Aviation Lock-Wire Twisting Direction Detection Based on CCF-YOLOv7 Model

In diesem Kapitel wird die entscheidende Rolle des Schleusendrahts bei der Wartung von Flugzeugen untersucht und die Bedeutung der korrekten Drehrichtung für die Sicherheit von Verbindungselementen hervorgehoben. Herkömmliche visuelle Inspektionsmethoden sind zeitaufwändig und anfällig für menschliches Versagen, was zu potenziellen Sicherheitsrisiken führt. Der Artikel stellt das Modell CCF-YOLOv7 vor, eine fortschrittliche Bildverarbeitungslösung, die das Convolutional Block Attention Module (CBAM) und die Coordinate Attention (CA) zur Verbesserung der Erkennungsgenauigkeit integriert. Die Leistung des Modells wird durch Ablation und Vergleichsexperimente bewertet, die signifikante Verbesserungen bei Präzision, Abruf und mittlerer Durchschnittspräzision (MAP) gegenüber bestehenden Methoden zeigen. Das Kapitel beleuchtet auch die Schaffung eines mehrskaligen Datensatzes für die Erkennung der Verdrehrichtung von Luftfahrtschlössern, der den Mangel an Open-Source-Datensätzen in diesem Bereich behebt. Das CCF-YOLOv7-Modell erreicht eine Erkennungsgenauigkeit von 83,33% und eine Laufgeschwindigkeit von 30,1 Bildern pro Sekunde, was den Anforderungen an die Echtzeiterkennung entspricht. Dieser innovative Ansatz bietet eine standardisierte und effiziente Lösung für die Inspektion von Schleusendrähten in der Luftfahrt, erhöht die Wartungssicherheit und fördert die Entwicklung intelligenter ziviler Luftfahrt.