一种基于深度学习的航空航天降落伞质量视觉检测方法及系统

本发明公开了一种基于深度学习的航空航天降落伞质量视觉检测方法及系统。通过设备端采集降落伞伞衣缝纫线迹图像数据，通过深度学习及优化模块进行训练和优化得到视觉检测模型；通过模型预测模块对预处理后的图像数据进行预测，得到缝纫线的类型及缺陷信息。本发明通过与DBSCAN算法相结合的二次聚类算法，对检测框进行自适应聚类，实现线迹长度、密度的精确计算。采用改进的CSPDarknet53主干网络与PAFPN多尺度特征融合技术，结合解耦式检测头设计，有效提升了缝纫线迹类型识别与微小缺陷检测的精度。