用于航空发动机叶片智能缺陷检测的超像素感知图神经网络
计算机视觉与模式识别
2024-09-24 v2 图像与视频处理
摘要
航空发动机是飞机及其他航天器的核心部件。高速旋转的叶片通过吸入空气并充分燃烧提供动力，不可避免地会出现各种缺陷，威胁航空发动机的运行安全。因此，对此类复杂系统进行定期检查至关重要。然而，现有的传统技术即孔探检测劳动密集、耗时且依赖经验。为赋予该技术智能，提出一种新颖的超像素感知图神经网络（SPGNN），利用多级图卷积网络（MSGCN）进行特征提取，以及超像素感知区域提议网络（SPRPN）进行区域提议。首先，为捕捉复杂不规则纹理，将图像转换为一系列图块，以获取其图表示。然后，由若干 GCN 块组成的 MSGCN 提取图结构特征并在图层级执行图信息处理。最后同样重要的是，提出 SPRPN，通过融合图表示特征与超像素感知特征来生成感知边界框。因此，所提出的 SPGNN 在整个 SPGNN 流程中始终在图层级实现特征提取与信息传输，以缓解感受野缩减与信息丢失。为验证 SPGNN 的有效性，我们构建了含 3000 张图像的模拟叶片数据集。还使用了一个公开的铝材数据集来验证不同方法的性能。实验结果表明，所提出的 SPGNN 相较于最先进的方法具有更优性能。
引用
@article{arxiv.2210.07539,
title = {Superpixel perception graph neural network for intelligent defect detection of aero-engine blade},
author = {Hongbing Shang and Qixiu Yang and Chuang Sun and Xuefeng Chen and Ruqiang Yan},
journal= {arXiv preprint arXiv:2210.07539},
year = {2024}
}