基于改进卷积神经网络的孔探图像损伤识别模型及应用系统

本发明公开了一种基于改进卷积神经网络的孔探图像损伤识别模型及应用系统，其中模型包括主干特征提取网络、增强特征提取网络与预测网络，主干特征提取网络用于提取叶片孔探图像的初步特征；主干特征提取网络包括ResNet‑152网络与Darknet‑53网络，ResNet‑152网络与Darknet‑53网络基于其卷积核大小、通道数量的限制、网络层数、迭代时间的不同，分别应用于对应的损伤识别需求中。基于实机叶片工作孔探图像中，不同损伤的特征以及周边环境干扰针对性完成卷积神经网络中特征提取网络的选取及注意力改进、计算权重的选取等，使改进后的网络模型在进行不同角度、像素、损伤类型以及不同时期损伤的连续图像识别时，准确率、误报率以及处理速度和硬件需求均达到实际工作要求。