基于深度学习的航空发动机安装位置识别
陈科山
宋鹏亮
薛旭
郝宇
1.北京交通大学机械与电子控制工程学院,北京1000442.北京交通大学机械与电子控制工程学院,北京1000443.北京交通大学机械与电子控制工程学院,北京1000444.北京交通大学机械与电子控制工程学院,北京100044
摘要：针对航空发动机在保养和维修过程中遇到的人工安装操作难、定位不准确、操作空间狭小等问题,提出了基于深度学习目标检测算法的安装位置识别方法.以飞机机翼下的发动机安装位置为识别目标,建立深度学习数据集.针对YOLOv3原始算法对目标边界框位置定位精度低的问题,在原始9组候选框的基础上增加3组候选框,并平均分配到3个尺度的特征图上.采用K-means算法对建立的数据集中标定的边界框重新聚类.实验仿真分析结果表明:相比原始算法,通过使用重新聚类的候选框,改进的YOLOv3算法上的训练结果在测试集上的mAP达到80.48％,提高了6.77％,平均IOU提高了8.52％,可以满足发动机安装时的定位要求.
关键词：深度学习航空发动机目标检测YOLOv3
分类号：TP391(计算技术、计算机技术)
资助基金：国家科技支撑计划(2015BAK04B02)
论文发表日期：2020-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 63-69 )
英文信息