基于YOLOv7通道冗余改进的飞机蒙皮损伤检测

为提高蒙皮损伤检测的自动化程度,提出一种基于改进YOLOv7通道冗余的机器视觉检测方法。首先针对飞机蒙皮损伤数据集背景单一的特点,提出增强型颈部特征融合改进算法,提高了飞机蒙皮损伤的识别精度和检测速度;其次针对主干特征提取网络的卷积通道冗余的问题,引入部分卷积PConv(Partial convolution),提出主干特征提取网络轻量化,减少模型的参数量,同时提高损伤的识别效率。试验部分首先在飞机蒙皮损伤数据集上探索了不同增强型颈部特征融合改进算法,确定了最优的改进方案;接着在飞机蒙皮损伤数据集上做消融和对比试验,改进算法与原YOLOv7算法比较,mAP(Mean average precision)提升了2.3%,FPS(Frames per second)提升了22.1 f/s,模型参数量降低了34.13%;最后将改进的YOLOv7模型与主流目标检测模型对比,证明了改进算法的先进性。

基于旋转目标检测的飞机蒙皮损伤检测

飞机蒙皮作为航空器的重要部件,直接影响到飞行安全,故飞机蒙皮损伤检测对于有效预防航空安全事故具有重要意义,基于边界框边缘感知向量(BBAVectors)提出一种改进的旋转目标检测方法。首先针对损伤尺度变化大的问题,采用特征融合网络(FFN)提升多尺度检测效果;其次针对飞机蒙皮图片存在大量背景噪声的问题,引入coordinate attention(CA)机制来增强目标特征信息;最后针对蒙皮损伤分布方向任意的问题,通过BBAVectors表示任意角度的损伤位置,以提升目标定位的准确性。实验结果表明,改进的旋转目标检测方法相比原模型检测精度提升了5.7个百分点,并且检测精度高于主流的水平目标检测方法,在有效解决方向任意的飞机蒙皮损伤检测效果的基础上,为航空器损伤检测方法的提升提供更好的技术支持。

某型直升机蒙皮弹孔损伤胶接抢修工艺研究

战时飞机蒙皮受到子弹攻击会产生损伤,影响直升机的正常飞行,采用传统工艺修复所需时间较长。针对这一问题,对一种基于胶接剂和纤维预浸料的蒙皮快速抢修的新工艺方法进行了研究。首先,对此工艺的修补方案及流程进行了介绍;其次,在上述研究的基础上,采用仿真与试验结合的方法研究了修补方式和打磨方式对修补后蒙皮强度的影响;最后,采用试验对上述研究结果进行验证,得出采用此工艺方法修复后的蒙皮,其强度可达到蒙皮母板强度的98%以上,其修复时间缩短为传统复材修复工艺的2/3,其修复重量为传统工艺的1/3。

基于后方定位的飞机蒙皮损伤视觉检测全局三维重建方法

利用机器视觉进行飞机蒙皮损伤检测是提高其自动化水平的有效手段,其中飞机蒙皮全局三维重建是检测过程的关键步骤,可定位损伤部位的精确位置。为解决当前技术所存在的设备复杂、拼接精度低、处理效率低等问题,提出一种基于后方定位并结合结构光对飞机蒙皮进行快速三维重建的方法。通过结构光三维测量系统对飞机蒙皮局部区域进行三维重建,采用后方摄像机同步观测结构光系统,并对其空间位姿进行定位。在空间位姿数据的辅助下,将结构光系统每次测量的飞机三维形貌数据融合至定位摄像机坐标系下,实现对大飞机蒙皮三维形貌的快速、高精度非接触式测量,这为飞机蒙皮损伤的自动化视觉检测提供了有效的技术支持。

民航飞机机身蒙皮航线常见结构损伤简介 和处理方法简述

机身蒙皮是飞机结构非常重要的组成部分,在日常航线维护中,经常会在蒙皮上发现各种各样的结构损伤,正确的评估损伤和修理对缩短飞机停场时间、降低航班压力有着重大意义,本文主要对空客系列飞机机身蒙皮在航线维护中常见的结构损伤和一般处理方法做简单的介绍.

民航领域机器人实验教学平台设计和应用

针对机器人学实践教学环节薄弱、缺乏民航行业特色的问题,聚焦采用机器人作业的飞机蒙皮损伤检测业务,设计了一款无人车实验教学平台。该无人车具有同时定位与建图、覆盖任务点规划、自动导航与控制、数据分析等模块,能够实现飞机机身蒙皮数据的自动采集与智能分析。依托学校提供的机坪实验环境以及教学飞机,基于该平台对机器人学实践教学环节进行了设计,覆盖知识内容完整、与科研有机结合,不仅可以使学生对机器人理论知识有更深的认识和应用水平,而且可以提高学生在民航领域的技术素养和实践能力。

飞机金属薄壁结构聚能切割技术研究

在修整飞机金属薄壁结构破孔损伤时,目前外场通常采用的传统切割方法效率较低,难以满足野外条件战伤抢修的要求。创造性提出利用装药的聚能效应切割清理飞机金属蒙皮破孔损伤的方法,借助线型聚能切割器的形式,进行了2A12铝合金薄板切割新工艺研究。经摸底实验、单因素实验和切割索参数正交实验,设计了一种新型切割索,并优化了其结构参数。异形切割与铝板断面形貌特征表明,该型切割索可切开2 mm厚铝板,且切割效果符合飞机蒙皮破孔损伤抢修的工艺要求。本研究为聚能切割技术在装备战场抢修中的应用提供了依据和参考。