【技术实现步骤摘要】
本申请涉及航空发动机叶片缺陷检测，特别是涉及一种基于多视图学习的航空发动机叶片缺陷检测方法。
技术介绍
1、目前，航空发动机叶片缺陷检测方法主要基于无监督范式，通过从无缺陷图像中学习缺陷分布模式并定位缺陷区域，这一方法减轻了复杂工业环境下航空发动机叶片检测图像收集与标记的难度。然而，现有方法普遍为单类别缺陷设置，需为每个缺陷类别训练和测试专用模型，导致时间成本和内存开销显著增加；另一方面，现有的方法通常依赖单视图数据，容易存在成像盲点，且单一数据源更易导致细微缺陷难以区分，无法捕捉到航空发动机叶片表面细微且复杂的缺陷特征，直接影响检测的准确性。因此，如何在保证低计算成本的同时，提升航空发动机叶片缺陷检测的精度，是亟需解决的难题。
技术实现思路
1、基于此，有必要提供一种基于多视图学习的航空发动机叶片缺陷检测方法，该方法包括：
2、s1：获取若干个航空发动机叶片不同视角下的表面图像，将同一航空发动机叶片不同视角下的表面图像作为一组，划分出多组表面图像；
3、s2：将任...
【技术保护点】
1.一种基于多视图学习的航空发动机叶片缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的基于多视图学习的航空发动机叶片缺陷检测方法，其特征在于，图像特征经过多视图特征解码器得到多视图特征的过程包括：
3.根据权利要求2所述的基于多视图学习的航空发动机叶片缺陷检测方法，其特征在于，计算主视角下的图像特征与其他视角下的图像特征之间的注意力得分包括：
4.根据权利要求2所述的基于多视图学习的航空发动机叶片缺陷检测方法，其特征在于，对注意力得分进行归一化处理，得到权重系数包括：
5.根据权利要求2所述的基于多视图学习的航...
【技术特征摘要】
1.一种基于多视图学习的航空发动机叶片缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的基于多视图学习的航空发动机叶片缺陷检测方法，其特征在于，图像特征经过多视图特征解码器得到多视图特征的过程包括：
3.根据权利要求2所述的基于多视图学习的航空发动机叶片缺陷检测方法，其特征在于，计算主视角下的图像特征与其他视角下的图像特征之间的注意力得分包括：
4.根据权利要求2所述的基于多视图学习的航空发动机叶片缺陷检测方法，其特征在于，对注意力得分进行归一化处理，得到权重系数包括：
5.根据...
【专利技术属性】
技术研发人员：刘敏，周晶玉，马云峰，蒋帅，王耀南，
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。