机构名称：
¥ 1.0
飞机蒙皮是飞机的重要组成部分，其完整性影响着飞机的飞行性能和安全性能。以超声无损检测为核心的损伤检测技术在飞机蒙皮损伤检测中发挥了重要作用。由于飞机蒙皮检测难度大，单纯依靠超声A扫设备检测效率很低，引入人工智能可以有效提高检测效率。本文建立了一维卷积神经网络与单发多框检测器网络，在SSD网络基础上利用空洞卷积提高超声探头的实时跟踪，同时引入1DCNN对超声A扫信号进行分类，最后将二者的检测结果结合起来实现对飞机蒙皮内部状况的反映。经测试，该算法可以识别蒙皮模拟试件，其识别准确率为96.5%，AP为90.9%，kappa值为0.996。将改进的SSD网络与SSD、YOLOv3、Faster R-CNN等网络进行对比，结果表明本文采用的改进网络更加优秀、有效；同时研究了四类优化算法、五种学习率的检测效果，最终得出对应的信号分类模型采用Adam，学习率为0.0001时效果最好。
基于深度学习的飞机蒙皮内部情况识别
主要关键词
相关文件推荐
