一种基于深度学习的航空发动机损伤叶片改进模型重建方法

本发明公开了一种基于深度学习的航空发动机损伤叶片改进模型重建方法，涉及损伤分析技术领域；其步骤为：航空发动机损伤叶片数据集构建；其技术要点为：引入UNet网络重构PatchmatchNet模型的多尺度特征提取结构，提升模型的特征提取能力；采用CBAM注意力机制对特征提取模块进行优化，使模型聚焦于关键区域，强化模型特征提取能力；同时，将随机初始化深度图模块替换为基于深度梯度采样的Delaunay三角剖分方法生成初始深度图，提高模型预测深度图精度；在公开数据集和建立的航空发动机损伤叶片数据集上进行验证；重构的损伤叶片点云有良好的完整性和准确性，能更好的满足航空发动机叶片损伤分析的需求。