[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

本發明涉及一種航空器異常檢測系統，該系統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。本發明提高了模型運算效率及檢測準確率。

技術領域

本發明屬于航空器異常檢測技術領域，涉及一種航空器異常檢測系統。

背景技術

中國專利公報公開的“信息化民用航空器維修信息系統”，該系統將所有機場發生的故障信息及對應的維修方法信息都儲存在數據庫中，各機場可通過客戶端查閱數據庫快速獲得前人排故經驗，提高排故速度；同時可以將本機場新的排故經驗存儲到數據庫與其他機場分享；該系統雖然能夠提高信息時效性，但是航空器異常需要通過技術人員進行主觀判斷，缺點是不同放行人員對同一飛機進行檢查結果存在較大差異，僅靠目視檢查的方式極易出現漏檢。

發明內容

本發明要解決的技術問題是提供一種檢測效率高、準確性好的航空器異常檢測系統。

為了解決上述技術問題，本發明的航空器異常檢測系統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。

進一步，本發明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、故障存在概率等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。

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。

所述的訓練集與驗證集劃分比例為4:1。

利用上述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；