基于多维协同注意力机制的航空碳纤维构件缺陷轻量化实时检测模型

来源：计算机集成制造系统杂志2025年第10期北京时间：

作者：马徐蚌, 吴轩宇, 胡炳涛, 李耀楠, 孙征昊, 冯毅雄, 李传江

单位：1.贵州大学机械工程学院2.浙江大学流体动力基础件与机电系统全国重点实验室3.上海卫星装备研究所4.贵州大学省部共建公共大数据国家重点实验室

摘要：针对航空航天领域碳纤维构件缺陷实时检测高算力需求与资源受限难题,提出基于多维协同注意力优化机制的轻量化目标检测框架。基于YOLOv11n框架构建改进模型,在主干网络引入DCNv4可变形卷积增强缺陷形态的感知能力,采用DualConv卷积核结构提升特征提取效率,并设计融合多维协作注意力机制的C3K2_MCA模块,以强化多尺度特征的关联与表达能力。实验结果表明,改进模型的准确率与精度均得到了提升,并实现了20.6%的检测速度提升与23%的算力资源压缩。该方法在精度、检测效率与计算成本之间达成了最优平衡,有效满足了碳纤维构件缺陷实时检测的工程需求。针对航空航天领域碳纤维构件缺陷实时检测高算力需求与资源受限难题,提出基于多维协同注意力优化机制的轻量化目标检测框架。基于YOLOv11n框架构建改进模型,在主干网络引入DCNv4可变形卷积增强缺陷形态的感知能力,采用DualConv卷积核结构提升特征提取效率,并设计融合多维协作注意力机制的C3K2_MCA模块,以强化多尺度特征的关联与表达能力。实验结果表明,改进模型的准确率与精度均得到了提升,并实现了20.6%的检测速度提升与23%的算力资源压缩。该方法在精度、检测效率与计算成本之间达成了最优平衡,有效满足了碳纤维构件缺陷实时检测的工程需求。

关键词：碳纤维构件,缺陷检测,YOLOv11n框架,多维协作注意力机制,轻量化模型

基金资助：国家自然科学基金资助项目(52130501,52105281);浙江省重点研发计划资助项目(2023C01214,2024C01029)。