摘要
本发明属于航空发动机运行可靠性和智能维修技术领域,公开了一种多模态信息融合的航空孔探叶片缺陷检测方法及系统。该方法对数据进行采集与预处理,使用YOLOv11目标检测模型进行二维图像的目标检测,利用PointNet++深度学习网络用于三维点云数据的特征提取,完成叶片表面全面的缺陷检测;融合模块将来自YOLOv11和PointNet++的检测结果进行综合处理,得到全面的缺陷评估;对检测到的缺陷进行动态追踪,用户通过操控接口进行交互。本发明适用于航空器的定期检查、在线监控以及动态追踪,能够在不拆卸发动机叶片的情况下实现对其表面损伤的精确识别、定位和定量评估。
技术关键词
缺陷检测方法
多模态信息融合
三维点云数据
深度学习网络
缺陷检测系统
高清图像传感器
航空
叶片表面缺陷
定位缺陷位置
三维激光扫描仪
模块
动态监控
匈牙利算法
智能维修技术
多尺度
判断缺陷
追踪算法
卡尔曼滤波
系统为您推荐了相关专利信息
半导体晶片表面
待测晶片
图像特征数据
缺陷检测方法
滤波
深度学习网络模型
注意力
特征提取模块
视觉检测方法
特征识别模块
评价数据处理方法
深度学习网络模型
订单
物流
注意力机制
知识图谱构建方法
知识图谱补全
电力物资供应链
卷积神经网络分类
深度学习网络模型
小麦黄花叶病
深度学习网络
深度神经网络
图像处理方法
图片