CN112884733A - 一种用于对飞行器的表面进行缺陷识别的方法和*** - Google Patents
一种用于对飞行器的表面进行缺陷识别的方法和*** Download PDFInfo
- Publication number
- CN112884733A CN112884733A CN202110178164.3A CN202110178164A CN112884733A CN 112884733 A CN112884733 A CN 112884733A CN 202110178164 A CN202110178164 A CN 202110178164A CN 112884733 A CN112884733 A CN 112884733A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- defect
- image
- identified
- defect identification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000007547 defect Effects 0.000 title claims abstract description 153
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012549 training Methods 0.000 claims abstract description 15
- 238000003384 imaging method Methods 0.000 claims description 41
- 238000012423 maintenance Methods 0.000 claims description 18
- 238000012795 verification Methods 0.000 claims description 14
- 229910052751 metal Inorganic materials 0.000 claims description 9
- 239000002184 metal Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 abstract description 21
- 230000000694 effects Effects 0.000 abstract description 6
- 239000000463 material Substances 0.000 description 12
- 238000007689 inspection Methods 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 230000007958 sleep Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- 125000000174 L-prolyl group Chemical group [H]N1C([H])([H])C([H])([H])C([H])([H])[C@@]1([H])C(*)=O 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/33—User authentication using certificates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioethics (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种用于对飞行器的表面进行缺陷识别的方法和***,获取飞行器的外表面图像;将所述外表面图像与预存的标准图像进行匹配以对飞行器的外表面进行缺陷识别,或者,根据所述外表面图像和经训练得到的缺陷识别模型以对飞行器的外表面进行缺陷识别,将外表面图像与预存的标准图像进行匹配,或者,根据外表面图像和经训练得到的缺陷识别模型,对飞行器的外表面进行缺陷识别,能有效检测出飞行器的外表面的遗留物品、外来物品、污渍、破损以及划痕等,既提高了检测精度和检测效果,又降低了人力成本。
Description
技术领域
本发明涉及飞行器技术领域,尤其涉及一种用于对飞行器的表面进行缺陷识别的方法和***。
背景技术
飞行器如飞机、无人机等在起飞之前或降落之后要进行安全巡检,以保证飞行器的安全性,以客机为例进行说明,客机降落后的安全巡检是保障客机飞行安全的重要检查措施。机外检查主要是保证整个飞机的良好状态,***件和设备对飞机的绝对安全,因此每一次飞行前机组都要对飞机进行全面检查。在客机外部检查过程中,飞机外观的破损、划痕、污渍等检查项是关系到客机飞航安全的重要措施,目前采用的检查方式为人工巡检,需要按照检查流程对客机各个部位进行人工检测,虽然人工巡检的方式能做到全面且细致,但是多层复合材料受到撞击后损伤等隐性缺陷故障,在不辅佐专业装备前提下,人工检测很难得到满意的结果,且效率低,人力成本高。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供了一种用于对飞行器的表面进行缺陷识别的方法和***。
本发明的一种用于对飞行器的表面进行缺陷识别的方法的技术方案如下:
获取飞行器的外表面图像;
将所述外表面图像与预存的标准图像进行匹配以对飞行器的外表面进行缺陷识别,或者,根据所述外表面图像和经训练得到的缺陷识别模型对飞行器的外表面进行缺陷识别。
本发明的一种用于对飞行器的表面进行缺陷识别的方法的有益效果如下:
将外表面图像与预存的标准图像进行匹配,或者,根据外表面图像和经训练得到的缺陷识别模型,对飞行器的外表面进行缺陷识别,能有效检测出飞行器的外表面的遗留物品、外来物品、污渍、破损以及划痕等,既提高了检测精度和检测效果,又降低了人力成本。
在上述方案的基础上,本发明的一种用于对飞行器的表面进行缺陷识别的方法还可以做如下改进。
进一步,还包括:
建立所述飞行器的三维模型;
在所述飞行器的三维模型上标记出识别出的缺陷所对应的位置。
采用上述进一步方案的有益效果是:通过在在所述飞行器的三维模型上标记出识别出的缺陷所对应的位置,便于巡检人员进行查看缺陷在飞行器上的位置并进行后续处理。
进一步,还包括:根据识别出的缺陷和训练好的故障概率关联模型,得到该识别出的缺陷所对应的关联故障的发生概率,当该关联故障的发生概率超过预设概率阈值时,则发出提醒。
采用上述进一步方案的有益效果是:在飞行器的表面识别出缺陷后,还能通过故障概率关联模型,得到该识别出的缺陷所对应的关联故障的发生概率,即通过飞行器的表面的缺陷能进一步识别出飞行器的关联故障,进一步保证飞行器的安全。
进一步,还包括:从预存储的缺陷-维护集合中查询识别出的缺陷所对应的维护方法,并提供给用户。
采用上述进一步方案的有益效果是:更便于巡检人员进行后续处理。
进一步,所述获取飞行器的外表面图像包括:
通过分布设置的多个成像装置分别获取飞行器外表的局部图像;
将多个局部图像进行拼接,得到所述飞行器的外表面图像。
进一步,还包括:
当通过CA中心的身份验证后,根据识别出的缺陷确定缺陷类型;
根据缺陷类型从预存的多个PDF模板文件查询该缺陷类型对应的PDF模板文件;
将识别出的缺陷的信息填充至对应的PDF模板文件中,得到PDF文件,并对所述PDF文件进行加密。
采用上述进一步方案的有益效果是:只有通过CA中心的身份验证后,才能导出识别出的缺陷的信息,能有效防止识别出的缺陷的外泄,以防止造成民众恐慌,而且,PDF文件具有不易篡改的优点以及对PDF文件进行加密,进一步能防止识别出的缺陷的外泄。
进一步,成像装置包括采集装置、电机、导轨、滑块和液压伸缩杆,所述采集装置与所述滑块固定连接,所述液压伸缩杆的伸缩端固定还连接有金属板,所述金属板上设置所述导轨和所述电机,缺陷识别方法还包括:
判断任一采集装置对应的飞行器表面的区域是否反光,若是,则驱动固定连接该采集装置的滑块沿所述导轨滑动和/或该采集装置对应的驱动液压伸缩杆的伸缩端伸缩,以使该采集装置对应的飞行器表面的区域不再反光。
采用上述进一步方案的有益效果是:当任一采集装置对应的飞行器表面的区域反光时,会使获取的飞行器外表的局部图像不清晰,此时通过驱动滑块沿所述导轨滑动和/或驱动液压伸缩杆的伸缩端伸缩,以使采集装置对应的飞行器表面的区域不再反光,此时再采集飞行器外表的局部图像不会出现不清楚的情况,进一步保证检测精度。
本发明的一种用于对飞行器的表面进行缺陷识别的***的技术方案如下:
包括获取模块和缺陷识别模块;
所述获取模块用于获取飞行器的外表面图像;
所述缺陷识别模块用于将所述外表面图像与预存的标准图像进行匹配以对飞行器的外表面进行缺陷识别,或者,根据所述外表面图像和经训练得到的缺陷识别模型以对飞行器的外表面进行缺陷识别。
本发明的一种用于对飞行器的表面进行缺陷识别的***的技术效果如下:
将外表面图像与预存的标准图像进行匹配,或者,根据外表面图像和经训练得到的缺陷识别模型,对飞行器的外表面进行缺陷识别,能有效检测出飞行器的外表面的遗留物品、外来物品、污渍、破损以及划痕等,既提高了检测精度和检测效果,又降低了人力成本。
在上述方案的基础上,本发明的一种用于对飞行器的表面进行缺陷识别的***还可以做如下改进。
进一步,还包括构建标记模块,所述构建标记模块用于:
建立所述飞行器的三维模型;
在所述飞行器的三维模型上标记出识别出的缺陷所对应的位置。
采用上述进一步方案的有益效果是:通过在在所述飞行器的三维模型上标记出识别出的缺陷所对应的位置,便于巡检人员进行查看缺陷在飞行器上的位置并进行后续处理。
进一步,还包括发生概率计算模块,所述发生概率计算模块用于:
根据识别出的缺陷和训练好的故障概率关联模型,得到该识别出的缺陷所对应的关联故障的发生概率,当该关联故障的发生概率超过预设概率阈值时,则发出提醒。
采用上述进一步方案的有益效果是:在飞行器的表面识别出缺陷后,还能通过故障概率关联模型,得到该识别出的缺陷所对应的关联故障的发生概率,即通过飞行器的表面的缺陷能进一步识别出飞行器的关联故障,进一步保证飞行器的安全。
附图说明
图1为本发明实施例的一种用于对飞行器的表面进行缺陷识别的方法的流程示意图;
图2为本发明实施例的成像装置、液压伸缩杆和箱体的结构示意图;
图3为本发明实施例的一种用于对飞行器的表面进行缺陷识别的***的结构示意图;
具体实施方式
如图1所示,本发明实施例的一种用于对飞行器的表面进行缺陷识别的方法,包括如下步骤:
S1、获取飞行器的外表面图像;
S2、将所述外表面图像与预存的标准图像进行匹配以对飞行器的外表面进行缺陷识别,或者,根据所述外表面图像和经训练得到的缺陷识别模型对飞行器的外表面进行缺陷识别。
将外表面图像与预存的标准图像进行匹配,或者,根据外表面图像和经训练得到的缺陷识别模型,对飞行器的外表面进行缺陷识别,能有效检测出飞行器的外表面的遗留物品、外来物品、污渍、破损以及划痕等,既提高了检测精度和检测效果,又降低了人力成本。
其中,其中,标准图像指:飞行器的外表面不存在缺陷时所采集的图像。
其中,S1所述获取飞行器的外表面图像包括:
S10、通过分布设置的多个成像装置分别获取飞行器外表的局部图像;
S11、将多个局部图像进行拼接,得到所述飞行器的外表面图像。
成像装置的数量可根据实际情况进行设置和调整,以分布设置的多个成像装置能拍摄下飞行器的完整的外表面的图像为基准,来设置和调整每个成像装置的固定位置,具体地:
可将6个成像装置分别布置在飞行器的六个面,以采集飞行器的六个面上的局部图像,将多个局部图像进行拼接,得到所述飞行器的外表面图像,此时外表面图像可理解为飞行器的完整的外表面的图像,具体地:
首先,通过Sift特征点检测、Harris角点检测等方法从6个局部图像中提取特征点并匹配,本实施例中以Sift特征点检测的方法对提取出的特征点进行一一匹配,可以通过欧式距离、灰度相关和松弛匹配、以及梯度方向等信息进行匹配,得到全局单应性矩阵;
其次,获取重叠区域的图像层次信息,如果图像层次为一层,则使用全局单应性矩阵进行投影得到拼接图像,如果图像层次大于一层,依据重叠区域的场景位于不同层次计算得到各层的局部单应性矩阵,并按层次分别使用各层的局部单应性矩阵对重叠区域图像进行投影得到拼接的飞行器的外表面图像,该过程为本领域人员所悉知,在此不做赘述。
其中,预先采集大量的带有缺陷的飞行器的局部图像得到数据集,将数据集划分为训练集和验证集,采用神经网络模型或随机森林算法等进行训练,得到训练好的缺陷识别模型,在训练过程中,可通过设置训练精度以提高缺陷识别模型的准确度,从而提高检测精度。
较优地,在上述技术方案中,还包括:
S3、建立所述飞行器的三维模型,具体可通过CATIA、SolidWorks、Pro/Engineer或3D Studio Max等软件建立飞行器的三维模型;
S4、在所述飞行器的三维模型上标记出识别出的缺陷所对应的位置,具体地:
根据空间任一点作为原点,建立真实的三维坐标系,获取真实的飞行器的外表面的空间轮廓,并对空间轮廓进行网格划分,得到每个网格的坐标范围,可以理解的是,网格越小,识别出的缺陷所对应的位置的精度越高,但是,会增加计算量,可根据实际情况进行调整网格的大小,其中,为便于建立真实的三维坐标系,可根据实际情况选取原点;此时,得到缺陷的位置后,可直接标记在三维模型上,并在显示屏上进行显示,用户还可手动放缩或旋转三维模型;
通过在在所述飞行器的三维模型上标记出识别出的缺陷所对应的位置,便于巡检人员进行查看缺陷在飞行器上的位置并进行后续处理。
较优地,在上述技术方案中,还包括:
S5、根据识别出的缺陷和训练好的故障概率关联模型,得到该识别出的缺陷所对应的关联故障的发生概率,当该关联故障的发生概率超过预设概率阈值时,则发出提醒。
在飞行器的表面识别出缺陷后,还能通过故障概率关联模型,得到该识别出的缺陷所对应的关联故障的发生概率,即通过飞行器的表面的缺陷能进一步识别出飞行器的关联故障,进一步保证飞行器的安全。
其中,可采集大量的历史数据,历史数据包括:飞行器的外表面的任一位置的缺陷及其可能导致的关联故障,例如,客机的外表面上如机翼位置发生开裂,若开裂较大,会导致机翼断裂故障,记录开裂的信息如裂口深度、裂口长度,由于裂口深度、裂口长度超过一定的值后,并不一定绝对导致机翼断裂故障,因此,关联故障的发生时存在概率性的,通过采集大量的历史数据,建立每种常见的缺陷所对应的关联故障的发生概率,得到故障概率关联模型,当该关联故障的发生概率超过预设概率阈值时,则发出提醒,具体地:
当关联故障如机翼断裂故障的发生概率超过预设概率阈值时,则发出提醒,具体可通过弹框或声光报警向巡检人员发起提醒,进一步保证飞行器的安全。
较优地,在上述技术方案中,还包括:
S6、从预存储的缺陷-维护集合中查询识别出的缺陷所对应的维护方法,并提供给用户,其中,缺陷-维护集合中包括每种缺陷对应的维护方法,根据识别出的缺陷从预存储的缺陷-维护集合中查询对应的维护方法,更便于巡检人员进行后续处理。
进一步,还包括:
S7、当通过CA中心的身份验证后,根据识别出的缺陷确定缺陷类型;
根据缺陷类型从预存的多个PDF模板文件查询该缺陷类型对应的PDF模板文件;
S8、将识别出的缺陷的信息填充至对应的PDF模板文件中,得到PDF文件,并对所述PDF文件进行加密。
其中,需要导出识别出的缺陷的信息的人员可在CA(Certificate Authority)中心注册,CA中心为基于生物识别技术的第三方身份认证机构,可以确认进行注册的人员的的真实有效性,具体地:
每个人员在CA中心设置各自账号,以进行注册,CA中心的密码发生器能生成生成一对公钥和私钥,CA中心还能用公钥和每个进行注册的人员的账号得到每个人员的数字证书,若有人员想导出识别出的缺陷的信息时,则进行验证,具体地:
首先,接收验证材料,具体地:该人员使用自己的私钥和数字证书提交验证材料,验证材料中可包括该用户的真实身份和证件信息,验证材料可理解为word文件或excel文件等;
然后,调用CA中心发放的且与私钥对应的公钥解密接收到的验证材料,获取该用户的真实身份和证件信息,以确定是否正确,若是,则通过验证,若否,则该人员没有导出识别出的缺陷的信息的缺陷;
其中,具体可为:另外一个注册的人员调用调用CA中心发放的且与私钥对应的公钥解密接收到的验证材料,以确定是否正确。
其中,缺陷类型包括:外来物品、污渍、划痕、开裂等,可根据实际情况设置,在此不做赘述,由于不同类型的缺陷需要填充的信息不同,因此,可根据不同的缺陷类型预设置不同格式的PDF模板文件。
其中,缺陷的信息可理解为:例如,开裂的信息包括裂口深度、裂口长度等,在此不进行一一列举。而且,目前有很多对PDF文件进行加密的现有技术,在此不再陈述。
只有通过CA中心的身份验证后,才能导出识别出的缺陷的信息,能有效防止识别出的缺陷的外泄,以防止造成民众恐慌,而且,PDF文件具有不易篡改的优点以及对PDF文件进行加密,进一步能防止识别出的缺陷的外泄。
较优地,在上述技术方案中,如图2所示,成像装置包括采集装置1、电机、导轨3、滑块2和液压伸缩杆5,所述采集装置1与所述滑块2固定连接,所述液压伸缩杆5的伸缩端固定还连接有金属板4,所述金属板4上设置所述导轨3和所述电机,缺陷识别方法还包括:
S9、判断任一采集装置1对应的飞行器表面的区域是否反光,若是,则驱动固定连接该采集装置1的滑块2沿所述导轨3滑动和/或该采集装置1对应的驱动液压伸缩杆5的伸缩端伸缩,以使该采集装置1对应的飞行器表面的区域不再反光。
当任一采集装置1对应的飞行器表面的区域反光时,会使获取的飞行器外表的局部图像不清晰,此时通过驱动滑块2沿所述导轨3滑动和/或驱动液压伸缩杆5的伸缩端伸缩,以使采集装置1对应的飞行器表面的区域不再反光,此时再采集飞行器外表的局部图像不会出现不清楚的情况,进一步保证检测精度。
其中,其中,电机可采用伺服电机或步进电机,采集装置1为高清摄像头或红外线摄像头等,采集装置1与滑块2之间可通过螺纹固定方式固定连接。
其中,可根据实际情况采用不同行程的液压伸缩杆5,液压伸缩杆5的伸缩端与金属板4之间通过螺纹固定方式或焊接方式等进行固定连接。
其中,目前有很多对反光区域进行检测的现有技术,可以据此来确定是否是否反光,在此不再陈述。
较优地,在上述技术方案中,滑块2与采集装置1之间通过快拆连接件连接,通过快拆连接件便于从滑块2上拆卸采集装置1,此时巡检人员能手持采集装置1靠近飞行器进行外表面图像的采集。
其中,快拆连接件具体可为如下形式,具体地:
1)快拆连接件具体可为螺钉,在滑块2和采集装置1上设置螺纹孔,选用适配螺钉进行固定,在拆卸时,将螺钉旋出即可;
2)快拆连接件具体可为快拆卡扣等。
较优地,在上述技术方案中,还包括箱体6,箱体6包括自动开合门61,成像装置和液压伸缩杆5均设置在箱体6内。
当成像装置完成采集飞行器的外表面图像后,通过液压伸缩杆5将成像装置缩回到箱体6内,自动开合门61闭合,以保证成像装置不会落灰,以及能有效防止对成像装置造成破损。其中,箱体6的材质可为塑料或铝合金等,
较优地,在上述技术方案中,还包括报警器,报警器包括依次连接的人体感应开关、整流滤波电路、信号放大电路和扬声器,人体感应开关和扬声器设置在箱体6外侧,整流滤波电路和信号放大电路设置在箱体6内。
当有巡检人员或其它人员在飞行器之前停留或走过时,此时,会影响对采集装置1的图像采集,通过报警器的提醒,能使巡检人员或其它人员进行回避,更便于采集飞行器的外表面图像。
较优地,在上述技术方案中,当任一成像装置完成采集飞行器的外表面图像后,根据预先设置的等待时间进行倒计时,当倒计时完成时,若该成像装置仍未收到新的采集指令,则从唤醒状态切换到休眠状态。
当成像装置完成采集飞行器的外表面图像后,根据预先设置的等待时间进行倒计时,当倒计时完成时,若仍未收到新的采集指令,则从唤醒状态切换到休眠状态,能节省电力资源。
以任一成像装置为例进行说明,具体地:
假设预先设置的等待时间为1分钟,当该成像装置采集指令,完成采集飞行器的局部图像之后,开始进行倒计时,当倒计时完成时即完成1分钟倒计时后,若未接收到新的采集指令,则该成像装置从唤醒状态切换到休眠状态,其中,唤醒状态指:该成像装置随时进行拍照的状态,休眠状态指:该成像装置关闭一些功能如自动聚焦、自动调光等功能,保留用于接收采集指令等基本通信功能。
可以理解的是,当该成像装置处于休眠状态时,若接收到新的采集指令,则从休眠状态切换到唤醒状态,进行图像采集。
较优地,在上述技术方案中,当任一成像装置处于休眠状态时,按照预设频率向该成像装置发送心跳包。
通过发送心跳包,以检测与成像装置之间是否为通路,若是,当有新的采集指令时,能及时唤醒成像装置进行图像采集,若否,则进行人工维护,以该成像装置为例进行说明,具体地:
当该成像装置处于休眠状态时,向该成像装置发送心跳包,若接收到该成像装置根据心跳包反馈的信息,则说明与成像装置之间为通路,若没有接收到该成像装置根据心跳包反馈的信息,则说明与成像装置之间不是通路,然后进行声光报警,以便于及时进行人工维护。
在上述各实施例中,虽然对步骤进行进行了编号S1、S2等,但只是本申请给出的具体实施例,本领域的技术人员可根据实际情况对调整S1、S2等的执行顺序,此也在本发明的保护范围内,可以理解,在一些实施例中,可以包含如上述各实施方式中的部分或全部。
如图3所示,本发明实施例的一种用于对飞行器的表面进行缺陷识别的***200,包括获取模块210和缺陷识别模块220;
所述获取模块210用于获取飞行器的外表面图像;
所述缺陷识别模块220用于将所述外表面图像与预存的标准图像进行匹配以对飞行器的外表面进行缺陷识别,或者,根据所述外表面图像和经训练得到的缺陷识别模型以对飞行器的外表面进行缺陷识别。
将外表面图像与预存的标准图像进行匹配,或者,根据外表面图像和经训练得到的缺陷识别模型,对飞行器的外表面进行缺陷识别,能有效检测出飞行器的外表面的遗留物品、外来物品、污渍、破损以及划痕等,既提高了检测精度和检测效果,又降低了人力成本。
较优地,在上述技术方案中,还包括构建标记模块,所述构建标记模块用于:
建立所述飞行器的三维模型;
在所述飞行器的三维模型上标记出识别出的缺陷所对应的位置。
通过在在所述飞行器的三维模型上标记出识别出的缺陷所对应的位置,便于巡检人员进行查看缺陷在飞行器上的位置并进行后续处理。
较优地,在上述技术方案中,还包括发生概率计算模块,所述发生概率计算模块用于:
根据识别出的缺陷和训练好的故障概率关联模型,得到该识别出的缺陷所对应的关联故障的发生概率,当该关联故障的发生概率超过预设概率阈值时,则发出提醒。
在飞行器的表面识别出缺陷后,还能通过故障概率关联模型,得到该识别出的缺陷所对应的关联故障的发生概率,即通过飞行器的表面的缺陷能进一步识别出飞行器的关联故障,进一步保证飞行器的安全。
较优地,在上述技术方案中,还包括查询提供模块,所述查询提供模块用于:
从预存储的缺陷-维护集合中查询识别出的缺陷所对应的维护方法,并提供给用户。
较优地,在上述技术方案中,所述获取模块210具体用于:
通过分布设置的多个成像装置分别获取飞行器外表的局部图像;
将多个局部图像进行拼接,得到所述飞行器的外表面图像。
较优地,在上述技术方案中,还包括导出模块,所述导出模块用于:
当通过CA中心的身份验证后,根据识别出的缺陷确定缺陷类型;
根据缺陷类型从预存的多个PDF模板文件查询该缺陷类型对应的PDF模板文件;
将识别出的缺陷的信息填充至对应的PDF模板文件中,得到PDF文件,并对所述PDF文件进行加密。
较优地,在上述技术方案中,成像装置包括采集装置、电机、导轨、滑块和液压伸缩杆,所述采集装置与所述滑块固定连接,所述液压伸缩杆的伸缩端固定还连接有金属板,所述金属板上设置所述导轨和所述电机,缺陷识别方法还包括:
判断任一采集装置对应的飞行器表面的区域是否反光,若是,则驱动固定连接该采集装置的滑块沿所述导轨滑动和/或该采集装置对应的驱动液压伸缩杆的伸缩端伸缩,以使该采集装置对应的飞行器表面的区域不再反光。
当任一采集装置对应的飞行器表面的区域反光时,会使获取的飞行器外表的局部图像不清晰,此时通过驱动滑块沿所述导轨滑动和/或驱动液压伸缩杆的伸缩端伸缩,以使采集装置对应的飞行器表面的区域不再反光,此时再采集飞行器外表的局部图像不会出现不清楚的情况,进一步保证检测精度。
上述关于本发明的一种用于对飞行器的表面进行缺陷识别的***200中的各参数和各个单元模块实现相应功能的步骤,可参考上文中关于一种用于对飞行器的表面进行缺陷识别的方法的实施例中的各参数和步骤,在此不做赘述。
在本发明中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种用于对飞行器的表面进行缺陷识别的方法,其特征在于,包括:
获取飞行器的外表面图像;
将所述外表面图像与预存的标准图像进行匹配以对飞行器的外表面进行缺陷识别,或者,根据所述外表面图像和经训练得到的缺陷识别模型对飞行器的外表面进行缺陷识别。
2.根据权利要求1所述的一种用于对飞行器的表面进行缺陷识别的方法,其特征在于,还包括:
建立所述飞行器的三维模型;
在所述飞行器的三维模型上标记出识别出的缺陷所对应的位置。
3.根据权利要求2所述的一种用于对飞行器的表面进行缺陷识别的方法,其特征在于,还包括:
根据识别出的缺陷和训练好的故障概率关联模型,得到该识别出的缺陷所对应的关联故障的发生概率,当该关联故障的发生概率超过预设概率阈值时,则发出提醒。
4.根据权利要求3所述的一种用于对飞行器的表面进行缺陷识别的方法,其特征在于,还包括:
从预存储的缺陷-维护集合中查询识别出的缺陷所对应的维护方法,并提供给用户。
5.根据权利要求1至4任一项所述的一种用于对飞行器的表面进行缺陷识别的方法,其特征在于,所述获取飞行器的外表面图像包括:
通过分布设置的多个成像装置分别获取飞行器外表的局部图像;
将多个局部图像进行拼接,得到所述飞行器的外表面图像。
6.根据权利要求5所述的一种用于对飞行器的表面进行缺陷识别的方法,其特征在于,还包括:
当通过CA中心的身份验证后,根据识别出的缺陷确定缺陷类型;
根据缺陷类型从预存的多个PDF模板文件查询该缺陷类型对应的PDF模板文件;
将识别出的缺陷的信息填充至对应的PDF模板文件中,得到PDF文件,并对所述PDF文件进行加密。
7.根据权利要求5所述的一种用于对飞行器的表面进行缺陷识别的方法,其特征在于,成像装置包括采集装置、电机、导轨、滑块和液压伸缩杆,所述采集装置与所述滑块固定连接,所述液压伸缩杆的伸缩端固定还连接有金属板,所述金属板上设置所述导轨和所述电机,缺陷识别方法还包括:
判断任一采集装置对应的飞行器表面的区域是否反光,若是,则驱动固定连接该采集装置的滑块沿所述导轨滑动和/或该采集装置对应的驱动液压伸缩杆的伸缩端伸缩,以使该采集装置对应的飞行器表面的区域不再反光。
8.一种用于对飞行器的表面进行缺陷识别的***,其特征在于,包括获取模块和缺陷识别模块;
所述获取模块用于获取飞行器的外表面图像;
所述缺陷识别模块用于将所述外表面图像与预存的标准图像进行匹配以对飞行器的外表面进行缺陷识别,或者,根据所述外表面图像和经训练得到的缺陷识别模型对飞行器的外表面进行缺陷识别。
9.根据权利要求8所述的一种用于对飞行器的表面进行缺陷识别的***,其特征在于,还包括构建标记模块,所述构建标记模块用于:
建立所述飞行器的三维模型;
在所述飞行器的三维模型上标记出识别出的缺陷所对应的位置。
10.根据权利要求8或9所述的一种用于对飞行器的表面进行缺陷识别的***,其特征在于,还包括发生概率计算模块,所述发生概率计算模块用于:
根据识别出的缺陷和训练好的故障概率关联模型,得到该识别出的缺陷所对应的关联故障的发生概率,当该关联故障的发生概率超过预设概率阈值时,则发出提醒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110178164.3A CN112884733A (zh) | 2021-02-09 | 2021-02-09 | 一种用于对飞行器的表面进行缺陷识别的方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110178164.3A CN112884733A (zh) | 2021-02-09 | 2021-02-09 | 一种用于对飞行器的表面进行缺陷识别的方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112884733A true CN112884733A (zh) | 2021-06-01 |
Family
ID=76056301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110178164.3A Pending CN112884733A (zh) | 2021-02-09 | 2021-02-09 | 一种用于对飞行器的表面进行缺陷识别的方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112884733A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105873825A (zh) * | 2013-10-24 | 2016-08-17 | 空客集团有限公司 | 用于对飞行器进行可视化检查的协作式机器人 |
CN107709158A (zh) * | 2015-06-15 | 2018-02-16 | 多尼克公司 | 用于自动检查表面的***和方法 |
CN110954758A (zh) * | 2018-09-26 | 2020-04-03 | 珠海格力电器股份有限公司 | 电器的故障确定方法及装置 |
US20200364483A1 (en) * | 2019-05-15 | 2020-11-19 | Getac Technology Corporation | Method for regulating position of object |
CN112184678A (zh) * | 2020-09-30 | 2021-01-05 | 国网北京市电力公司 | 图像识别方法、装置、计算机可读存储介质及处理器 |
-
2021
- 2021-02-09 CN CN202110178164.3A patent/CN112884733A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105873825A (zh) * | 2013-10-24 | 2016-08-17 | 空客集团有限公司 | 用于对飞行器进行可视化检查的协作式机器人 |
CN107709158A (zh) * | 2015-06-15 | 2018-02-16 | 多尼克公司 | 用于自动检查表面的***和方法 |
CN110954758A (zh) * | 2018-09-26 | 2020-04-03 | 珠海格力电器股份有限公司 | 电器的故障确定方法及装置 |
US20200364483A1 (en) * | 2019-05-15 | 2020-11-19 | Getac Technology Corporation | Method for regulating position of object |
CN112184678A (zh) * | 2020-09-30 | 2021-01-05 | 国网北京市电力公司 | 图像识别方法、装置、计算机可读存储介质及处理器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105373135B (zh) | 一种基于机器视觉的飞机入坞引导和机型识别的方法及*** | |
CN105574855B (zh) | 云背景下基于模板滤波和虚警抑制的红外小目标检测方法 | |
RU2431190C2 (ru) | Способ и устройство распознавания рельефности лица | |
CN204480251U (zh) | 一种驾驶人身体条件自助检测*** | |
CN103745484B (zh) | 一种电力设施带电作业的人员目标安全预警方法 | |
CN109614939A (zh) | 基于人体姿态估计的“玩手机”行为检测识别方法 | |
CN107392162B (zh) | 危险人物识别方法及装置 | |
Zhang et al. | A recognition technology of transmission lines conductor break and surface damage based on aerial image | |
CN106649598A (zh) | 一种输电线路覆冰厚度的检测方法 | |
CN103226694B (zh) | 一种实时人像获取比对和预警布控***及其使用方法 | |
CN106845368A (zh) | 基于人脸识别的机场登机安检再确认***和方法 | |
CN112257632A (zh) | 一种基于边缘计算的变电站监测*** | |
CN110472574A (zh) | 一种检测着装不规范的方法、装置及*** | |
CN105096305A (zh) | 绝缘子状态分析的方法及装置 | |
CN205540806U (zh) | 一种三维人脸图像识别装置 | |
CN106652291A (zh) | 一种基于Kinect的室内简易监控报警***及方法 | |
CN106682083A (zh) | 一种红外全景监测***及监测方法 | |
CN116863297A (zh) | 一种基于电子围栏的监控方法、装置、***、设备及介质 | |
CN110633623A (zh) | 用于变电站工作人员作业过程的管控方法 | |
CN106991376A (zh) | 结合深度信息的侧脸验证方法及装置与电子装置 | |
CN112884733A (zh) | 一种用于对飞行器的表面进行缺陷识别的方法和*** | |
KR101800297B1 (ko) | 비행체를 이용한 콘크리트 구조물 외곽 균열 탐지 시스템 | |
CN114442658B (zh) | 输配电线路无人机自动巡检***及其运行方法 | |
WO2022057329A1 (zh) | 安全监控方法、装置、***和存储介质 | |
CN115049984A (zh) | 一种路面病害检测方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |