基于GSV-YOLO的飞机起落架缺陷检测方法研究

来源：电子测量技术杂志2025年第5期北京时间：

作者：李博，许子威，钟飞，陈义华

单位：湖北工业大学机械工程学院 武汉 430068

摘要：飞机起落架缺陷检测对于确保飞行安全具有重要意义。针对现有目标检测方法存在的精度不足、模型参数量大等问题，提出了一种名为GSV-YOLO的飞机起落架缺陷检测方法，该方法基于YOLOv7-tiny并对其进行改进。首先，采用Ghost卷积替代YOLOv7-tiny模型中的标准卷积，实现模型轻量化并减少参数量；其次，引入深度可分离自注意力模块(SepViT)，增强模型对全局信息的提取能力，减少小目标样本的误检和漏检；设计轻量级检测头以强化模型的分类和定位能力；最后，利用基于Wise-IoU损失的动态非单调聚焦机制对普通质量锚框进行聚焦，进一步提升检测性能。实验结果表明，GSV-YOLO在飞机起落架缺陷数据集上平均检测精度达到80.4%，相较于原模型提升了4.9%，且模型参数量减少了10.6%，同时改善了模型规模和检测精度。将该方法应用于工业环境，显著提高了检测效率，具有极大应用价值。

关键词：飞机起落架;缺陷检测;YOLOv7-tiny;Ghost卷积;深度学习

基金资助：湖北省重点研发计划项目(2023BAB088)资助