基于SW-YOLO模型的航空发动机叶片损伤实时检测

孔探检测技术是航空发动机叶片损伤检测的主要手段,但目前依赖人工操作,耗时耗力。本文提出了一个孔探视频检测的SW-YOLO模型,该模型包括输入端、主干网络、颈部网络、头部网络4个模块。首先,在主干网络加入了空间通道注意力模块（Spatial Channel-Convolutional Block Attention Module,SC-CBAM）,有效避免位置信息丢失,提高目标边界回归能力,相较于YOLOv5,其平均精度均值■@0.5提高了5.4%。其次,在颈部网络对特征金字塔网络（Feature Pyramid Network,FPN）进行了改进,通过融合低层特征,扩大了模型感受野,有利于较小损伤区域的检测,如烧蚀损伤,平均精度提高了8.1%。最后,通过与YOLOv5,Faster R-CNN,SSD模型的对比实验,结果表明SW-YOLO模型的平均精度均值分别提高了7%,6.2%,6.3%,检测速度满足实时检测需求,有利于提高航空发动机孔探检测的自动化和智能化水平。