【技术实现步骤摘要】
本专利技术涉及航空，尤其涉及一种基于目标检测技术的民航维修检查方法、设备及介质。
技术介绍
1、目前民航维修方式是基于工卡规则的人工检查方式，由于人员疲劳等“人为因素”会导致在飞机维修检查过程中出现漏检的情况，这是无法避免的，而对飞机维修部件的漏检可能给飞机运行带来安全隐患。
2、
3、
4、
5、申请号为cn201811090388.3的中国专利技术，涉及飞机健康管理
，具体涉及一种基于自适应资源调配的地面健康管理方法、系统及装置。旨在解决如何准确地测试飞机故障信息，快速实现对目标飞机的故障定位和故障隔离。该方法包括：步骤s1：根据目标飞机的当前测试数据获取目标飞机的故障征兆；步骤s2：基于故障征兆与故障模式的对应关系并且根据目标飞机的故障征兆进行匹配：若未匹配出相关的故障模式，则转至步骤s3；步骤s3：基于自适应资源调度模型并且根据故障征兆，获取相关的测试资源和飞机测试需求；步骤s4：基于飞机测试需求并利用测试资源对目标飞机进行检测得到资源测试数据，随后转至步骤s1。该方法可以为地面健康管理系统快速准确地提供目标飞机的故障信息。
6、随着计算机视觉技术的发展，目标检测技术得以迅速发展，通过对检测目标图片进行训练得到模型，进而开展自动化的缺陷识别。这种技术可以应用于飞机维修过程中，因此，亟于设计一种基于目标检测技术的民航维修检查方法、设备及介质。
技术实现思路
1、有鉴于此，本专利技术的目的在于提出一种基于目标检测
2、为了实现上述的技术目的，本专利技术所采用的技术方案为：
3、本专利技术提供了一种基于目标检测技术的民航维修检查方法，包括如下步骤：
4、步骤1、获取多张携带有故障问题的飞机原始图像；
5、步骤2、对每张所述飞机原始图像的故障区域进行标注，标出目标检测框位置和类别名称，得到飞机标注图像；
6、步骤3、建立目标检测模型，并将所有所述飞机标注图像作为训练数据集输入到目标检测模型中进行训练；
7、步骤4、使用训练好的目标检测模型对新输入的飞机维修图像进行检测，并输出该飞机维修图像对应的目标检测框位置的信息、类别名称的编号信息和置信度。
8、进一步的，所述步骤1具体包括：
9、步骤11、确定需要检测的多个飞机部件，包括机翼、发动机、机身、起落架和尾翼；
10、步骤12、将每个飞机部件中带有故障问题的部件作为目标部件；
11、步骤13、通过维修人员采集目标部件在不同光照、距离和角度下的多张飞机原始图像，并覆盖所有机型。
12、进一步的，所述步骤2具体包括：
13、步骤21、根据目标部件的名称和所发生的故障问题进行分类；
14、步骤22、根据分类结果进行命名，得到用于标注的类别名称，并按顺序从0开始对类别名称进行编号；
15、步骤23、创建一个文件夹，将所有编号后的类别名称存入文件夹内；
16、步骤24、使用图片标注软件对每张飞机原始图像的故障区域进行标注，标出目标检测框位置和对应的类别名称；
17、步骤25、每个被标注的飞机原始图像对应生成一个同名的文本文档，用于区分已标注和未标注的飞机原始图像；每个文本文档内存储有各自类别名称所对应的编号信息以及标注的目标检测框位置的信息。
18、进一步的，所述对每张飞机原始图像的故障区域域进行标注是采用双人交叉标注的方式；所述图片标注软件为labelimg标注工具；所述文本文档为.txt的yolo标签格式。
19、进一步的，所述步骤3具体包括：
20、步骤31、设计建模参数：设置网络结构，增加mhsa注意力机制；
21、步骤32、根据建模参数建立目标检测模型；
22、步骤33、将标注好的所有飞机标注图像作为训练数据集；
23、步骤34、将所述训练数据集输入到目标检测模型中进行训练；
24、步骤35、设置训练参数，通过多轮的训练迭代，直到loss函数趋于稳定。
25、进一步的，所述步骤33之后还包括：
26、对所述飞机标注图像进行裁剪、平移、旋转、改变亮度和加噪声处理，得到多张新的图像素材，将得到的图像素材补充到训练数据集中；每张图像素材均为随机结合至少4张飞机标注图像进行裁剪拼接而成。
27、进一步的，所述设置训练参数具体为：设置初始学习率lr0＝0.01，训练轮数epochs＝200；所述目标检测模型是采用基于yolo算法的神经网络模型、基于faster r-cnn的目标检测网络、基于ssd的目标检测网络或者基于retinanet的目标检测网络。
28、进一步的，所述步骤4具体包括：
29、步骤41、目标检测模型训练好后，输入新的飞机维修图像到目标检测模型，所述目标检测模型对飞机维修图像进行检测，并输出该飞机维修图像对应的目标检测框位置的信息、类别名称的编号信息和置信度；
30、步骤42、对比输出的置信度与预先设置好的阈值，将置信度低于阈值的目标检测框位置的信息和类别名称的编号信息进行过滤，最终输出稳定的多个检测结果；
31、步骤43、将所述检测结果进行语音播放；
32、步骤44、根据所述检测结果输出异常事件清单，用于检查工作记录。
33、本专利技术还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述的一种基于目标检测技术的民航维修检查方法。
34、本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述的一种基于目标检测技术的民航维修检查方法。
35、采用上述的技术方案，本专利技术与现有技术相比，其具有的有益效果为：
36、本专利技术是通过训练目标检测模型，获得飞机故障的图像识别方法，从而利用目标检测模型对飞机进行自动化检测，找出存在的问题；可大大降低人工检查中的疏漏风险，可以减少因漏检导致的安全事故和飞机延误等问题，可以提高飞机维修过程中检查准确度和效率，能够快速准确地找出存在的问题；可以减少对人工检查的依赖，从而降低维修成本，保障航空安全。应用计算机视觉技术进行智能缺陷检测，将是飞机维修过程中的一大进步。
本文档来自技高网...【技术保护点】
1.一种基于目标检测技术的民航维修检查方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于目标检测技术的民航维修检查方法，其特征在于，所述步骤1具体包括：
3.如权利要求2所述的基于目标检测技术的民航维修检查方法，其特征在于，所述步骤2具体包括：
4.如权利要求3所述的基于目标检测技术的民航维修检查方法，其特征在于，所述对每张飞机原始图像的故障区域域进行标注是采用双人交叉标注的方式；所述图片标注软件为LabelImg标注工具；所述文本文档为.txt的YOLO标签格式。
5.如权利要求1所述的基于目标检测技术的民航维修检查方法，其特征在于，所述步骤3具体包括：
6.如权利要求5所述的基于目标检测技术的民航维修检查方法，其特征在于，所述步骤33之后还包括：
7.如权利要求5所述的基于目标检测技术的民航维修检查方法，其特征在于，所述设置训练参数具体为：设置初始学习率lr0＝0.01，训练轮数epochs＝200；所述目标检测模型是采用基于YOLO算法的神经网络模型、基于Faster R-CNN的目标检测网络
8.如权利要求1所述的基于目标检测技术的民航维修检查方法，其特征在于，所述步骤4具体包括：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任一项所述的一种基于目标检测技术的民航维修检查方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至8任一项所述的一种基于目标检测技术的民航维修检查方法。
...【技术特征摘要】
1.一种基于目标检测技术的民航维修检查方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于目标检测技术的民航维修检查方法，其特征在于，所述步骤1具体包括：
3.如权利要求2所述的基于目标检测技术的民航维修检查方法，其特征在于，所述步骤2具体包括：
4.如权利要求3所述的基于目标检测技术的民航维修检查方法，其特征在于，所述对每张飞机原始图像的故障区域域进行标注是采用双人交叉标注的方式；所述图片标注软件为labelimg标注工具；所述文本文档为.txt的yolo标签格式。
5.如权利要求1所述的基于目标检测技术的民航维修检查方法，其特征在于，所述步骤3具体包括：
6.如权利要求5所述的基于目标检测技术的民航维修检查方法，其特征在于，所述步骤33之后还包括：
7.如权利要求5所述的基于目标...
【专利技术属性】
技术研发人员：甄玉平，韩涛，韩雪，崔晓飞，
申请(专利权)人：河北航空有限公司，
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。