基于深度学习的航空铆钉分类及异常情况检测

作者：夏正洪; 何琥; 吴建军; 魏汝祥

来源：中国安全生产科学技术, 2023, 19(06): 199-205.

• 深度学习
• 航空铆钉
• 目标检测
• 精确率
• 召回率

针对航空铆钉小目标检测准确率较低、速率较慢等问题，提出1种基于深度学习的航空铆钉分类及异常情况检测方法。首先，根据钉头外观对航空铆钉进行分类，制作航空铆钉数据集；然后，构建航空铆钉分类及异常情况检测模型；最后，从置信度、召回率r、精确率p、平均精度值AP、全类平均精度mAP等指标对检测结果进行评价，并将该算法与YOLOx-s、YOLOx-m、YOLOv5、YOLOv4检测结果进行对比。研究结果表明：该算法可以实现对航空铆钉的分类及异常情况检测，检测结果的置信度约为90%,精确率、召回率、AP值分别在95%,85%,88%以上；本文所涉及铆钉分类及异常情况检测效果由好到坏顺序依次为：开槽盘头自攻铆钉、十字槽头铆钉、半圆头铆钉、平头铆钉、沉头铆钉、抽芯铆钉、异常情况；与其他算法相比，基于深度学习的航空铆钉分类及异常情况的检测，其效果和速度均有一定优势。研究结果可为减小航空铆钉松动和脱落风险、减轻飞机重量、防止金属疲劳和提升飞行可靠性及稳定性提供参考。

• 单位
  中国民用航空飞行学院; 安阳学院