论文标题：VMMAO-YOLO: an ultra-lightweight and scale-aware detector for real-time defect detection of avionics thermistor wire solder joints

期刊： Frontiers of Mechanical Engineering

作者：Xiaoqi YANG, Xingyue LIU, Qian WU, Guojun WEN, Shuang MEI, Guanglan LIAO, Tielin SHI

发表时间：15 Jun 2024

DOI： 10.1007/s11465-024-0793-3

微信链接：点击此处阅读微信文章

中国地质大学（武汉）刘星月研究团队在《Frontiers of Mechanical Engineering》2024年19卷第3期发表了题为“VMMAO-YOLO: an ultra-lightweight and scale-aware detector for real-time defect detection of avionics thermistor wire solder joints”的研究论文。文章提出了一种超轻量级、尺度感知的实时缺陷检测模型VMMAO-YOLO，用于航空电子热敏电阻焊点的多尺度内外缺陷检测。

文章首先介绍了基于深度学习的目标检测技术发展，重点阐述YOLO系列模型因其速度快、精度高成为主流，但传统主干网络对多尺度特征敏感性不足；现有YOLO模型依赖固定卷积核，难以捕捉形状和尺寸差异大的缺陷；经典的注意力机制往往仅关注局部特征，而全局信息融合能力不足；红外成像技术可捕捉内部缺陷，但现有研究未充分结合高效检测模型。

本文构建了VMMAO-YOLO框架，主要包含VMMANet主干网络和OS-GD注意力模块。VMMANet由VMC和MAA模块组成，VMC通过多种卷积提取多尺度特征，MAA增强深层特征提取能力；OS-GD模块通过计算空间和通道注意力权重，提升网络对多尺度缺陷的聚焦和泛化能力。

收集红外航空电子焊点图像建立数据集，在特定硬件环境下用随机梯度下降优化器训练模型，以精度、召回率等为评估指标。对比实验表明VMMAO-YOLO性能优于主流YOLO系列模型；消融实验验证了VMMANet和OS-GD模块的有效性；与其他先进模块对比，VMMANet和OS-GD模块在检测精度和训练收敛速度上更优。

关键词

焊点缺陷检测；VMMAO-YOLO；超轻高性能；多尺度特征提取；VMC和MAA模块；OS-GD

引用

Xiaoqi YANG（杨晓琪）, Xingyue LIU（刘星月）, Qian WU（吴迁）, Guojun WEN（文国军）, Shuang MEI（梅爽）, Guanglan LIAO（廖广兰）, Tielin SHI（史铁林）. VMMAO-YOLO: an ultra-lightweight and scale-aware detector for real-time defect detection of avionics thermistor wire solder joints. Front. Mech. Eng., 2024, 19(3): 21

https://doi.org/10.1007/s11465-024-0793-3

扫描二维码阅读原文

精彩推荐

1. 综述文章 | 钙钛矿柔性光电探测器：从制备到应用

2. FME文章荐读 | 纳米生物润滑剂在航空航天铝合金铣削的力学行为及半经验力学模型

3. Research Article | 无人电铲智能挖掘系统的自适应神经网络跟踪控制

4. 综述文章 | 基于生物润滑剂的航空航天合金可持续磨削中磨削力、温度及砂轮磨损的对比评估

5. 综述文章 | 关于机械加工中的纳米粒子增强冷却剂：机理、应用和展望