一种面向飞行器结构疲劳试验的裂纹自动检测方法与流程

本申请属于结构健康监测领域，特别涉及一种面向飞行器结构疲劳试验的裂纹自动检测方法。

背景技术：

1、金属裂纹是航空结构的一种常见损伤形式。在航空结构疲劳试验过程中及时发现并预警损伤，能够暴露航空结构设计的薄弱环节，支撑结构强度和完整性评估，同时也为航空结构维修手册编写提供依据。

2、目前在飞机全尺寸疲劳试验中裂纹的检测手段主要包括目视检查、涡流和超声等，上述方法均对专家经验具有较强的依赖性，并且由于试验环境复杂、试验加载过程中检测风险大和有限空间操作困难等问题，裂纹检测存在人工成本高、耗时长、检测可靠性偏低等问题。因此，实现航空结构裂纹自动化、智能化的高可靠性检测是飞机全尺寸疲劳试验目前亟需解决的问题。

3、随着近十余年间机器人技术和人工智能技术的深入发展及其在民用领域的应用，机器视觉为飞机疲劳试验中的裂纹自动化检测提供了一条新的解决途径。通过高精度运动系统(如爬行机器人、机械臂)和工业摄像头获取检测部位的高清图像，再应用目标检测算法进行裂纹自动识别并执行损伤预警，可以大幅度降低人工在成本、实时性和危险性等方面的不利影响。

4、目前以faster-rcnn、yolo系列等为代表的深度学习目标检测算法，因具备快速、高准确率的优势，已被广泛应用于物体检测与分割。但是在飞行器结构疲劳试验中，由于环境的复杂性，检测区域内极易出现污损、划痕等与裂纹特征相似度较高的干扰，若直接使用现有算法进行裂纹检测，会存在较高的虚警率。

5、因此，希望有一种技术方案来克服或至少减轻现有技术的至少一个上述缺陷。

技术实现思路

1、本申请的目的是提供了一种面向飞行器结构疲劳试验的裂纹自动检测方法，以解决现有技术存在的至少一个问题。

2、本申请的技术方案是：

3、一种面向飞行器结构疲劳试验的裂纹自动检测方法，包括：

4、步骤一、确定待检测部位，进行疲劳试验，在相同考察工况下采集所述待检测部位的模板图像以及待检测图像，所述模板图像为无裂纹图像；

5、步骤二、采用裂纹目标分割算法对所述模板图像进行检测，确定所述模板图像中干扰项的端点坐标范围；

6、步骤三、采用裂纹目标分割算法对所述待检测图像进行检测，若检测到的裂纹位置与所述干扰项中任意一项重叠，则认为该裂纹为干扰，否则为真实裂纹，进行预警。

7、在本申请的至少一个实施例中，步骤一中，所述确定待检测部位，进行疲劳试验，在相同考察工况下采集所述待检测部位的模板图像以及待检测图像，包括：

8、s11、确定多个待检测部位，对所述待检测部位进行编号，并针对每个所述待检测部位确定对应的考察工况；

9、s12、通过试验机进行疲劳试验，当试验加载至考察工况时，通过疲劳试验控制系统自动保载，同时所述疲劳试验控制系统向图像采集系统发送控制指令，控制所述图像采集系统中的工业相机对各个待检测部位进行模板图像以及待检测图像采集。

10、在本申请的至少一个实施例中，s12中，同一待检测部位的模板图像和待检测图像是在不同时刻的同一考察工况下采集到的，其中，所述模板图像是在疲劳试验开始初期采集到的无裂纹图像，所述待检测图像是在后续疲劳试验过程中采集到的。

11、在本申请的至少一个实施例中，s12中，在试验运行的不同时段，针对每个检测部位采集a张模板图像，a的取值为10～15。

12、在本申请的至少一个实施例中，步骤二中，所述采用裂纹目标分割算法对所述模板图像进行检测，确定所述模板图像中干扰项的端点坐标范围，包括：

13、s21、采用裂纹目标分割算法对a张模板图像进行检测，并将不同模板图像中存在的同一个干扰项归为一类，若某干扰项仅在一张模板图像中被检测出，则将其单独作为一类；

14、s22、在待检测部位中选择一个关键结构作为模板图像的坐标原点，计算出每一类干扰项的端点坐标范围，形成干扰库。

15、在本申请的至少一个实施例中，步骤三中，所述采用裂纹目标分割算法对所述待检测图像进行检测，若检测到的裂纹位置与所述干扰项中任意一项重叠，则认为该裂纹为干扰，否则为真实裂纹，进行预警，包括：

16、s31、采用裂纹目标分割算法对所述待检测图像进行检测；

17、s32、定义所述待检测图像与所述模板图像的坐标原点相同；

18、s33、获取所述待检测图像中检测到的裂纹的两个端点，判断两个端点坐标是否均位于干扰项的端点坐标范围内，

19、若是，则将该检测到的裂纹标记为干扰，不预警；

20、若否，则将该检测到的裂纹标记为真实裂纹，进行预警。

21、在本申请的至少一个实施例中，还包括步骤四、在通过裂纹检测系统进行裂纹自动检测过程中，若系统自动预警的裂纹被人工鉴定为干扰，则将该干扰加入到干扰库，以避免后续持续误报。

22、发明至少存在以下有益技术效果：

23、本申请的面向飞行器结构疲劳试验的裂纹自动检测方法，以对比策略为基础，应用成熟目标分割算法替代目标检测算法，在检测裂纹“有、无”的同时获取裂纹端点的坐标信息，利用“干扰信息从试验初期就存在，而裂纹是后期产生”这一特点，通过无裂纹模板和实时检测图像的对比，发现裂纹并区分划痕、污损等干扰，降低虚警率，减小干扰因素对裂纹检测准确率的影响。

技术特征：

1.一种面向飞行器结构疲劳试验的裂纹自动检测方法，其特征在于，包括：

2.根据权利要求1所述的面向飞行器结构疲劳试验的裂纹自动检测方法，其特征在于，步骤一中，所述确定待检测部位，进行疲劳试验，在相同考察工况下采集所述待检测部位的模板图像以及待检测图像，包括：

3.根据权利要求2所述的面向飞行器结构疲劳试验的裂纹自动检测方法，其特征在于，s12中，同一待检测部位的模板图像和待检测图像是在不同时刻的同一考察工况下采集到的，其中，所述模板图像是在疲劳试验开始初期采集到的无裂纹图像，所述待检测图像是在后续疲劳试验过程中采集到的。

4.根据权利要求3所述的面向飞行器结构疲劳试验的裂纹自动检测方法，其特征在于，s12中，在试验运行的不同时段，针对每个检测部位采集a张模板图像，a的取值为10～15。

5.根据权利要求4所述的面向飞行器结构疲劳试验的裂纹自动检测方法，其特征在于，步骤二中，所述采用裂纹目标分割算法对所述模板图像进行检测，确定所述模板图像中干扰项的端点坐标范围，包括：

6.根据权利要求5所述的面向飞行器结构疲劳试验的裂纹自动检测方法，其特征在于，步骤三中，所述采用裂纹目标分割算法对所述待检测图像进行检测，若检测到的裂纹位置与所述干扰项中任意一项重叠，则认为该裂纹为干扰，否则为真实裂纹，进行预警，包括：

7.根据权利要求6所述的面向飞行器结构疲劳试验的裂纹自动检测方法，其特征在于，还包括步骤四、在通过裂纹检测系统进行裂纹自动检测过程中，若系统自动预警的裂纹被人工鉴定为干扰，则将该干扰加入到干扰库，以避免后续持续误报。

技术总结
本申请属于结构健康监测领域，特别涉及一种面向飞行器结构疲劳试验的裂纹自动检测方法。包括：步骤一、确定待检测部位，进行疲劳试验，在相同考察工况下采集所述待检测部位的模板图像以及待检测图像，所述模板图像为无裂纹图像；步骤二、采用裂纹目标分割算法对所述模板图像进行检测，确定所述模板图像中干扰项的端点坐标范围；步骤三、采用裂纹目标分割算法对所述待检测图像进行检测，若检测到的裂纹位置与所述干扰项中任意一项重叠，则认为该裂纹为干扰，否则为真实裂纹，进行预警。本申请通过无裂纹模板和实时检测图像的对比，发现裂纹并区分划痕、污损等干扰，降低虚警率，减小干扰因素对裂纹检测准确率的影响。

技术研发人员：吕帅帅,王彬文,杨宇,王叶子,郑建军
受保护的技术使用者：中国飞机强度研究所
技术研发日：
技术公布日：2024/1/13