航空发动机的安全运行对保障飞机安全行驶有着重要的意义。随着飞行时间的增加,飞机部件的磨损程度不断增大,这就对及时检测装备部件提出了较高的要求。本文针对航空发动机叶片凸台的检测问题,设计并实现了基于目标检测模型的航空发动机叶片凸台检测系统,并根据叶片凸台检测中小目标、结构复杂的特点,对目标检测模型进行了改进。设计基于YOLOv4目标检测模型的航空发动机叶片凸台检测系统,根据叶片凸台数据集的特点,引入了迁移学习,使用聚类分析改进了原算法中Anchor Boxes的尺寸,同时加入数据增强的方法。实验结果表明,改进后的YOLOv4模型在精确度和召回率等评价指标上均好于原始YOLOv4模型。提出了基于YOLO-Capsnet目标检测模型的航空发动机叶片凸台检测系统,在YOLOv4模型基础上,引入胶囊网络作为分类检测网络。进行实验对比,结果表明本文设计的YOLO-Capsnet目标检测模型在精确度等方面好于YOLOv4模型。同时在叶片凸台图片中加入噪声进行测试,结果表明YOLO-Capsnet模型的鲁棒性上优于YOLOv4模型,泛化能力更强,可用于实际中对航空发动机叶片凸台的检测。