用于航空部件的自动质量检查的方法技术

本发明专利技术的一个方面涉及一种用于航空部件(200)的自动质量检查的方法，包括以下步骤：

【技术实现步骤摘要】
【国外来华专利技术】用于航空部件的自动质量检查的方法


[0001]本专利技术的
是航空部件的
，尤其是航空部件的质量检查的
，也称为航空部件的质量控制的

[0002]本专利技术涉及一种用于航空部件的自动质量检查的方法。

技术介绍

[0003]为了检测航空部件中的故障，使用已经在训练数据库上训练的人工神经网络是已知的，该训练数据库包括有故障的航空部件的图像和没有故障的航空部件的图像。以有监督的方式来执行训练，即对于训练数据库中的每个图像，人工神经网络知道该图像是否具有故障。
[0004]因为不可能知道所有可能影响航空部件的故障，所以训练数据库不是详尽的。具有训练数据库中不存在的故障的航空部件的图像被提交给神经网络，神经网络然后可能声称航空部件合规，尽管它有故障。
[0005]类似地，异常图像，即航空部件的具有与在神经网络的学习阶段期间使用的那些特征不同的特征的图像，例如但非详尽地，差质量的图像或与数据库中的图像具有不同的照明的图像，被提交给神经网络，神经网络可能会声称航空部件不合规，尽管它没有故障，或者相反地当它有故障时声称它没有故障。
[0006]因此，需要能够检测航空部件的所有故障，无论这些故障是否是先验已知的，并且不将没有任何故障的航空部件声称为不合规。
[0007]还需要能够检测提交给人工神经网络的图像具有与其训练期间使用的那些特征不同的特征，这会导致神经网络发生故障的风险。

技术实现思路

[0008]本专利技术使得可以弥补上述缺点。
[0009]本专利技术涉及一种用于航空部件的自动质量检查的方法，包括以下步骤：
[0010]‑
在第一训练数据库上训练人工神经网络；
[0011]‑
获取航空部件的至少一个图像；
[0012]‑
使用经训练的人工神经网络来检测航空部件的图像上的故障；
[0013]‑
在包括无故障的航空训练部件的多个图像的第二训练数据库上对自动编码器进行无监督训练，包括以下子步骤：
[0014]‑
将第二训练数据库中的每个图像投影到相对于第二训练数据库中的每个图像的维度而言减少了维度的数学空间上，使得第二数据库中的图像在数学空间中的所有投影遵循预定义的概率定律；
[0015]‑
从第二训练数据库的图像到数学空间的投影重建第二训练数据库的每个图像，以获得重建图像；
[0016]‑
对于第二训练数据库的每个图像，从第二训练数据库的图像到数学空间的投影
或者从对应的重建图像计算多个度量，以获得针对每个度量的度量值；
[0017]‑
基于所获得的度量值对分类器进行有监督训练；
[0018]‑
使用经训练的自动编码器和分类器来检测航空部件的图像中的故障或异常；
[0019]‑
如果人工神经网络在航空部件的图像中检测到至少一个故障或者如果人工神经网络在航空部件的图像中未检测到故障并且分类器在航空部件的图像中检测到至少一个故障或异常，则该航空部件被认为是不合规的；
[0020]‑
否则，该航空部件被认为是合规的。
[0021]通过本专利技术，被用于检测航空部件中的故障的人工神经网络提供有包括自编码器和分类器的监控模块，使得可以确定人工神经网络是否正确执行了检测任务。为此，监控模块自己执行检测，不是基于诸如神经网络之类的图像特征，而是基于由自动编码器在对没有故障的图像进行训练之后将待测图像投影到数学空间上的度量的计算，使其对异常图像和具有未知故障的图像更加鲁棒。事实上，通过基于有故障的图像进行训练，分类器有这样的风险：专门学习所存在的故障类型，并且在图像显示未学习的故障或完全异常的图像的情况下无法正常工作。
[0022]因此，如果由于待测图像具有神经网络中未知的故障或者待测图像异常而导致神经网络的检测性能变差，则监控模块不会出现这种情况，当其检测结果与神经网络的检测结果不同时，它可以报告异常。
[0023]优选地，由于度量的计算部分地取决于由自动编码器将待测图像投影到数学空间上，因此选择对抗性自动编码器或变分自动编码器作为自动编码器，这些自动编码器允许更好地控制图像投影到数学空间(称为潜在空间)上的分布。
[0024]除了前面段落中刚刚提到的特征之外，根据本专利技术的方法可以具有单独地或以所有技术上可能的组合来考虑的以下补充特征中的一个或多个。
[0025]根据本专利技术的一个方面，航空部件的图像、第一训练数据库的多个图像和第二训练数据库的多个图像是可见图像、X射线图像、超声图像或断层摄影图像。
[0026]根据本专利技术的一个方面，该方法还包括：对于每个度量，根据预定义的有效性标准将第二训练数据库的图像的度量值分配到第一组值和第二组值的步骤，分类器被训练以将具有第一组值的度量值的第二训练数据库的图像视为没有故障或异常，并且将具有第二组值的度量值的第二训练数据库的图像视为要被拒绝的图像。
[0027]因此，分类器的有监督训练是可能的，而无需使用具有故障或异常的图像以避免影响分类器的泛化能力的风险。
[0028]根据本专利技术的一个方面，使用经训练的自动编码器和分类器检测航空部件的图像上的故障的步骤包括以下子步骤：
[0029]‑
由自动编码器将航空部件的图像投影到数学空间上；
[0030]‑
由自动编码器从航空部件的图像到数学空间上的投影重建航空部件的图像以获得航空部件的重建图像；
[0031]‑
从航空部件的图像到数学空间上的投影或者从航空部件的重建图像计算度量以获得度量值；
[0032]‑
由分类器从针对航空部件的图像获得的度量值检测航空部件的图像上的故障。
[0033]根据本专利技术的一个方面，对于给定图像，多个度量包括图像到数学空间上的投影
与第二数据库的多个图像到数学空间上的所有投影之间的距离，和/或图像与重建图像之间的距离，和/或图像与重建图像之间的间隙的熵。
[0034]因此，到数学空间上的投影与概率定律相差甚远的图像或与其重建图像相差太大的图像将被分类器认为具有故障或异常。
[0035]根据在先专利技术的方面的替代实施例，概率定律是多元高斯定律，并且图像到数学空间上的投影与第二数据库的多个图像在数学空间中的所有投影之间的距离是马氏距离(Mahalanobis distance)。
[0036]根据本专利技术的一个方面，本专利技术的方法包括以下步骤：如果人工神经网络在航空部件的图像上未检测到故障并且分类器在航空部件的图像上检测到至少一个故障或异常，则生成警报。
[0037]因此，如果人工神经网络没有检测到任何故障但是监控模块检测到故障或异常，则生成警报以指示神经网络在其检测任务中失败或者未能正确执行检测任务。
[0038]根据本专利技术的一个方面，人工神经网络的训练可以是有监督训练类型，并且第一训练数据库包括有故障或没有故障的航空部件的多个训练图像。...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.用于航空部件(200)的自动质量检查的方法(100)，包括以下步骤：
‑
在第一训练数据库(D1)上训练人工神经网络(301)(101)；
‑
获取航空部件(200)的至少一个图像(201)(102)；
‑
使用经训练的人工神经网络(301)来检测航空部件(200)的图像(201)上的故障(103)；其特征在于，还包括以下步骤：
‑
在包括没有故障的航空部件的多个训练图像(I)的第二训练数据库(D2)上对自动编码器(302)进行无监督训练(104)，包括以下子步骤：o将第二训练数据库(D2)的每个图像(I)投影(z
I
)到比第二训练数据库(D2)的每个图像(I)的维度更小维度的数学空间(Z)上，使得第二数据库(D2)的图像(I)在数学空间(Z)中的投影(z
I
)的集合(Z
I
)遵循预定义的概率定律；o从第二训练数据库(D2)的图像(I)到数学空间(Z)的投影(z
I
)重建第二训练数据库(D2)的每个图像(I)，以获得重建图像(I')；
‑
对于第二训练数据库(D2)的每个图像(I)，从第二训练数据库(D2)的图像(I)到数学空间(Z)的投影(z
I
)或者从对应的重建图像(I')计算多个度量(M)，以获得针对每个度量(M)的度量值(M)(105)；
‑
根据所获得的度量值(M)对分类器(303)进行有监督训练(106)；
‑
使用经训练的自动编码器(302)和分类器(303)来检测航空部件(200)的图像(201)中的故障或异常(107)；
‑
如果人工神经网络(301)在航空部件(200)的图像(201)上检测到至少一个故障或者如果人工神经网络(301)在航空部件(200)的图像(201)上未检测到故障并且分类器(303)在航空部件(200)的图像(201)中检测到至少一个故障或异常，则航空部件(200)被认为是不合规的(108)；否则，航空部件(200)被认为是合规的(109)。2.根据权利要求1所述的方法(100)，其特征在于，航空部件(200)的图像(201)、第一训练数据库(D1)的多个图像(I)和第二训练数据库(D2)的多个图像(I)是可见图像、X射线图像、超声波图像或断层扫描图像。3.根据前述权利要求中任一项所述的方法(100)，其特征在于还包括：对于每个度量(M)，根据预定义的有效性标准将第二训练数据库(D2)的图像(I)的度量值(M)分配到第一组值(G1)和第二组值(G2)的步骤，分类器(303)被训练以将具有第一组值(G1)的度量值(M)的第二训练数据库(D2)的图像(I)视为没有故障或异常(OK)，并且将具有第二组值(G2)的度量值(M)的第二训练数据库(D2)的图像(I)视为要被拒绝的图像(KO)。4.根据前述权利...

【专利技术属性】
技术研发人员：西尔文，
申请(专利权)人：赛峰集团，
类型：发明
国别省市：