[发明专利]基于深度学习的机身表面损伤缺陷自动检测方法及系统

说明书

本发明公开了一种基于深度学习的机身表面损伤缺陷自动检测方法及系统，其方法如下：A、建立缺陷样本模型：采集飞机机身缺陷样本数据，并根据缺陷样本数据建立缺陷样本模型；B、通过多角度相机组合拍摄系统拍摄、采集得到待检测飞机机身的机身实际图像数据并通过机身三维合成系统对应三维合成得到机身实际三维场景模型，根据缺陷样本模型的机身缺陷信息对机身实际三维场景模型进行逐一目标比对检测并得到机身实际场景缺陷数据，机身实际场景缺陷数据包括缺陷位置信息、缺陷类型、缺陷范围、缺陷数量。本发明可以全面、准确、高效地实现飞机机身表面检测，能够准确定位出缺陷位置、缺陷类型及缺陷大小，降低了劳动强度，提高了检查维护效率。

技术领域

本发明涉及民航客机机身缺陷检测领域，尤其涉及一种基于深度学习的机身表面损伤缺陷自动检测方法及系统。

背景技术

民航客机的机身检查是飞机日常维护工作的重要内容，传统的飞机机身检查，主要采用人工目视检查方法，由于飞机机身(包括机翼)结构庞大，这给日常缺陷检测带来较大困难，尤其是机身顶部的检查，通常需要其他机械辅助设备，存在检查不方便，工作量大，检测周期长等问题。近年来，随着民航的蓬勃发展以及人工智能技术的广泛应用，传统的人工目视检查方法已经不能满足飞机机身快速检查的要求。

发明内容

针对现有技术存在的不足之处，本发明的目的在于提供一种基于深度学习的机身表面损伤缺陷自动检测方法及系统，通过多角度相机组合拍摄系统横纵向覆盖重叠采集飞机机身图像数据，进而拟合重构出机身三维模型，根据缺陷样本数据在机身三维模型上标记得到缺陷样本模型，然后通过多角度相机组合拍摄系统对待测飞机机身进行采集、拟合重构等，按照缺陷样本模型对待测飞机机身图像数据进行缺陷位置、类型、范围的检测策略，可以全面、准确、高效地实现飞机机身表面检测，能够准确定位出缺陷位置、缺陷类型及缺陷大小，降低了劳动强度，显著提高了检查维护效率。

本发明的目的通过下述技术方案实现：

一种基于深度学习的机身表面损伤缺陷自动检测方法，其方法如下：

A、建立缺陷样本模型：采集飞机机身缺陷样本数据，并根据缺陷样本数据建立缺陷样本模型；

A1、通过多角度相机组合拍摄系统拍摄得到飞机机身图像数据，并通过机身三维合成系统得到机身三维模型；

A2、采集飞机机身缺陷样本数据，在机身三维模型中对应标记出机身缺陷信息并得到缺陷样本模型，机身缺陷信息包括机身缺陷位置信息及范围信息；

B、通过多角度相机组合拍摄系统拍摄、采集得到待检测飞机机身的机身实际图像数据并通过机身三维合成系统对应三维合成得到机身实际三维场景模型，根据缺陷样本模型的机身缺陷信息对机身实际三维场景模型进行逐一目标比对检测并得到机身实际场景缺陷数据，机身实际场景缺陷数据包括缺陷位置信息、缺陷类型、缺陷范围、缺陷数量。

一种基于深度学习的机身表面损伤缺陷自动检测方法，其方法如下：

A、建立缺陷样本模型：采集飞机机身缺陷样本数据，并根据缺陷样本数据建立缺陷样本模型；

A1、通过多角度相机组合拍摄系统拍摄得到飞机机身图像数据，并通过机身三维合成系统得到机身三维模型；

A2、采集飞机机身缺陷样本数据，在机身三维模型中对应标记出机身缺陷信息并得到缺陷样本模型，在缺陷样本模型中按照像素建立像素坐标信息库，所述机身缺陷信息包括机身缺陷位置信息、缺陷类型及范围信息，机身缺陷位置信息为缺陷的像素坐标信息，对于同一机身缺陷位置信息下的缺陷按照缺陷类型进行分层设置，范围信息为缺陷所占像素大小或/和像素数量；

根据反馈修正的飞机机身缺陷样本数据或/和更新的飞机机身缺陷样本数据训练优化缺陷样本模型；