[发明专利]一种基于深度学习的构件损伤检测方法及系统

说明书

本发明公开了一种基于深度学习的构件损伤检测方法及系统，涉及损伤检测技术领域，包括：利用搭载相机的无人机采集飞机构件的图像数据，作为初始数据；对初始数据进行预处理，得到训练数据集；搭建深度卷积神经网络，将训练数据集输入深度卷积神经网络中进行模型训练，直至模型收敛，得到最优的飞机构件损伤检测模型；利用最优的飞机构件损伤检测模型进行飞机构件损伤的识别，确定损伤类型及损伤位置。本发明中的技术方案可以对飞机结构损伤进行快速精细化检测，确认损伤类型及损伤位置，提高损伤检测精度，实现损伤检测的智能化，确保飞机的飞行安全。

技术领域

本发明涉及损伤检测技术领域，更具体的说是涉及一种基于深度学习的构件损伤检测方法及系统。

背景技术

飞机是人类在20世纪初所取得的最重大的科学技术成就之一，其日益成为现代文明不可缺少的交通工具，深刻地改变和影响着人们的生活，同时，飞机还是现代军事里的重要武器，可以用于侦察、轰炸，并且在预警、反潜、扫雷等方面也极为出色。

飞机在使用过程中，由于使用过载、操纵错误或维护不当等原因，常常会造成飞机结构的损伤，如飞机结构产生裂纹、变形撞伤或烧伤等，这些损伤降低了飞机结构的强度、刚度，影响飞机的气动性能。如果不能有效地预防损伤、检查排除故障，将为飞行安全埋下重大的隐患，因此必须对飞机结构的损伤进行及时的修理，以保证飞机处于良好的使用状态。

结构损伤检测是对损伤飞机进行损伤程度的检查和鉴定，可为制定修理方案和实施修理提供依据。目前，飞机结构损伤常用的检查方法为目视检查，利用人眼对被检测目标表面进行直接观察，或借助内窥镜、镜子等光学设备进行间接观察，例如公开号为CN114851603A的发明专利“一种外场飞机座舱盖有机玻璃破孔损伤修理方法”，通过目视及银纹检测仪确定孔洞损伤区域，并通过设计特制的镶嵌补片和贴补加强补片胶接对有机玻璃破孔损伤实现外场快速有效修复，降低飞机维修的费用并保证修理质量。

目视检测作为结构检测中应用最为广泛的技术，具有门槛低、易操作、成本低等优点，但目视检测与技术人员的能力、经验等主观因素密切相关，且极易受到站位、光线和温度等客观条件的影响，小尺寸损伤的检出概率和检测精度存在明显不足；而且，飞机结构损伤检测不仅关注损伤的有无，还要求对损伤的大小、位置和类型进行精确测量。因此，如何克服传统人工检测方式存在的不足，确认构件损伤类型及损伤位置，提高损伤检测精度，保证飞机的飞行安全是本领域技术人员亟需解决的技术问题。

发明内容

有鉴于此，本发明提供了一种基于深度学习的构件损伤检测方法及系统，可以对飞机结构损伤进行快速精细化检测，确认损伤类型及损伤位置，提高损伤检测精度，实现损伤检测的智能化，确保飞机的飞行安全。

为了实现上述目的，本发明提供如下技术方案：

一种基于深度学习的构件损伤检测方法，包括以下步骤：

利用搭载相机的无人机采集飞机构件的图像数据，作为初始数据；

对初始数据进行预处理，得到训练数据集；

搭建深度卷积神经网络，将训练数据集输入深度卷积神经网络中进行模型训练，直至模型收敛，得到最优的飞机构件损伤检测模型；

利用最优的飞机构件损伤检测模型进行飞机构件损伤的识别，确定损伤类型及损伤位置。

上述技术方案达到的技术效果为：利用图像训练模型，可以对飞机构件损伤进行检测，确定损伤类型及损伤位置，实现损伤检测的智能化。

可选的，无人机包括：机体、无人机旋翼、飞行控制器、相机、无线传输器；

机体的两侧对称设置有用以实现无人机飞行的无人机旋翼；

机体的内部设置有用于控制无人机旋翼的飞行控制器；