[发明专利]基于图像识别的飞机航线智能巡检作业系统

说明书

本发明提供一种基于图像识别的飞机航线智能巡检作业系统。其特征在于，包括：数据采集模块获取飞机航线巡检作业过程的视频图像，并实时传送至处理器中的视频加工模块，经编解码处理后的每帧视频图像传送至图像识别模块；图像识别模块通过神经网络图像识别分析算法，自动识别巡检作业区域内飞机设备部件的缺陷故障，以及漏检和违规行为，并将巡检视频图像和图像识别分析结果数据实时传送至交互终端和监管后台；交互终端实现故障缺陷、漏检和违规行为的语音播报提醒和详情查看；监控后台实现远程实时监控巡检作业行为和指导排故作业，并构建飞机航线巡检作业信息索引数据库以便回溯分析查询巡检过程历史数据。

技术领域

本发明涉及飞机航线运维行业，具体而言，涉及一种基于图像识别的飞机航线智能巡检作业系统。

背景技术

目前飞机航线巡检作业包括短停、航前、航后、离港巡检作业，是采用传统目视检查作业方式，全程人工检测、纸笔记录工作单，按绕机巡检作业流程逐一检查飞机不同区域的设备部件，如机头、发动机、起落架、轮机舱、机翼、机尾等是否存在缺陷故障。

由于绕机巡检作业过程中需要检查的设备部件非常多，作业时间窗口期短，因此传统目视检查的巡检作业质量完全依靠巡检人员的经验和责任心，故存在无法追溯检查作业完成质量情况、无法确认是否存在漏检、无法确保工作单卡一做一签的问题，经常造成飞机返场、航班延误等经济损失，甚至会导致飞行安全事故。

本发明的一种基于图像识别的飞机航线智能巡检作业系统，为外站巡检人员提供实时作业指引避免漏检，提高了巡检作业的效率和质量；为质量安全管理人员提供有效的监管工具，实现安全事故溯源和风险规避；能统一整合航线飞机基础数据库、行为标签记录数据库和缺陷故障特征数据库等，实现大数据的统计分析，有效提升航线运维数据的综合管理能力。

发明内容

为了克服上述问题或者至少部分地解决上述问题，本发明实施例提供了一种基于图像识别的飞机航线智能巡检作业系统。

本发明的实施例是这样实现的：

一种基于图像识别的飞机航线智能巡检作业系统，包括：数据采集模块，所述数据采集模块用于采集航线巡检作业过程中的飞机设备部件和巡检作业行为的视频图像，并实时传送至处理器；处理器，所述处理器用于加工、存储和分析数据采集模块传送的视频图像，并自动实时识别出视频图像中存在的飞机设备部件缺陷故障、漏检和违规作业行为，将图像识别结果实时传送至交互终端和监管后台；交互终端，所述交互终端用于控制处理器的启停，连接处理器查看巡检作业视频图像识别结果，并将图像识别结果中的文字提示信息转换为对应的语音内容，进行实时语音播报提醒；监管后台，所述监管后台用于连接处理器远程查看巡检作业的实时视频图像，构建飞机航线巡检作业信息索引数据库，实现巡检作业的历史数据记录的回溯查看。

在本发明的一些实施例中，一种基于图像识别的飞机航线智能巡检作业系统，处理器包括视频加工模块，所述视频加工模块，用于接收飞机设备部件和巡检作业行为的视频图像信息，进行H.265压缩编码存储、视频流MJEPG连续帧截图、视频流实时转码以及传输协议格式转换分发处理，并将经过数据加工后的视频图像信息实时传送给图像识别模块；图像识别模块，所述图像识别模块用于根据图像加工模块传送的视频图像信息，基于神经网络的图像识别分析算法，用预先训练好的飞机设备部件、缺陷故障和作业行为的特征模型库，对输入的视频流MJEPG连续帧截图进行特征匹配识别判定，输出图像识别结果。

在本发明的一些实施例中，一种基于图像识别的飞机航线智能巡检作业系统，所述视频加工模块中至少包括飞机设备部件、缺陷故障和作业行为的特征模型库，所述飞机设备部件至少包括机头、雷达罩、发动机、起落架、轮胎、轮机舱、机翼、尾翼、机身、舱盖门的特征模型；所述故障缺陷至少包括凹坑、雷击、污渍、缺损、鸟撞的特征模型；所述作业行为至少包括检查目标遗漏、巡检时长不足或超时、巡检覆盖区域不完整的特征模型。