[發明專利]航空器異常檢測系統及其異常檢測方法

在審

• 申請號: 201911098431.5
• 申請日: 2019-11-12
• 公開（公告）號: CN110826636A
• 公開（公告）日: 2020-02-21
• 發明（設計）人: 朱建東;劉圣禹;黃毅鵬
• 申請（專利權）人: 吉林省民航機場集團公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 長春吉大專利代理有限責任公司 22201
• 代理人: 王淑秋

1.一種航空器異常檢測系統，其特征在于包括特征提取模型和改進的YOLOv3檢測器；

所述的特征提取模型包含三層，第1、2層均包括一個卷積運算單元、一個最大池化單元和一個非線性變換單元，第3層僅包含一個卷積運算單元；第1層的卷積運算單元包含32個3×3的卷積核，第2、第3層的卷積運算單元包含64個3×3的卷積核；第1、2層的最大池化單元均采用2×2的池化窗口，非線性變換單元均采用ReLU作為非線性激活函數進行非線性變換；改進的YOLOv3檢測器針對小目標圖像樣本通過聚類算法產生3個錨框進行目標檢測，得到故障坐標、故障類型、故障存在概率信息。

2.根據權利要求1所述的航空器異常檢測系統，其特征在于還包括結果可視化模塊；結果可視化模塊對故障坐標、故障類型、故障存在概率信息進行可視化處理，最后輸出包含了故障坐標、故障類型、故障存在概率信息的圖像。

3.根據權利要求1所述的航空器異常檢測系統，其特征在于所述的特征提取模型和改進的YOLOv3檢測器中的參數經預先訓練優化得到，訓練優化方法如下：

a.使用智能攝錄設備采集繞機視頻，并通過便攜式終端以網絡傳輸的方式傳輸給系統服務器；

b.系統服務器通過”LabelImg”軟件對繞機視頻進行預處理，在繞機視頻圖像上標記故障檢測目標，生成圖像樣本；

c.將圖像樣本數據集分為2部分：訓練集和驗證集；然后將訓練集的圖像樣本數據輸入特征提取模型得到最后一層特征圖，再將最后一層特征圖輸入改進的YOLOv3檢測器獲得檢測結果，將檢測結果與真實標記信息進行比較，獲得誤差信息；利用隨機梯度下降算法進行訓練，反復優化特征提取模型和改進的YOLOv3檢測器的參數，減小誤差，最終確定模型權重參數，獲得檢測模型；利用驗證集對所得檢測模型進行驗證，若驗證集檢測準確率與訓練集檢測準確率之差大于5％，則減小訓練次數，直至訓練集和驗證集準確率大于90％，獲得訓練好的特征提取模型和改進的YOLOv3檢測器；其中特征提取模型和改進的YOLOv3檢測器中的原始參數均隨機選取。

4.根據權利要求3所述的航空器異常檢測系統，其特征在于所述的訓練集與驗證集劃分比例為4:1。

5.一種利用如權利要求1所述的航空器異常檢測系統進行航空器異常檢測的方法如下：

一、將攝錄設備采集的航空器圖像數據輸入訓練好的特征提取模型，航空器圖像數據先經過第1層卷積運算單元、最大池化單元及非線性變換單元得到第一特征圖，再經過第2層卷積運算單元、最大池化單元及非線性變換單元得到第二特征圖；最后經過第3層卷積運算單元得到最后一層特征圖；

二、將最后一層特征圖輸入改進的YOLOv3檢測器進行故障檢測，輸出檢測結果圖像；

三、判斷檢測結果圖像是否為異常，若是異常，代表航空器出現故障，執行步驟四，否則代表檢測結果正常，執行步驟六；

四、將檢測結果反饋給維修知識庫，維修知識庫內存儲有航空器多種故障類型及對應的維修方法；

五.將檢測的故障類型及對應的維修方法反饋給便攜式終端；

六、將檢測結果正常信息反饋給便攜式終端。