基于机器学习的航空紧固件缺陷检测方法及系统技术方案

本申请提供一种基于机器学习的航空紧固件缺陷检测方法及系统，通过构建一个联合缺陷检测网络，该联合缺陷检测网络由多个缺陷检测维度子网络组成，能够全面检测航空紧固件图像中的多种缺陷类型。在训练过程中，首先利用标注有缺陷知识数据的样例航空紧固件图像数据对首个缺陷检测维度子网络进行优化，随后依次优化后续子网络，同时考虑前向缺陷检测维度子网络的检测结果，确保整个网络的准确性和鲁棒性。通过对各缺陷检测维度子网络的递进式训练和优化，最终生成一个高度优化的联合缺陷检测网络，能够精确识别航空紧固件中的缺陷，为航空安全提供强有力的技术保障，不仅提高了缺陷检测的效率和准确性，还降低了人工检测的成本和风险。

【技术实现步骤摘要】

本申请涉及机器学习，具体而言，涉及一种基于机器学习的航空紧固件缺陷检测方法及系统。

技术介绍

1、在航空工业中，紧固件作为飞机结构的重要组成部分，其质量和可靠性直接关系到航空安全。然而，由于制造过程中的各种因素，紧固件可能会出现裂纹、锈蚀、变形等缺陷，这些缺陷如果不及时发现和处理，可能会对飞机的结构和性能造成严重影响。因此，对航空紧固件进行缺陷检测是航空工业中不可或缺的一环。

2、传统的航空紧固件缺陷检测方法主要依赖于人工目视检查，这种方法不仅效率低下，而且容易受到人为因素的影响，导致漏检或误检。随着机器学习技术的快速发展，越来越多的研究者开始探索基于机器学习的缺陷检测方法。这些方法通过训练模型来自动识别和分类缺陷，提高了检测效率和准确性，降低了人力成本。

3、然而，现有的基于机器学习的缺陷检测方法大多只关注单一类型的缺陷检测，缺乏综合考虑多种缺陷类型的检测能力。此外，这些方法在处理复杂和多样化的缺陷类型时，往往难以提取出有效的特征并进行准确的识别和分类。因此，开发一种能够综合考虑多种缺陷类型、具有强大特征提取和分类能力的缺陷检测方本文档来自技高网...

【技术保护点】

1.一种基于机器学习的航空紧固件缺陷检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于机器学习的航空紧固件缺陷检测方法，其特征在于，所述利用所述首个缺陷检测维度子网络对所述样例航空紧固件图像数据进行缺陷检测，生成缺陷检测数据，包括：

3.根据权利要求1所述的基于机器学习的航空紧固件缺陷检测方法，其特征在于，所述利用所述第x个缺陷检测维度子网络对所述样例航空紧固件图像数据进行代价估计，生成估计代价，包括：

4.根据权利要求1所述的基于机器学习的航空紧固件缺陷检测方法，其特征在于，所述利用所述第x个缺陷检测维度子网络对所述样例航空紧固件图像...

【技术特征摘要】

1.一种基于机器学习的航空紧固件缺陷检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于机器学习的航空紧固件缺陷检测方法，其特征在于，所述利用所述首个缺陷检测维度子网络对所述样例航空紧固件图像数据进行缺陷检测，生成缺陷检测数据，包括：

3.根据权利要求1所述的基于机器学习的航空紧固件缺陷检测方法，其特征在于，所述利用所述第x个缺陷检测维度子网络对所述样例航空紧固件图像数据进行代价估计，生成估计代价，包括：

4.根据权利要求1所述的基于机器学习的航空紧固件缺陷检测方法，其特征在于，所述利用所述第x个缺陷检测维度子网络对所述样例航空紧固件图像数据进行代价估计，生成估计代价之前，所述方法还包括：

5.根据权利要求4所述的基于机器学习的航空紧固件缺陷检测方法，其特征在于，所述第x-1个缺陷检测维度子网络的样例图像语义编码向量是通过语义编码生成的；所述将所述样例航空紧固件图像数据、以及所述第x-1个缺陷检测维度子网络的样例图像语义编码向量进行融合，生成融合图像语义编码向量，包括：

6.根据权利要求1所述的基于机器学习的航空紧固件缺陷检测方法，其特征在于，所述依据所述第x个缺陷检测维...

【专利技术属性】
技术研发人员：林燚，邱廷贵，李谦，彭渝，刘清树，陈代红，张勇，
申请(专利权)人：四川神鹰航空科技有限公司，
类型：发明
国别省市：