一种无人机与深度学习相结合的飞机蒙皮缺陷检测方法

本发明公开了一种无人机与深度学习相结合的飞机蒙皮缺陷检测方法，涉及无损检测技术领域，包括以下步骤：获取原始图像数据；制作飞机蒙皮缺陷数据集；将训练数据集输入进改进的基于ELAN模块的Encoder‑Decoder网络进行特征学习；将特征输入到SPPCSPC模块，并使用SimAM三维注意力机制中进行特征增强；将训练好的目标检测器部署到无人机上，获得目标检测结果，本发明通过向YOLOv7网络中引入SimAM三维注意力机制，同时更改ElAN模块，有助于网络更好地定位和识别目标，使用ELAN‑GDW模块能够使其提取精确的表现特征，大量减少模型参数，减少训练计算量，使模型轻量化，SPPCSPC模块能提高对不同尺度的缺陷的检测能力，算法部署到无人机上，能够大量减少人力物力的消耗，并降低检测成本。