面向发动机叶片缺陷检测的轻量化YOLOv11改进方法研究

来源：电子测量技术杂志2025年第20期北京时间：

作者：敖良忠，牟晋仟

单位：中国民用航空飞行学院航空工程学院 成都 618307

摘要：航空发动机叶片的缺陷检测是保障飞行安全的关键技术环节。传统工业内窥镜检测方法严重依赖人工经验，存在效率低、主观性强及微小缺陷易漏检等问题。为此，本文提出一种轻量化、高精度的YOLOv11改进模型，专用于发动机叶片缺陷的实时检测任务。研究中采集并构建了包含4类典型缺陷（弯曲、烧蚀、裂纹、材料缺失）在内的高质量工业图像数据集，并针对小目标、复杂背景及多尺度特性，构建CFES主干网络来增强语义信息的整合能力和减少计算量，采用ShuffleNetV2替换原始主干以减轻计算负担，引入BiFormer注意力机制提升特征表达能力，同时结合Dynamic-DCNv3增强检测头对复杂纹理与小尺寸目标的建模能力。实验结果表明，改进模型较基线模型在mAP@05提升至85.0%，参数量降低至1.7 M，具备更优的检测性能与边缘部署适应性，最终成功部署于内置芯片为RK3588的工业内窥镜平台，帧数维持在30帧左右，实现了高效、稳定的缺陷自动识别。该研究为航空维修现场的智能检测提供了可行方案，也为轻量化目标检测模型在工业嵌入式场景的应用拓展提供了技术支撑。

关键词：航空发动机叶片;缺陷检测;实时目标检测;轻量化模型;YOLOv11