买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：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。

主权项：1.一种基于改进卷积神经网络的孔探图像损伤识别模型，其特征在于所述孔探图像损伤识别模型包括：主干特征提取网络，用于提取实机孔探图像的初步特征；所述主干特征提取网络包括ResNet-152网络与Darknet-53网络，所述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；所述ResNet-152网络为引入ECA注意力机制优化的ResNet-152网络；所述Darknet-53网络为具有C2f模块的Darknet-53网络；增强特征提取网络，接入主干特征提取网络，用于融合和筛选所述初步特征，提取其中的有效特征并输出至预测网络中；所述增强特征提取网络包括PAFPNet模块，所述PAFPNet模块用于将浅层特征图和深层特征图进行聚合，缩短底层特征和顶层特征之间信息路径，并增强多尺度特征的表达能力；预测网络，接入增强特征提取网络，用于利用提取到的所述有效特征，通过解耦、损失计算和比例加权，完成目标位置和类别信息的提取；进而确定未知状态孔探图像中的损伤信息，所述损伤信息包括损伤类型、损伤尺寸与损伤位置；所述预测网络中包含无锚框的解耦头和损失计算模块，用于由解耦头将聚合有效特征的位置和类别信息分别提取出来，输入至对应的损失计算的网络分支中分别学习，再通过比例加权的方式输出最终结果；所述主干特征提取网络通过标记数据集中的训练集提取实机孔探图像的初步特征；所述标记数据集得到的方式为：获取足够数量的实机孔探图片和视频，从中截取、筛选出含有不同损伤类型的图片作为原始数据集；通过闭合的几何形状对损伤进行标记并将对应的损伤类别一并记录，将标记后的损伤图片作为标记数据集，未标记的图像作为无损伤数据集；所述标记数据集包括各损伤类型的不同时期，并对损伤边缘区域进行分割；所述孔探图像损伤识别模型还用于对不同视角、不同遮挡情况的实机孔探图像进行识别，并对实机孔探图像中的叶片一一进行标记，将标记后的所述叶片的图片，作为标记数据集，且对所述叶片进行辅助计数；所述主干特征提取网络对所述标记数据集进行初步特征提取后，输入至增强特征提取网络中，经由增强网络对主干特征提取网络输出的不同尺度特征进行融合和筛选，形成融合特征层，并对融合特征层的可用特征信息进行反复提取；所述叶片辅助计数为通过对视频中出现的实机叶片图像进行跟随捕捉，并以消失于左侧、下侧屏幕范围为增，消失于右侧、上侧屏幕范围为减的计数方式完成实机叶片的双向计数。

全文数据：

权利要求：

百度查询： 四川航空股份有限公司 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