作者：吴军¹, 石改琴², 卢帅员¹, 李阔¹, 桂烨涵², 吴东泽², 李鑫²

作者单位：1. 中国民航大学航空工程学院，天津 300300;
2. 中国民航大学电子信息与自动化学院，天津 300300

关键词：损伤检测;机器视觉;飞机蒙皮;YOLOv4算法

摘要：

为解决飞机机翼蒙皮损伤目视检测耗时长、效率低、精度差的问题，提出一种采用无人机视觉的飞机蒙皮损伤智能检测方法，该方法通过手动数据标注得到图片数据集，利用YOLOv4算法对数据集进行训练，从而对蒙皮损伤类型与程度进行精确识别。实验结果表明该方法可以检测到的飞机蒙皮最小损伤为长0.11 m，宽0.04 m，模型损伤识别准确度达到71.01%，满足飞机蒙皮损伤日常检测需求，为民航领域中飞机蒙皮损伤的视觉识别测试提供技术支持。

Intelligent damage detection method of aircraft skin using drone vision
WU Jun¹, SHI Gaiqin², LU Shuaiyuan¹, LI Kuo¹, GUI Yehan², WU Dongze², LI Xin²
1. Aeronautical Engineering Institute, Civil Aviation University of China, Tianjin 300300, China;
2. College of Electronic Information and Automation, Civil Aviation University of China, Tianjin 300300, China
Abstract: In order to solve the problems of long time-consuming, low efficiency and poor accuracy in visual inspection of aircraft wing skin damage, proposing an intelligent detection method for aircraft skin damage using drone vision. This method uses manual data annotation to obtain image data set, using the YOLOv4 algorithm to train the data set, so as to accurately identify the type and degree of skin damage. Experimental results show that the minimum damage of aircraft skin detectable by this method is 0.11 m long, 0.04 m wide, and the accuracy of model damage recognition reaches 71.01%, which can meet the daily detection needs of aircraft skin damage and provide technical support for visual identification testing of aircraft skin damage in civil aviation.
Keywords: damage detection;machine vision;aircraft skin;YOLOv4 algorithm
2021, 47(11):119-126  收稿日期: 2021-09-16;收到修改稿日期: 2021-10-13
基金项目: 中国民航大学大学生创新创业训练计划项目资助（202010059002）；国家自然科学基金(52005500)
作者简介: 吴军（1986-），男，山西繁峙县人，副教授，博士，主要从事视觉测量技术及损伤检测方面研究;石改琴（1999-），女，山西朔州市人，专业方向为通信工程
参考文献
[1] ARMIN F, BUCKHORST, ROBERT H, et al. Flying metrology and defect identification for aircraft surface inspection[J]. PhotonicsViews, 2019, 16(1): 68-71
[2] 刘桂雄, 刘思洋, 吴俊芳, 等. 基于深度学习的机器视觉目标检测算法及在票据检测中应用[J]. 中国测试, 2019, 45(5): 1-9
[3] 刘桂雄, 何彬媛, 吴俊芳, 等. 面向视觉检测的深度学习图像分类网络及在零部件质量检测中应用[J]. 中国测试, 2019, 45(7): 1-10
[4] 孙竞伟. 民用飞机钛合金蒙皮成型表面缺陷的工程处置研究[J]. 科技视界, 2017(9): 297-308
[5] 钟志峰, 夏一帆, 周冬平, 等. 基于改进YOLOv4的轻量化目标检测算法[J/OL]. 计算机应用, 2021(10): 1-8.
[6] 陈从翰. 基于YOLOv3算法的深度神经网络在飞机表面缺陷识别中的应用[D]. 广汉: 中国民用航空飞行学院, 2020: 01-02.
[7] 黄月琴, 罗兵, 邓辅秦, 等. 扫地机器人的全覆盖路径规划[J]. 五邑大学学报(自然科学版), 2021, 35(2): 51-58
[8] 李慧. 飞机蒙皮图像的深度特征学习与损伤监测[D]. 北京: 北京邮电大学, 2019: 21-22.
[9] 万卓, 叶明, 刘凯. 基于改进YOLOv4的电机端盖缺陷检测[J]. 计算机系统应用, 2021, 30(3): 79-87
[10] 张从华, 杨勇, 刘若凡, 等. 图形图像技术在红外热成像中的应用[J]. 中国测试, 2012, 38(2): 77-80
[11] 管军霖, 智鑫. 基于YOLOv4卷积神经网络的口罩佩戴检测方法[J]. 现代信息科技, 2020, 4(11): 9-12
[12] 王旭初, 牛彦敏, 赵广军, 等. 融合候选区域提取与SSAE深度特征学习的心脏MR图像左心室检测[J]. 计算机辅助设计与图形学学报, 2018, 30(3): 424-435
[13] 谈小峰, 王直杰. 基于YOLOv4改进算法的乒乓球识别[J]. 科技创新与应用, 2020(27): 74-76