基于半监督语义分割的航空发动机损伤检测方法.pdfVIP

基于半监督语义分割的航空发动机损伤检测方法

近年来，从航空发动机损伤检测到机体维修和维护行为调查，搜集到的机载激光扫描

数据在航空科学应用中得到极大的利用。但是，航空业中有一个急需解决的问题就是如何

准确识别出可能已受损的机载结构，也就是说如何对发动机进行有效语义分割。针对这一

问题，本文提出了一种基于半监督学习的航空发动机损伤检测方法，以有效检测航空发动

机损伤。

本文的具体方法主要有以下四个步骤：（1）使用支持向量机（SVM），对数据进行分

类，确定出发动机损伤区域；（2）采用半监督学习方法，运用深度卷积神经网络提取受

损区域特征；（3）根据受损区域特征，通过贝叶斯概率模型来表示受损区域，并给出损

伤修复结果；（4）最后，利用反向传播算法来优化损伤检测模型的性能，从而提升机动

机器的维修和维护效率。

在实验中，本文使用了一组4兆字节的机载激光扫描数据，检测发动机损伤。结果表

明，该方法在IoU精度为0.7的情况下，与之前最先进的方法相比，性能有了较大改进，

精度提高了2%。

综上所述，本文提出了一种基于半监督学习的航空发动机损伤检测方法，该方法利用

深度卷积神经网络提取受损区域特征，利用贝叶斯概率模型来表示受损区域，并结合反向

传播算法来优化损伤检测模型的性能，从而实现有效检测发动机损伤的目的。另外，实验

结果表明，与之前最先进的方法相比，该方法在检测准确度上有了一定的改进。