基于动态先验特征的包覆药多类型外观缺陷深度检测框架

摘要

包覆药通常被嵌入固体火箭或导弹发动机的动力系统中，其外观质量直接影响该类动力系统的性能表现。针对包覆药外观存在的形状、尺寸和表面缺陷，提出了一种基于动态先验特征的包覆药多类型外观缺陷深度检测框架，包括：1）将基于深度分类器的形状缺陷检测和基于深度分割网络的尺寸缺陷检测模型集成，去除不同任务间的冗余特征，同时将深度分割网络当前迭代形成的过程特征作为动态先验特征，作用于深度分类器参数下一次迭代更新，加快模型收敛速度；2）将深度分割网络产生的过程特征映射至基于卷积自编码器的表面缺陷检测模型中，指导检测模型快速聚焦于包覆药，抑制任务无关特征重复提取。实验结果表明，该方法在模型功耗、检测效率及检测准确率等方面具有较好的表现。

关键词

包覆药 / 深度学习 / 动态先验特征 / 多缺陷检测 / 任务相关性