[发明专利]一种基于可升降小车的绕机检查方法及系统

说明书

本发明公开了一种基于可升降小车的绕机检查方法及系统，包括：启动可升降小车沿着预设的绕机路线采集待测航空器的每个待测部位全方位的图像；根据待测航空器的机型及待测部位的位置为采集到的图像在图像数据库中选择合适的图像子数据库；基于选取的图像子数据库所对应的图像深度学习模型对采集到的图像进行损伤判定，以根据所述损伤判定结果获取待测航空器的绕机检查结果。通过采用在无人操作的可升降小车中设置高清摄像头，能够对航空器上下表面进行全面拍摄，并建立相应的绕机检查项目图像深度学习模型库，能对拍摄的图片做出相应的处理和判断，使检查更加准确、全面、智能化，同时降低了机务人员工作强度，缩短检查时间、提高检查效率。

技术领域

本发明涉及民航航空器检修探测技术领域，尤其涉及一种基于可升降小车的绕机检查方法及系统。

背景技术

航空器在空中高速飞行时，飞机的蒙皮和外窗与空气中的颗粒物包括液体、固体、气体和各种工业废气，不断产生摩擦或腐蚀，留下印记，导致航空器的机体结构发生微小变化。严重情况下，航空器会出现损耗和裂纹等故障，以致影响飞行安全。因此需要维修人员对飞机进行绕机检查，采集对应的飞机划痕图象进行分析处理，了解飞机的整体状态，检查飞机外形状况是否适合继续飞行，确认飞行前飞机的安全。绕机检查的主要内容包括看飞机机体、发动机、起落架、电子设备等是否异常，是否有裂纹，是否不是处于正常的位置(如襟翼位置等)，并且绕机绕行检查项目繁多，如机务人员的绕行检查就包含了100多项内容。

然而，目前航空器绕机检查最常用的检查方式是目视检查，它简单方便，对保证飞机的安全性具有重要意义。涡流、超声等无损检测方法检查精度相对较高，但是费用过高，耗费时间相对较长。据统计,目视检查分别占货机和客机机务维修检查工作量的80％和90％以上。但是，目视检查一方面受到机务人员身高限制，只可对航空器下部进行检查，航空器上表面成为目视检查的盲点。并且在检查过程中，由于检查人员的人为疏忽以及光线等原因，有可能导致没有及时发现细微裂缝或其他事故征兆。另一方面，绕行检查在恶劣的天气或气候(如高温及严寒)会降低绕行检查人员的工作效率和增大绕行检查人员的工作强度。绕行检查不管是机务人员还是飞行员，都有比较严格的时间限制，在限定时间内的多目标检查也会导致漏查漏检的可能性，特别是飞行繁忙时段的匆忙检查更会增大漏查和漏检的可能，导致飞行安全隐患的产生。

发明内容

本发明的目的之一至少在于，针对如何克服上述现有技术存在的问题，提供一种基于可升降小车的绕机检查方法及系统。

为了实现上述目的，本发明采用的技术方案包括以下各方面。

一种基于可升降小车的绕机检查方法，包括：

启动可升降小车沿着预设的绕机路线采集待测航空器的每个待测部位全方位的图像；根据待测航空器的机型及待测部位的位置为采集到的图像在绕机检查项目图像数据库中选择合适的图像子数据库；基于选取的图像子数据库所对应的图像深度学习模型对采集到的图像进行损伤判定，以根据所述损伤判定结果获取待测航空器的绕机检查结果。

优选的，一种基于可升降小车的绕机检查方法中，所述可升降小车对待测航空器的每个待测部位采用由下至上的方式进行全方位图像采集。

优选的，一种基于可升降小车的绕机检查方法中，所述图像数据库存储有不同机型航空器的不同待测部位的正常图像及异常图像，所述图像数据库基于航空器的机型、待测部位的位置进行分类，以得到多个图像子数据库。

优选的，一种基于可升降小车的绕机检查方法中，所述图像深度学习模型为经过图像子数据库中的异常图像训练后的图像深度学习网络，其满足：当由图像输入时，自动输出该图像的损伤判定结果。

优选的，一种基于可升降小车的绕机检查方法中，所述基于选取的图像子数据库所对应的图像深度学习模型对采集到的图像进行损伤判定具体包括：