System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及航空发动机装配检测,具体而言,涉及一种航空发动机的装配状态检测方法。
技术介绍
1、航空发动机作为飞机的关键组件,对于飞行安全和性能至关重要。其稳定运行直接影响飞机的效能和可靠性。随着航空业的不断发展,对发动机的要求也越来越高,需要更加精确和可靠的装配过程。
2、由于航空发动机结构复杂,其中涉及的各类零部件数量众多,在因航空发动机的故障排查、维修保养、原件更换等原因,需要对航空发动机部分部件、组件进行拆除,在对其进行复位安装时,需要按照装配操作手册进行严格细致的检查,以确保航空发动机在装配后,所有零部件均符合安装规范。
3、目前,在航空发动机的装配质量检测方面,主要依赖于各工序后的人工目视检查,这不仅费时费力,而且容易受到技术人员专业程度不同、注意力难以长时间集中等人为因素的影响,存在漏检和误检的风险,影响航空发动机的装配合格性,这些问题可能导致航空发动机性能下降、寿命缩短,甚至在使用过程中发生故障,严重影响飞机的飞行安全。
技术实现思路
1、本申请的实施例提供了一种航空发动机的装配状态检测方法,以克服传统装配检测方法的局限性,实现高效、准确、自动化的航空发动机装配状态的实时检测与装配指导。
2、本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
3、根据本申请实施例的第一方面,提供了一种航空发动机的装配状态检测方法,包括:
4、分别获取航空发动机的零部件图像、实际装配图像以及正
5、对所述零部件图像、所述实际装配图像以及所述正确装配状态图像进行图像标注处理;
6、基于经过图像标注处理后的所述零部件图像和所述实际装配图像提取样本数据集;
7、基于所述样本数据集训练测试神经网络模型,并基于所述神经网络模型构建检测模块;
8、基于经过图像标注处理后的所述正确装配状态图像生成校验数据;
9、利用所述检测模块基于所述校验数据对航空发动机的每个装配过程进行检测。
10、在本申请的一些实施例中,基于前述方案,获取航空发动机的零部件图像,包括:
11、从多个角度分别获取航空发动机的多个零部件在纯色背景下处于各种摆放姿态的图像。
12、在本申请的一些实施例中,基于前述方案,获取航空发动机的正确装配图像,包括:
13、将所述航空发动机的装配整体流程分为若干个装配阶段;
14、在正确完成航空发动机的装配过程中,获取各个装配阶段的正确装配图像。
15、在本申请的一些实施例中,基于前述方案,对所述零部件图像进行图像标注处理,包括:
16、标注出所述零部件图像中各个零部件的位置信息和类别信息。
17、在本申请的一些实施例中,基于前述方案,对所述实际装配图像进行图像标注处理,包括:
18、标注出所述实际装配图像中各零部件的位置信息和类别信息,并定义其装配标签为实装标签。
19、在本申请的一些实施例中,基于前述方案,对所述正确装配状态图像进行图像标注处理,包括:
20、标注出所述正确装配状态图像中需要检测的各零部件位置信息、类别信息与装配顺序。
21、在本申请的一些实施例中,基于前述方案,所述基于经过图像标注处理后的所述零部件图像和所述实际装配图像提取样本数据集,包括:
22、对所述实际装配图像进行变换操作,得到变换实际装配图像;
23、提取所述零部件图像中各零部件处于不同姿态的图像,对所述各零部件处于不同姿态的图像进行变换操作,并将变换后的图像与所述实际装配图像进行拼接,得到模拟图像;
24、采集所述模拟图像得到第一样本数据集;
25、基于零部件位置信息切割出所述模拟图像中的零部件图像,得到第二样本数据集。
26、在本申请的一些实施例中,基于前述方案,所述基于所述样本数据集训练测试神经网络模型,包括:
27、基于所述第一样本数据集训练测试目标检测模型;
28、基于所述第二样本数据集训练测试图像分类模型。
29、在本申请的一些实施例中,基于前述方案,所述基于经过图像标注处理后的所述正确装配状态图像生成校验数据,包括:
30、基于所述正确装配状态图像中的标注信息,结合零部件位置信息,计算各零部件在空间中的相对位置关系;
31、将标注过的各检测阶段正确装配状态图像、各零部件标注信息及各零部件空间相对位置关系结合生成所述校验数据。
32、在本申请的一些实施例中,基于前述方案,所述利用所述检测模块基于所述校验数据对航空发动机的每个装配过程进行检测,包括:
33、在航空发动机实际装配过程的每个阶段中,获取当前阶段装配区域的零部件图像;
34、将所述校验数据作为检测标准,利用所述检测模块将当前阶段装配区域的零部件图像与校验数据进行匹配。
35、根据本申请实施例的第二方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机指令,所述计算机指令在计算机上运行时,使得所述计算机执行如上述第一方面任一所述的方法。
36、根据本申请实施例的第三方面,提供了一种电子设备,包括存储器和处理器;
37、所述存储器,用于存储计算机指令;
38、所述处理器,用于调用所述存储器中存储的计算机指令,使得所述电子设备执行如上述第一方面任一所述的方法。
39、本申请的技术方案,不仅有效避免了航空发动机装配质量检测中因技术人员专业程度不同、注意力难以长时间集中等因素造成的漏检与误检问题,还能为装配人员提供安装指导(即在对应的位置安装对应的零部件),进一步避免了装配错误的情况发生,从而实现了在提高航空发动机的装配质量与整体性能的同时,也大大提升装配人员、质检人员等技术人员的工作效率,减少人力成本。
40、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
本文档来自技高网...【技术保护点】
1.一种航空发动机的装配状态检测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,获取航空发动机的零部件图像,包括:
3.根据权利要求1所述的方法,其特征在于,获取航空发动机的正确装配图像,包括:
4.根据权利要求1所述的方法,其特征在于,对所述零部件图像进行图像标注处理,包括:
5.根据权利要求1所述的方法,其特征在于,对所述实际装配图像进行图像标注处理,包括:
6.根据权利要求1所述的方法,其特征在于,对所述正确装配状态图像进行图像标注处理,包括:
7.根据权利要求1所述的方法,其特征在于,所述基于经过图像标注处理后的所述零部件图像和所述实际装配图像提取样本数据集,包括:
8.根据权利要求7所述的方法,其特征在于,所述基于所述样本数据集训练测试神经网络模型,包括:
9.根据权利要求6所述的方法,其特征在于,所述基于经过图像标注处理后的所述正确装配状态图像生成校验数据,包括:
10.根据权利要求1所述的方法,其特征在于,所述利用所述检测模块基于所述校验数
...【技术特征摘要】
1.一种航空发动机的装配状态检测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,获取航空发动机的零部件图像,包括:
3.根据权利要求1所述的方法,其特征在于,获取航空发动机的正确装配图像,包括:
4.根据权利要求1所述的方法,其特征在于,对所述零部件图像进行图像标注处理,包括:
5.根据权利要求1所述的方法,其特征在于,对所述实际装配图像进行图像标注处理,包括:
6.根据权利要求1所述的方法,其特征在于,对所述正确装配状态图像进行图像标...
【专利技术属性】
技术研发人员:马波涛,谭董,刘勇,谭启涛,李宸,
申请(专利权)人:成都航天科工大数据研究院有限公司,
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。