[发明专利]基于深度学习的机身表面损伤缺陷自动检测方法及系统

权利要求书

1.一种基于深度学习的机身表面损伤缺陷自动检测方法，其特征在于：其方法如下：

A、建立缺陷样本模型：采集飞机机身缺陷样本数据，并根据缺陷样本数据建立缺陷样本模型；

A1、通过多角度相机组合拍摄系统拍摄得到飞机机身图像数据，并通过机身三维合成系统得到机身三维模型；

A2、采集飞机机身缺陷样本数据，在机身三维模型中对应标记出机身缺陷信息并得到缺陷样本模型，机身缺陷信息包括机身缺陷位置信息及范围信息；

B、通过多角度相机组合拍摄系统拍摄、采集得到待检测飞机机身的机身实际图像数据并通过机身三维合成系统对应三维合成得到机身实际三维场景模型，根据缺陷样本模型的机身缺陷信息对机身实际三维场景模型进行逐一目标比对检测并得到机身实际场景缺陷数据，比对检测方法如下：

建立特征金字塔FPN，对步骤A1中飞机机身图像数据进行特征提取并根据机身三维合成系统得到机身三维模型，同时对机身三维模型进行全面特征提取；对步骤A2中缺陷样本模型进行分层特征提取，对步骤B中机身实际三维场景模型进行特征提取并按特征进行坐标对应；

依靠特征金字塔FPN根据缺陷样本模型的机身缺陷信息对机身实际三维场景模型进行逐一、分层目标特征比对检测，并得到机身实际场景缺陷数据；机身实际场景缺陷数据包括缺陷位置信息、缺陷类型、缺陷范围、缺陷数量。

2.一种基于深度学习的机身表面损伤缺陷自动检测方法，其特征在于：其方法如下：

A、建立缺陷样本模型：采集飞机机身缺陷样本数据，并根据缺陷样本数据建立缺陷样本模型；

A1、通过多角度相机组合拍摄系统拍摄得到飞机机身图像数据，并通过机身三维合成系统得到机身三维模型；

A2、采集飞机机身缺陷样本数据，在机身三维模型中对应标记出机身缺陷信息并得到缺陷样本模型，在缺陷样本模型中按照像素建立像素坐标信息库，所述机身缺陷信息包括机身缺陷位置信息、缺陷类型及范围信息，机身缺陷位置信息为缺陷的像素坐标信息，对于同一机身缺陷位置信息下的缺陷按照缺陷类型进行分层设置，范围信息为缺陷所占像素大小或/和像素数量；

根据反馈修正的飞机机身缺陷样本数据或/和更新的飞机机身缺陷样本数据训练优化缺陷样本模型；

B、通过多角度相机组合拍摄系统拍摄、采集得到待检测飞机机身的机身实际图像数据并通过机身三维合成系统对应三维合成得到机身实际三维场景模型，将机身实际三维场景模型与缺陷样本模型进行像素坐标对应与像素坐标关联；根据缺陷样本模型的机身缺陷信息对机身实际三维场景模型进行逐一目标比对检测并得到机身实际场景缺陷数据，比对检测方法如下：

建立特征金字塔FPN，对步骤A1中飞机机身图像数据进行特征提取并根据机身三维合成系统得到机身三维模型，同时对机身三维模型进行全面特征提取；对步骤A2中缺陷样本模型进行分层特征提取，对步骤B中机身实际三维场景模型进行特征提取并按特征进行坐标对应；

依靠特征金字塔FPN根据缺陷样本模型的机身缺陷信息对机身实际三维场景模型进行逐一、分层目标特征比对检测，并得到机身实际场景缺陷数据；机身实际场景缺陷数据包括缺陷位置信息、缺陷类型、缺陷范围、缺陷数量；

C、输出机身实际场景缺陷数据并生成可视化的缺陷检测报告。

3.按照权利要求2所述的基于深度学习的机身表面损伤缺陷自动检测方法，其特征在于：所述步骤A1中飞机机身图像数据取得方法如下：

包括飞机机库和飞机推行装置，飞机机库具有机库门，所述多角度相机组合拍摄系统设置于飞机机库的机库门上，多角度相机组合拍摄系统对飞机机身在横向区域进行重叠拍摄并得到第一组飞机机身横向重叠图像数据，然后通过飞机推行装置推动飞机机身纵向移动并得到第二组飞机机身横向重叠图像数据，前后两组飞机机身横向重叠图像数据在纵向区域上重叠，逐步推动飞机机身纵向移动并得到覆盖飞机机身全部区域的所有组飞机机身横向重叠图像数据，通过机身三维合成系统将所有组飞机机身横向重叠图像数据进行重组拟合并得到重组拟合后的机身二维展开模型或/和机身三维模型。