【技术实现步骤摘要】
一种基于深度学习的飞机蒙皮表面损伤检测方法及系统
[0001]本专利技术涉及图像处理
，特别是涉及一种基于深度学习的飞机蒙皮表面损伤检测方法及系统。
技术介绍
[0002]飞机因其快速便捷的特点成为长距离出行的常用交通工具之一，因此保障飞行安全格外重要，需要及时地检查飞机排除故障。飞机蒙皮损伤是影响飞行安全的主要因素之一，民航飞机中典型的蒙皮损伤包括掉漆、裂纹、铆钉松动、缺失或凹坑等，这些损伤不仅仅是外表性的，在某些情况下会造成结构性损伤，例如连接处的裂缝、铆钉缺失等，严重的蒙皮损伤存在安全隐患从而影响飞机的正常使用。因此，飞机蒙皮损伤检测和维护是飞机检修过程中的一个重要环节，是避免飞机表皮出现不可挽回损伤的前提。
[0003]然而，目前对于飞机蒙皮损伤的检测大多采用目视检测方法，由于飞机体型庞大，仅仅依靠检测人员目视检测则会花费大量的时间，工作强度大、效率低，并且由于判断损伤具有一定的主观因素，容易出现漏检的情况，损伤若不能被及时发现并进行维护可能会导致严重的安全隐患。虽然传统的飞机蒙皮无损检测方法主要包括超...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的飞机蒙皮表面损伤检测方法，其特征在于，包括：获取当前采集的飞机蒙皮表面图像；将当前采集的所述飞机蒙皮表面图像输入到训练好的飞机蒙皮表面损伤检测模型中以进行损伤类别检测以及损伤区域分割；所述训练好的飞机蒙皮表面损伤检测模型是基于深度学习神经网络和训练数据集确定的；所述深度学习神经网络包括特征提取网络、与所述特征提取网络的输出端连接的注意力模块、与所述注意力模块的输出端连接的多路径多尺度特征融合模块、与所述多路径多尺度特征融合模块的第一输出端连接的目标检测网络以及与所述多路径多尺度特征融合模块的第二输出端连接的全卷积分割网络；所述注意力模块用于对所述特征提取网络输出的原始特征图进行重新编码，确定多尺度特征图。2.根据权利要求1所述的基于深度学习的飞机蒙皮表面损伤检测方法，其特征在于，所述训练好的飞机蒙皮表面损伤检测模型的确定过程为：构建训练数据集；所述训练数据集包括多张飞机蒙皮表面损伤图像以及每张所述飞机蒙皮表面损伤图像对应的标签数据；所述标签数据为所述飞机蒙皮表面损伤图像的损伤类别以及所述损伤类别对应的损伤区域；构建深度学习神经网络；基于所述训练数据集对所述深度学习神经网络进行训练，得到训练好的飞机蒙皮表面损伤检测模型。3.根据权利要求2所述的基于深度学习的飞机蒙皮表面损伤检测方法，其特征在于，所述构建深度学习神经网络，具体包括：构建特征提取网络；所述特征提取网络用于对所述飞机蒙皮表面损伤图像或者所述飞机蒙皮表面图像进行特征提取，以得到原始特征图；搭建注意力模块；搭建多路径多尺度特征融合模块；所述多路径多尺度特征融合模块用于对所述多尺度特征图进行特征融合，得到融合后的特征图；搭建RPN网络；所述RPN网络用于生成提议框；搭建目标框生成网络；所述目标框生成网络用于根据所述提议框和所述融合后的特征图，生成目标框；构建目标检测网络和全卷积分割网络；所述目标检测网络用于根据所述融合后的特征图和所述目标框进行损伤检测，确定损伤类别；所述全卷积分割网络用于基于所述损伤类别对应的目标框，对所述融合后的特征图进行区域分割，确定损伤区域。4.根据权利要求3所述的基于深度学习的飞机蒙皮表面损伤检测方法，其特征在于，所述特征提取网络为ResNet网络，深度为50。5.根据权利要求3所述的基于深度学习的飞机蒙皮表面损伤检测方法，其特征在于，所述构建特征提取网络，具体包括：搭建初始网络；采用ImageNet数据集对所述初始网络进行权重训练，得到特征提取网络。
6.根据权利要求3所述的基于深度学习的飞机蒙皮表面损伤检测方法，其特征在于，所述搭建注意力模块，具体为：搭建通道注意力模块；搭建与所述通道注意力模块的输出端连接的空间注意力模块；所述通道注意力模块，用于：将所述原始特征图在空间维度上进行全局最大池化和全局平均池化，得到平均池化特征向量和最大池化向量；将所述平均池化特征向量和所述最大池化向量输入到两层共享的多层感知机中，以输出特征元素矩阵；将所述特征元素矩阵进行元素相加后输入到sigmoid中进行激活操作，得到通道注意力；将所述通道注意力与所...
【专利技术属性】
技术研发人员：丁萌，吴博尔，许娟，刘浩，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。