基于机器视觉的固化火箭发动机金属壳体表面缺陷检测方法

固体火箭发动机金属壳体的缺陷检测对于发动机状态的评估具有重要意义。文章提出一种基于机器视觉的检测方法,采用基于深度卷积生成对抗网络（DCGAN）的数据增强技术和基于卷积注意力模块（CBAM）的目标检测技术实现了发动机金属壳体表面缺陷的检测。
首先基于已有的少量真实壳体缺陷数据,通过数据增强技术对数据集进行增强;再基于增强后的数据集,利用深度学习算法对缺陷目标进行识别和分类;最终实现对发动机壳体缺陷目标的检测。通过对多种壳体缺陷进行检测,验证了该方法的可行性,且该方法在不影响检测效率的前提下,识别准确率较传统检测方法提升5.7%,模型鲁棒性、泛化性较好,在实际工程中具有良好的应用前景。