基于“模型+数据”驱动的航空器损伤智能识别算法

占锦文 任明翔

摘要：航空器损伤检测是对航空器外表面进行细致检查以判断定位损伤细节部位的一种技术手段，对保证飞行安全起到关键作用，但传统的检测手段耗费大量人力物力，检测效率不高。本文简要介绍了航空器损伤的各类形式和通用检测方法，提出一种全新的无人机巡检与智能识别算法的理论方法，以达到精准检测航空器损伤的目的，提高航空器损伤检测效率和航空器固有安全性及可靠性水平。

关键词：航空器损伤探测；智能识别；航空器无人机巡检；点云数据

Keywords：aircraft damage detection；intelligent recognition；aircraft unmanned aerial vehicles inspection；point cloud data

0 引言

近年来，我国航空运输业处于高速发展时期，拥有世界前列的民航客机保有量和客运总周转量，但民航客机数量的不断增多也带来了更多的航空器损伤事件。航空器的损伤形式一般包括疲劳损伤、应力腐蚀裂纹、耐环境性功能退化、磨损、摩擦、碎裂、凹陷、划伤、外来物损伤（FOD）以及由雷击或强热导致的损伤。不同类型的损伤在航空器各个区域所发生的概率不同，如飞机大翼前缘容易受到FOD损伤，飞机顶部区域容易出现疲劳损伤等。

对于航空器而言，一个微小的损伤有可能导致重大空难事故，及时预防检测航空器损伤是保证航空器持续适航的重要手段，对飞行安全起到至关重要的作用。如何采用更加有效的技术手段确保精准探测航空器损伤是现今需要研究的课题。

1 航空器损伤检测通用方法

航空器损伤检测有多种方法，较为明显的损伤在例行检查过程中可通过肉眼或借助手电筒、反光镜、放大镜等简单辅助工具识别。虽然每次短停都检查飞机的外表面，但是因环境影响和损伤的细微特性，仅依靠目视和简单工具容易出现漏检，采用技术更先进的无损检测方法对飞机外表面进行检测将更有保证。根据损伤检测手段的不同，航空器损伤检测大致可分为目视检测法和无损检测法两类。

1.1 目视检测法

目视检查是航空器完整性检查中最基本、最常用的方法，也是保证飞行安全的重要检查手段之一，指通过人眼或辅助设备对飞机表面进行直接观察以发现表面损伤，并根据技术规范对损伤做出判断和评价。在进行其他无损检测之前，凡是能目视的部分都必须经过目视检查，包括：从飞行前绕机一周检查；借助照明设备和放大镜对机体表面仔细检查；借助内窥镜和反光镜对机体内部表面检查等。

目视检查的优势是简单易操作，不足之处是人眼和工具存在局限性，以及一些特定区域接近困难，对航空器某些细微损伤不能有效检测。检查过程中需要检测人具备细致入微的观察力和准确的工具使用方法，人为因素影响较大，个体的先天差异性很可能会影响到检测结果的精确程度。

1.2 無损检测法

无损检测（NDT）指在不改变、不损害材料和工件的状态及性能的情况下，对材料和/或制件进行宏观缺陷检测、几何特性测量以及化学成分、组织结构和力学性能变化的评定，并就材料或制件对特定应用的适用性进行评价的一种方法。在检查微小缺陷或目视检查不能胜任的情况下，需采用无损检测方法对飞机是否存在损伤进行检测。

根据物理原理的不同，有多种无损检测方法，工程应用中普遍采用涡流检测（ET）、渗透检测（PT）、磁粉检测（MT）、射线照相检测（RT）和超声检测（UT）五种常规无损检测方法。其中，射线照相检测和超声检测用于检测结构内部缺陷，磁粉检测和涡流检测可以检测结构表面和近表面缺陷，渗透检测只能检测结构表面开口缺陷。已获工程应用的其他无损检测方法包括声发射检测、计算机层析成像检测、全息干涉/错位散斑干涉检测、泄漏检测、目视检测和红外检测等。

相比目视检测，无损检测优势明显，检查精准度更高，检查效果更为直观，缺点是设备针对性过强，通用性不足，某些设备操作复杂程度高影响到检测效率，检测人员需掌握更多的设备使用方法以达到应对飞机不同种类缺陷检测的目的。

2 无人机损伤智能识别巡检方案

随着人工智能、大数据挖掘分析等科学技术的发展及设备制造工业的不断成熟，无人机产品体系愈发丰富，应用范围越来越广阔。由于无人机具备高空、远距离、快速、自行作业的能力，在巡检领域的应用可突破现有技术手段的局限性，实现范围大、效率高、检测准、无死角的检测效果，是未来替代人工检测的一种新的补充手段。

2.1 无人机巡检检测流程设计

航空器损伤的形态及类别相当复杂，既有常见的已知类别的损伤样本，也存在部分损伤类别样本极少甚至缺失的情况。考虑到航空器无人机巡检的要求，如何从复杂背景中准确地识别少样本甚至零样本航空器损伤（可能是很细小的目标），是航空器无人机巡检的重点及难点工作。

如图1所示，航空器无人机巡检一般涵盖下面几个重要节点和程序。

第一步：需对航空器划分测区，进行激光雷达扫描，生成航空器三维模型；

第二步：以航空器三维模型为基础，设置关键扫描点，自动生成精细化巡检航线，可以保证预设高精度图像采集和采集点位的一致性；

第三步：将精细化巡检航线导入无人机，搭载载荷一键起飞，自动化巡检，获取可见光和点云数据；配合无人机指挥保障系统，可以实现不同环境下高频次、全自主经常巡检和定期巡检；

第四步：对可见光和点云数据进行分析，生成民航航空器状态评定记录；

第五步：对分析数据进行归类整理，建立民航航空器的全寿命健康数据管理记录，形成合理的检查周期和标准的“经常、定期”检查方案。

2.2 航空器智能识别算法应用分析

上述第四步对可见光和点云数据分析、生成民航航空器状态评定记录是航空器无人机巡检的关键核心技术和技术难点。目前，主流的深度学习算法需要大量样本数据集进行训练才能取得比较好的结果，项目早期存在样本不足的问题。为此，拟首先采用传统模型驱动的识别算法，对可能的损伤目标进行识别和初筛，再对初筛得到的疑似区域以人机交互的方式进行人工复检，去除识别错误的损伤，这样既能大大减小人工的工作量，又能实现全覆盖检测。在进行上述检测的同时积累损伤数据图片，当数据集充分时即可建立深度学习模型进行训练，实现更好更快的智能损伤识别算法。

综上分析，为了克服初期损伤样本少和图像干扰强的双重影响，民航航空器无人机巡检项目拟采用以“模型+数据”驱动的航空器损伤智能识别算法，算法整体结构如图2所示。

拟采用的航空器损伤智能识别算法包括兩个阶段：基于模型驱动的损伤识别阶段和基于模型及数据融合的损伤识别阶段。

1）基于模型驱动的损伤识别阶段

首先，基于可见光相机和激光雷达，分别采集彩色图像和三维点云，将两类数据进行空间及时间上的像素级对齐配准；然后，分析不同类型表观损伤的发生机理、空间分布特性、图像特征和形态几何特征，分别提取典型损伤的时频空间纹理特征和几何特征；最后，构建融合纹理特征和几何特征的航空器损伤模型，基于该模型实现候选损伤区域的识别。该阶段中，由于图像数据中存在大量噪声干扰，检测结果不可避免地存在错检。为此，设计人机交互模式，通过人工核查的方式对该阶段发现的可疑目标进行确认。经过确认的损伤不仅能够作为检测结果直接应用，还将作为样本数据进行积累，用于第二阶段中深度学习模型的训练。

2）基于模型及数据融合的损伤识别阶段

首先，构建航空器损伤图像的模拟样本库和真实样本库，其中，模拟样本库通过对抗生成网络构建，真实样本库通过人工标注和第一阶段人工核查确认两种途径不断积累损伤图像样本；然后，构建卷积神经网络模型，通过从第一阶段建立的损伤检测模型中提取损伤先验知识，结合先验知识与小样本、弱监督学习，实现融合先验知识与模拟样本数据的卷积神经网络模型训练；在此基础上，利用不断扩增的真实样本库，将损伤识别能力从模拟样本迁移到真实样本，获得基于数据驱动的检测结果；最后，将模型驱动检测结果与数据驱动检测结果进行目标级融合，从而完成最终的航空器损伤识别任务。

拟采用方案的优点包括：不需要前期漫长的数据积累，在早期缺乏有效样本的阶段，以模型驱动方式提取可疑目标，并通过人机交互方式实现检测结果的核查，在有效降低工作量的同时保证识别准确性；使用过程中数据样本不断增加，算法的识别精度也将随之提升。

2.3 建立航空器检测体系

通过可见光数据和激光点云，分析生成航空器巡检报告，通过无人机巡检及时发现故障隐患，有效提高了航空器运行状态的可靠性，同时，通过持续的信息监控，建立航空器的科学管理体系。

1）提升航空器检查和监控能力。监测和监控是航空器日常维护的“眼睛”，只有对航空器的各部件的运行状态进行全面、合理的监控，才能及时了解航空器及部件的状况，从而对航空器进行综合评估。重点是做好关键部件的状态监测。

2）积累数据分析和问题判别的经验。在日常维护中注重经验的积累，做好数据的收集和分析过程的记录，将设备问题与解决方案进行系统的对比，积累经验。

3）建立科学的维护管理体系。深化运维计划的管理，支撑合理的维护周期和标准的维护方案，并根据实际情况对不同机型航空器制定差异化的维护计划，同时强化维护过程管理，保障和提高维护质量。

3 结束语

本文探讨了通过内置航空器损伤智能识别算法的无人机巡检技术对航空器实施探测的一种理论方法，其中具体细节仍有待实现和标准化，如无人机自主飞行、无人机航线定位、无人机探测航线的确立、激光雷达三维建模等。利用无人机巡检技术实施航空器损伤检测仍处于探索研究阶段，本文提出的方法可为未来各航空公司、飞机制造商建立更完善更有效的无人机巡检损伤探测方法提供初步的解决方案及设计思路。

参考文献

[1]谢小荣，杨小林. 飞机损伤检测[M].北京：航空工业出版社，2006.

[2]民航无损检测人员资格鉴定与认证委员. 航空器无损检测综合知识[M].北京：中国民航出版社，2009.

作者简介

占锦文，资深工程师，主要从事航空机械领域工程技术管理、可靠性分析、技术支援等工作。

任明翔，工程师，主要从事航空电子及机载信息领域工程技术管理、机载软件客户化、可靠性分析、技术支援等工作。