【技术实现步骤摘要】
本申请涉及航空检测，尤其是一种飞机壁板缺陷检测方法、模型训练方法及相关设备。
技术介绍
1、飞机壁板是飞机结构的重要组成部分，承担着维持机身强度和稳定性的关键作用，其完整性直接影响到飞行安全。然而，在壁板的制造与装配过程中可能会出现剐蹭、裂纹和变形等缺陷。这些缺陷会对壁板产生不良影响，严重影响飞行安全，因此进行飞机壁板缺陷检测对于确保飞机安全飞行至关重要。
2、目前，飞机壁板缺陷检测主要依赖于人工目视检查，该方法需要大量的人力资源和时间，且容易受到人员主观因素的影响，导致漏检和误检的情况。近年来，随着深度学习技术在许多领域迅速发展和应用，飞机制造行业逐渐采用基于深度学习的目标检测技术来实现壁板缺陷的自动化检测。相比传统方法，深度学习技术在检测精度和效率方面具有明显优势。然而，在工业场景中，边缘计算通常面临硬件计算能力不足和存储空间有限的挑战，致使大型模型难以部署。尽管小型模型能够实现部署，但其检测精度往往难以达到工业应用的要求。因此，如何在有限的硬件条件下提升小型模型的检测性能，成为工业场景下飞机壁板缺陷检测亟待解决的关键问
【技术保护点】
1.一种模型训练方法，其特征在于，包括：
2.根据权利要求1所述的模型训练方法，其特征在于，所述将所述样本图像输入预训练的教师模型和待训练的学生模型，得到第一特征图集、第二特征图集和目标预测结果，包括：
3.根据权利要求1所述的模型训练方法，其特征在于，所述知识蒸馏损失信息包括局部蒸馏损失信息和全局蒸馏损失信息，所述依据所述第一特征图集和所述第二特征图集两者的特征图的局部偏差和全局偏差，进行知识蒸馏损失计算，得到知识蒸馏损失信息，包括：
4.根据权利要求3所述的模型训练方法，其特征在于，所述对所述第一特征图集和所述第二特征图集中尺度...
【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：
2.根据权利要求1所述的模型训练方法，其特征在于，所述将所述样本图像输入预训练的教师模型和待训练的学生模型，得到第一特征图集、第二特征图集和目标预测结果，包括：
3.根据权利要求1所述的模型训练方法，其特征在于，所述知识蒸馏损失信息包括局部蒸馏损失信息和全局蒸馏损失信息，所述依据所述第一特征图集和所述第二特征图集两者的特征图的局部偏差和全局偏差，进行知识蒸馏损失计算，得到知识蒸馏损失信息，包括：
4.根据权利要求3所述的模型训练方法，其特征在于，所述对所述第一特征图集和所述第二特征图集中尺度相同的特征图进行知识蒸馏损失信息计算，得到所述局部蒸馏损失信息，包括：
5.根据权利要求1所述的模型训练方法，其特征在于，所述对抗损失信息包括特征对抗损失信息和特征损失信息，所述依据所述第一特征图集和所述第二特征图集两者的特征图...
【专利技术属性】
技术研发人员：毛建旭，余俊龙，王耀南，谢核，刘彩苹，贺振宇，易俊飞，陶梓铭，张辉，谭浩然，彭伟星，
申请(专利权)人：湖南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。