改进YOLOv4算法的航空发动机部件表面缺陷检测

针对传统方式检测航空发动机部件表面缺陷存在检测精度低、检测速度慢的问题,提出了一种改进YOLOv4算法的航空发动机部件表面缺陷检测方法.构建航空发动机部件表面缺陷数据集,使用K-means算法对缺陷样本进行聚类,获得不同大小的先验框参数;利用改进的参数调整算法对先验框尺寸进行缩放,加大先验框尺寸差异,提高先验框与特征层之间的匹配度;在主干特征提取网络输出的不同特征层后和空间金字塔池化结构后增加卷积层,提高网络对缺陷特征的提取能力.实验结果表明,改进后的YOLOv4算法在测试集上的平均精度均值(mAP)高达82.67％,比原始的YOLOv4算法提高了4.55个百分点,单张图片的平均检测时间为0.1240 s,与原始算法检测时间基本持平,检测性能也优于Faster R-CNN和YOLOv3.