热能动力工程

作者：刘忠强,王岩,郝晟功,杨岸宁

单位：中国船舶集团有限公司第七〇三研究所,,中国船舶集团有限公司第七〇三研究所,,中国船舶集团有限公司第七〇三研究所,,中国船舶集团有限公司第七〇三研究所,

关键词：缺陷检测;YOLOv8;注意力机制;可变形卷积;特征融合

针对采用工业内窥镜对燃气轮机涡轮叶片进行表面缺陷检测效率较低的问题,提出一种基于改进YOLOv8的涡轮叶片表面缺陷检测算法。首先,在主干网络中引入可变形卷积,设计了C2f_DCNv3模块,以提高模型的特征提取能力；其次,加入Shuffle Attention注意力模块,进一步提升模型检测精度；此外,在特征融合部分设计了GSCSP模块,降低模型的计算量并提高对小目标的检测能力；最后,建立了涡轮叶片表面缺陷数据集,用于模型的训练与测试。实验结果表明,改进后的模型对于缺陷检测的平均精度均值达到92.3%,比YOLOv8原始模型提升了2.1%,且参数量和计算量分别下降了13%和17%。在与其他算法的比较中,本研究的算法也取得了更好的检测效果,更适用于对涡轮叶片表面缺陷的检测。

来源：2024年第12期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2024年第12期