[发明专利]基于航空发动机孔探裂纹检测轻量化部署方法

权利要求书

1.一种基于航空发动机孔探裂纹检测轻量化部署方法，其特征在于，包括如下步骤；

步骤1)获取航空发动机孔探裂纹的图像或视频，并构成孔探裂纹图像数据集；视频是多个连续帧图像；

步骤2)建立基于GhostNet的YOLOv5卷积神经网络模型；

步骤2.1)在YOLOv5的Backbone主干网络部分，使用stride＝1的GhostBottleneck模块代替原YOLOv5网络C3结构中的Bottleneck模块；

步骤2.2)在GhostBottleneck中加入CBAM注意力机制构成改进的C2Ghost模块；

步骤2.3)在YOLOv5的Neck颈部网络部分，使用BiFPN代替原YOLOv5网络中的PANet；

步骤3)训练改进的YOLOv5卷积神经网络模型；

采用孔探裂纹数据集，加载图像或视频数据时，先用暗光增强算法对数据集进行暗光增强，然后对改进的YOLOv5卷积神经网络进行训练；

步骤4)利用训练好的权重文件与测试数据集进行测试，针对改进模型的测试结果进行消融实验，对各个模型的性能进行对比，从中选择性能最好的YOLOv5改进网络模型；

步骤5)将改进的网络模型部署到Jetson Nano嵌入式平台，利用训练好的权重文件对孔探裂纹图像和视频进行检测；

通过比较裂纹检测的精准度和单帧图像推理时间，对改进模型的轻量化部署进行最终的评估。

2.根据权利要求1所述的基于航空发动机孔探裂纹检测轻量化部署方法，其特征在于，所述步骤1)中，先对航空发动机孔探裂纹的图像或视频数据进行采集；然后对采集的数据图像进行标注，使用矩形框标注裂纹的位置，并标注图像类别为裂纹；最后对采集的图像进行数据增强，扩充数据集；得到孔探裂纹图像数据集；

所述步骤1)的数据增强的方法为：采用Mosaci数据增强，通过随机使用图片进行缩放与随机分布拼接；采取添加噪声的方式对数据集进行预处理；同时使用CutMix方法来随机组合两幅孔探裂纹图像；将孔探裂纹图像数据集及经过标记生成的类别标签划分成训练集和测试集。

3.根据权利要求1所述的基于航空发动机孔探裂纹检测轻量化部署方法，其特征在于，所述步骤2.1)中的GhostBottleneck模块由两个堆叠的Ghost模块组成；

第一个Ghost模块用作扩展层，增加通道数；第二个Ghost模块减少通道数，来与shortcut通道数匹配；

stride＝1的结构使用shortcut连接这两个Ghost模块的输入与输出；

其中，第二个Ghost模块不使用ReLU激活函数，而其它层在每层之后都应用批量归一化BN和ReLU激活函数；

stride＝2的结构是在两个Ghost模块之间，通过一个深度卷积DWConv进行连接，然后再使用shortcut连接这两个Ghost模块的输入与输出。

4.根据权利要求3所述的基于航空发动机孔探裂纹检测轻量化部署方法，其特征在于，所述Ghost模块算法为：先通过少量的卷积操作得到本质特征图；再对这些本质特征图施加线性变换，得到Ghost特征图即冗余特征图；最后将本质特征图和冗余特征图进行级联操作，得到和普通卷积层输出相同数量的特征图。

5.根据权利要求1所述的基于航空发动机孔探裂纹检测轻量化部署方法，其特征在于，所述步骤2.2)的CBAM注意力机制的实现步骤为：

第一步，对输入数据进行全局最大池化和全局平均池化，得到两个特征映射，这里基于通道注意力机制进行；第二步，将两个特征图拼接后降维为1个通道；第三步，通过Sigmoid激活函数生成空间注意力特征图；第四步，利用第三步的特征图乘以该模块的输入特征图生成最终特征图。

6.根据权利要求1或5所述的基于航空发动机孔探裂纹检测轻量化部署方法，其特征在于，所述步骤2.2)的基于CBAM改进的C2Ghost模块的步骤包括：

步骤2.2.1)在GhostBottleneck中的两个Ghost模块之后加入CBAM注意力机制；

步骤2.2.2)在shortcut路径上先后加入一个Ghost模块和一个CBAM注意力机制。