Red YOLOv5 Mejorada para la Detección de Defectos de Enchufe en Aviación
Autores: Ji, Li; Huang, Chaohang
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Red YOLOv5 Mejorada para la Detección de Defectos de Enchufe en Aviación
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Aeroespacial
Palabras clave
Integridad
Componentes de enchufe de aviación
Modelo YOLOv5
GELAN
Defectos
Probabilidad de detección
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 31
Citaciones: Sin citaciones
Asegurar la integridad de los componentes de los enchufes de aviación es crucial para mantener la seguridad y funcionalidad de la industria aeroespacial. Los métodos tradicionales para detectar defectos en la superficie a menudo muestran bajas probabilidades de detección, lo que resalta la necesidad de sistemas de detección automatizados más avanzados. Este documento mejora el modelo YOLOv5 al integrar la Red de Agregación de Capas Eficiente Generalizada (GELAN), que optimiza la agregación de características y aumenta la robustez del modelo, reemplazando el módulo de atención de bloque de convolución convencional (CBAM). La arquitectura mejorada de YOLOv5, que incorpora GELAN, agrega de manera efectiva características de múltiples escalas y múltiples capas, preservando así información esencial a lo largo de la profundidad de la red. Esta capacidad es vital para mantener representaciones de características de alta fidelidad, críticas para detectar defectos minúsculos y complejos. Además, la función de pérdida Focal EIOU aborda eficazmente el desequilibrio de clases y concentra la atención del modelo en áreas de detección difíciles, mejorando así significativamente su sensibilidad y precisión general en la identificación de defectos. Reemplazar la cabeza acoplada tradicional por una cabeza desacoplada ligera mejora la separación de las tareas de localización y clasificación, aumentando tanto la precisión como la velocidad de convergencia. La cabeza desacoplada ligera también reduce la carga computacional sin comprometer la eficiencia de detección. Los resultados experimentales demuestran que la arquitectura mejorada de YOLOv5 mejora significativamente la probabilidad de detección, logrando una tasa de detección del 78.5%. Esta mejora ocurre con solo un ligero aumento en el tiempo de inferencia por imagen, subrayando la eficiencia del modelo propuesto. El modelo YOLOv5 optimizado con GELAN resulta altamente efectivo, ofreciendo beneficios significativos para la precisión y fiabilidad requeridas en las inspecciones de componentes de aviación.
Descripción
Asegurar la integridad de los componentes de los enchufes de aviación es crucial para mantener la seguridad y funcionalidad de la industria aeroespacial. Los métodos tradicionales para detectar defectos en la superficie a menudo muestran bajas probabilidades de detección, lo que resalta la necesidad de sistemas de detección automatizados más avanzados. Este documento mejora el modelo YOLOv5 al integrar la Red de Agregación de Capas Eficiente Generalizada (GELAN), que optimiza la agregación de características y aumenta la robustez del modelo, reemplazando el módulo de atención de bloque de convolución convencional (CBAM). La arquitectura mejorada de YOLOv5, que incorpora GELAN, agrega de manera efectiva características de múltiples escalas y múltiples capas, preservando así información esencial a lo largo de la profundidad de la red. Esta capacidad es vital para mantener representaciones de características de alta fidelidad, críticas para detectar defectos minúsculos y complejos. Además, la función de pérdida Focal EIOU aborda eficazmente el desequilibrio de clases y concentra la atención del modelo en áreas de detección difíciles, mejorando así significativamente su sensibilidad y precisión general en la identificación de defectos. Reemplazar la cabeza acoplada tradicional por una cabeza desacoplada ligera mejora la separación de las tareas de localización y clasificación, aumentando tanto la precisión como la velocidad de convergencia. La cabeza desacoplada ligera también reduce la carga computacional sin comprometer la eficiencia de detección. Los resultados experimentales demuestran que la arquitectura mejorada de YOLOv5 mejora significativamente la probabilidad de detección, logrando una tasa de detección del 78.5%. Esta mejora ocurre con solo un ligero aumento en el tiempo de inferencia por imagen, subrayando la eficiencia del modelo propuesto. El modelo YOLOv5 optimizado con GELAN resulta altamente efectivo, ofreciendo beneficios significativos para la precisión y fiabilidad requeridas en las inspecciones de componentes de aviación.