基于DenseNet和ResNet融合的发动机孔探图像分类研究

摘要

孔探是检测发动机内部损伤最重要的手段之一.为了解决发动机孔探检查中孔探人员主要依靠经验对损伤进行界定的问题,研究了基于DenseNet和ResNet融合的新型单通道网络结构,实现对发动机部件的分类,为后期孔探缺陷自动识别建立基础.通过对某大修厂孔探数据和自建数据进行处理,完成了孔探图像分类数据集的构建;训练新型的49层网络模型,在自建数据集测试集上测试的准确率和平均召回率分别为96.0％ 和95.9％,有较好的泛化能力,可以有效的对发动机部件进行分类.