摘要
本发明涉及目标检测技术领域,公开了一种飞机铆钉缺陷视距自适应检测方法。首先采集不同检测距离条件下的飞机铆钉缺陷图像数据集,并对其进行预处理;然后对预处理后的图像数据进行标注,并存储为YOLO格式,得到飞机铆钉视距自适应检测数据集,再将其划分为训练集、验证集和测试集;对YOLOv11n模型的颈部网络和检测头进行改进,构建飞机铆钉缺陷视距自适应算法,结合迁移训练和冻结训练方式指导模型训练,得到训练好的AeroScope‑YOLOv11n飞机铆钉缺陷视距自适应检测模型,并检测待检图像,得到飞机铆钉缺陷视距自适应检测结果。本发明实现了对飞机表面铆钉缺陷的高效、精准、全自动化的检测,同时避免因检测距离变化导致检测结果不稳定的问题。
技术关键词
飞机铆钉
融合特征
检测头
异常状态
原始图像数据
分辨率提升
解耦结构
网格
上采样
检测距离变化
Softmax函数
双向特征金字塔
层级
高层语义信息
动态权重分配
特征融合网络
特征提取能力
系统为您推荐了相关专利信息
卷积模型
病虫害监测
诊断方法
识别病虫害
强化特征
设备定位方法
巡检影像
设备特征
无人机
定位终端
燃气管道泄漏检测
多域特征
特征提取网络
矩阵
小波特征