典型文献
基于深度学习的航空发动机滑油磨粒检测研究
文献摘要：
针对滑油中磨粒形状复杂且尺寸大小不一,传统滑油磨粒检测方法存在时效性差、检测尺度小、精度低、非铁磁性磨粒不能检测等缺点;设计了一种基于深度学习的航空发动机滑油磨粒检测方法;基于连续流微流控芯片的滑油图像采样方法,构建滑油图像采样系统;设计图像增强方法,进行图像数据增强消融试验研究,针对YOLOv3模型和Faster RCNN模型进行精度测试,结果表明消融试验后的YOLOv3模型检测能力明显优于Faster RCNN模型;为减少消融后YOLOv3模型的误检率,提出SER算法以优化该模型的推理置信度阈值;研究结果表明滑油磨粒检测方法可解决传统测试中存在的问题,且在0.35的置信度阈值下,YOLOv3模型的检测结果能够达到94.2％的召回率和95.9％的精确度.
文献关键词：
航空发动机;滑油磨粒检测;深度学习;YOLOv3模型;SER算法
中图分类号：
作者姓名：
侯媛媛;李江红;薛军印
作者机构：
西安航空学院计算机学院,西安 710077;西北工业大学动力与能源学院,西安 710072;杭州海康威视数字技术股份有限公司智能算法部,杭州 310051
文献出处：
引用格式：
[1]侯媛媛;李江红;薛军印-.基于深度学习的航空发动机滑油磨粒检测研究)[J].计算机测量与控制,2022(04):14-22,127
A类：
滑油磨粒检测,连续流微流控芯片
B类：
航空发动机,粒形,大小不一,检测尺度,铁磁性,磁性磨粒,于连,采样方法,采样系统,设计图,图像增强,增强方法,图像数据增强,YOLOv3,Faster,RCNN,精度测试,模型检测,检测能力,误检率,SER,置信度,统测,阈值下,召回率
AB值：
0.23463
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
