[發(fā)明專利]基于深度學習的航空發(fā)動機孔探圖像損傷智能識別方法

在審

• 申請?zhí)枺?/td>: 201910048264.7
• 申請日: 2019-01-18
• 公開（公告）號: CN109800708A
• 公開（公告）日: 2019-05-24
• 發(fā)明（設計）人: 程琳
• 申請（專利權）人: 程琳
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京五洲洋和知識產權代理事務所(普通合伙) 11387
• 代理人: 劉春成

本發(fā)明公開了一種基于深度學習的航空發(fā)動機孔探圖像損傷智能識別方法，屬于航空發(fā)動機損傷識別領域。方法包括：獲取在測試集上達到預設準確率要求的全卷積神經網絡的網絡權重，測試集為多個航空發(fā)動機孔探標記圖像；加載網絡權重以初始化全卷積神經網絡；獲取航空發(fā)動機孔探圖像；對航空發(fā)動機孔探圖像進行預處理，得到符合全卷積神經網絡輸入要求的預處理圖像；使用初始化后的全卷積神經網絡對預處理圖像進行處理，得到航空發(fā)動機孔探圖像的損傷區(qū)域和與損傷區(qū)域對應的損傷類別。本發(fā)明通過上述技術方案能夠智能識別出孔探圖像中的損傷區(qū)域和對應類別，從而提高孔探效率、提高孔探過程的精度、降低孔探過程中人為主觀因素的影響。

技術領域

本發(fā)明屬于航空發(fā)動機損傷識別技術領域，特別涉及一種基于深度學習的航空發(fā)動機孔探圖像損傷智能識別方法。

背景技術

發(fā)動機作為飛機中的核心部件，對于飛行安全具有重要影響。發(fā)動機工作時內部溫度高、壓強大，因此發(fā)動機內部結構常會出現多種損傷，如裂縫、燒穿等。如果不能及時發(fā)現這些損傷，將會對民航飛行安全造成重大的威脅。因此，民航公司使用多種檢測方式，來及時發(fā)現發(fā)動機結構的安全隱患。

發(fā)動機孔探技術是重要的檢測手段之一。孔探技術人員使用孔探攝像頭伸入發(fā)動機中，拍攝發(fā)動機內部的照片、視頻等，并在對應的照片、視頻中尋找裂縫、燒穿等損傷，最終形成孔探報告，為進一步的維修、維護工作提供指導。但是孔探技術往往耗時耗力，對一臺發(fā)動機的孔探往往要耗費數十小時之久。并且受到孔探人員主觀因素的影響，其準確率有限。隨著我國經濟發(fā)展、城市化進程加快，近年來國內、國外航線出現了迅速增長。傳統的孔探技術由于效率、精度有限，人力成本高，越發(fā)地不能滿足當前高漲的發(fā)動機孔探需求。

發(fā)明內容

為了解決上述問題，本發(fā)明提供了一種一種基于深度學習的航空發(fā)動機孔探圖像損傷智能識別方法，其包括：獲取在測試集上達到預設準確率要求的全卷積神經網絡的網絡權重，所述測試集為多個航空發(fā)動機孔探標記圖像，所述航空發(fā)動機孔探標記圖像為經試驗人員標記了損傷區(qū)域和與所述損傷區(qū)域對應損傷類別的航空發(fā)動機孔探圖像；加載所述網絡權重以初始化所述全卷積神經網絡；獲取航空發(fā)動機孔探圖像；對所述航空發(fā)動機孔探圖像進行預處理，得到符合所述全卷積神經網絡輸入要求的預處理圖像；使用初始化后的所述全卷積神經網絡對所述預處理圖像進行處理，得到所述航空發(fā)動機孔探圖像的損傷區(qū)域和與所述損傷區(qū)域對應的損傷類別。

在如上所述的方法中，優(yōu)選地，所述使用初始化后的所述全卷積神經網絡對所述預處理圖像進行處理，得到所述航空發(fā)動機孔探圖像的損傷區(qū)域和與所述損傷區(qū)域對應的損傷類別，具體包括：使用初始化后的所述全卷積神經網絡的卷積結構對所述預處理圖像進行特征提取得到圖像特征張量；使用初始化后的所述全卷積神經網絡的反卷積結構對所述圖像特征張量進行升維處理得到所述航空發(fā)動機孔探圖像中每個像素分別為各種損傷類別的概率；根據每個像素分別為各種損傷類別的概率得到每個像素的損傷類別；根據每個像素的損傷類別得到所述航空發(fā)動機孔探圖像的損傷區(qū)域和與所述損傷區(qū)域對應的損傷類別。

在如上所述的方法中，優(yōu)選地，所述獲取在測試集上達到預設準確率要求的全卷積神經網絡的網絡權重，具體包括：獲取多個航空發(fā)動機孔探標記圖像；將多個所述航空發(fā)動機孔探標記圖像按比例劃分為測試集和訓練集，對所述訓練集中的航空發(fā)動機孔探標記圖像進行預處理；構建并初始化全卷積神經網絡；使用經預處理后的訓練集訓練經初始化后的全卷積神經網絡，得到訓練后的網絡權重；使用所述測試集驗證用訓練后的網絡權重更新的所述全卷積神經網絡是否有效，如果驗證為有效，則所述訓練后的網絡權重作為在所述測試集上達到所述預設準確率要求的所述全卷積神經網絡的網絡權重。

在如上所述的方法中，優(yōu)選地，在所述將多個所述航空發(fā)動機孔探標記圖像按比例劃分為測試集和訓練集之后，所述方法還包括：對所述訓練集中的各航空發(fā)動機孔探標記圖像進行數據增強處理，得到航空發(fā)動機孔探增強圖像；對應地，所述訓練集中的圖像包括：航空發(fā)動機孔探標記圖像和與所述航空發(fā)動機孔探標記圖像對應的航空發(fā)動機孔探增強圖像。