）~~
