1.本发明涉及飞机航线运维行业，具体而言，涉及一种基于孔探图像实时分析的飞机引擎缺陷识别系统。
背景技术：
2.目前飞机引擎维修检查采用孔探仪的内窥相机和显示屏，全程人工目视观察，逐一检查飞机引擎内部不同区域的设备部件，如燃烧室、压气机、高低压涡轮等是否存在裂纹、凹坑、烧伤、缺口、变形、腐蚀、材料丢失等缺陷。由于需要检查的设备部件外观相近，部分缺陷表现不明显，因此目视人工检查方法存在漏检以及无法实时跟踪缺陷变化趋势的问题，从而存在飞行安全风险隐患。
3.本发明的一种基于孔探图像实时分析的飞机引擎缺陷识别系统，为维修检查人员提供飞机引擎内部结构部件的孔探图像实时分析和缺陷自动识别，语音播报提醒避免人为漏检；能整合飞机引擎基础数据库和缺陷分类特征数据库，通过神经网络识别分析算法实现缺陷的快速定位、标签记录和分类判定，提高了工作效率和质量，减免安全风险隐患，提升了飞机引擎运维数据的综合管理能力。
技术实现要素：
4.为了克服上述问题或者至少部分地解决上述问题，本发明实施例提供了一种基于孔探图像实时分析的飞机引擎缺陷识别系统。
5.本发明的实施例是这样实现的：
6.一种基于孔探图像实时分析的飞机引擎缺陷识别系统，包括：孔探视频采集模块，所述孔探视频采集模块用于在飞机引擎孔探维修检查作业过程中，实时采集飞机引擎内部设备部件结构的视频图像，并实时传送至图像处理引擎；图像处理引擎，所述图像处理引擎用于加工、存储和分析孔探视频采集模块传送的视频图像，自动实时识别出视频图像中的飞机引擎内部设备部件结构的裂纹、凹坑、烧伤、缺口、变形、腐蚀、材料丢失等缺陷，语音播报提醒，并将缺陷识别结果实时传送至数据后台；数据后台，所述数据后台用于将图像处理引擎所发现的缺陷识别结果，与飞机引擎缺陷索引数据库中的记录进行匹对，确认并记录识别的缺陷以及变化趋势。
7.在本发明的一些实施例中，一种基于孔探图像实时分析的飞机引擎缺陷识别系统，所述孔探视频采集模块用于获取飞机引擎内窥维修检查的实时视频流图像，将视频图像进行实时压缩编码和格式转换，并提取出每帧的视频截图传送给图像处理引擎。
8.在本发明的一些实施例中，一种基于孔探图像实时分析的飞机引擎缺陷识别系统，所述图像处理引擎基于神经网络图像识别分析算法，用预先训练好的神经网络模型，对输入的视频流mjepg连续帧截图进行特征匹配识别判定，实时输出缺陷识别结果。
9.在本发明的一些实施例中，一种基于孔探图像实时分析的飞机引擎缺陷识别系统，所述预先训练好的神经网络模型至少包括部件分类识别模型和缺陷目标检测模型，所
述部件分类识别模型至少包括燃烧室、压气机、高低压涡轮等飞机引擎部件的类型识别；所述缺陷目标检测模型至少包括裂纹、凹坑、烧伤、缺口、变形、腐蚀、材料丢失等缺陷的检测定位；
10.在本发明的一些实施例中，一种基于孔探图像实时分析的飞机引擎缺陷识别系统，所述图像处理引擎中的缺陷识别结果，至少包括飞机引擎编号、引擎设备部件名称、缺陷分类名称、缺陷位置、带缺陷定位标签的视频截图图像、时间戳和文字标注信息。
11.在本发明的一些实施例中，一种基于孔探图像实时分析的飞机引擎缺陷识别系统，所述数据后台，统一整合数据，建立飞机引擎基础数据库和缺陷索引数据库，缺陷索引数据库至少包括飞机引擎编号、缺陷分类和等级、缺陷所属飞机引擎设备部件名称和位置、缺陷定位图像、缺陷标记起止时间等。
12.本发明的一些实施例至少具有如下优点或有益效果：
13.1.本发明系统利用神经网络图像识别的技术，实现自动实时识别飞机引擎孔探维修检查作业过程中的缺陷故障，并全程语音即时提醒，提高了飞机引擎部件缺陷的识别率，极大降低了人工识别的错误率和漏检率。
14.2.本发明系统实现飞机引擎设备部件缺陷的视频图像数据的检索查询，能够快速查看故障缺陷的历史记录，及时区分新旧缺陷，避免缺陷重复检查确认，节省大量工时，极大的提高了维修检查工作效率。
15.3.本发明系统提升了数据管理能力，统一整合飞机引擎运维数据，建立飞机引擎基础数据库和缺陷索引数据库，实现航线运维的大数据跟踪分析，极大的减免飞行安全事故隐患。
16.4.本发明系统实现对飞机引擎部件缺陷状态的实时追踪监控，自动学习积累缺陷特征数据库，对缺陷进行精准识别和快速验证，促进航线运维领域智能维修技术的应用发展。
附图说明
17.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅识出了本发明的某些实施，因此不应被看做是对范围的限定，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
18.图1是本发明一种基于孔探图像实时分析的飞机引擎缺陷识别系统的结构图；
具体实施方式
19.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
20.因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范
围。
21.下面结合附图，对本技术的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
22.实施例
23.请参照图1，本实施例提供一种基于孔探图像实时分析的飞机引擎缺陷识别系统，包括：
24.孔探视频采集模块，孔探视频采集模块用于实时采集飞机引擎孔探检查作业过程中的燃烧室、压气机、高低压涡轮等设备部件视频影像，通过孔探仪dp数据接口将视频影像的每帧截图画面数据进行h.265压缩编码为分辨率1920*1080、60帧的高清视频，以及按otg传输协议格式将连续帧截图实时传送至图像处理引擎；本发明采用孔探仪和dp实时视频采集器，由维修人员在作业过程中使用。
25.图像处理引擎，连接孔探视频采集模块获取实时视频流mjepg连续帧截图，基于神经网络图像识别分析算法，用预先训练好的神经网络模型，对输入图像信息的同步进行识别判定；其中预先训练好的神经网络模型包括部件分类识别模型和缺陷目标检测模型，所述部件分类识别模型至少包括燃烧室、压气机、高低压涡轮等飞机引擎部件的类型识别，通过不少于连续100帧图像画面的分类识别率平均超过0.95的方式进行识别判定，确定当前所检查的飞机引擎设备部件类型和区域位置；所述缺陷目标检测模型至少包括裂纹、凹坑、烧伤、缺口、变形、腐蚀、材料丢失等缺陷的检测定位，通过扫描每帧图像画面中的飞机引擎设备部件的图像区域，识别判定可能存在的缺陷，当出现连续10帧图像画面检测出目标缺陷的概率超过0.95，则对图像进行目标缺陷定位红框标记；结合已识别的飞机引擎设备部件分类信息输出缺陷识别结果，即时语音播报提醒并将缺陷识别结果实时传送至数据后台；所述缺陷识别结果至少包括飞机引擎编号、飞机引擎设备部件名称、缺陷分类名称、缺陷位置、带缺陷定位标签的视频截图图像、时间戳和文字标注信息；本发明采用高配显卡的笔记本电脑，实现神经网络识别分析算法和gpu实时图像处理计算。
26.数据后台，连接图像处理引擎实时获取缺陷识别结果，与飞机引擎缺陷索引数据库中的记录进行匹对，确认并记录识别的缺陷和变化趋势。并迭代更新飞机引擎缺陷索引数据库中的数据记录，实现飞机引擎维修检查的缺陷记录、历史数据检索和跟踪分析；缺陷索引数据库至少包括飞机引擎编号、缺陷分类和等级、缺陷所属飞机引擎设备部件名称和位置、缺陷定位图像、缺陷标记起止时间等；本发明采用云服务器，通过网络和图像处理引擎远程连接，实现远程实时跟踪飞机引擎维修检查过程中所发现的缺陷，及时查询判定缺陷类型和辅助指导排故作业，以及大数据分析历史缺陷信息数据。
27.进一步的，系统利用神经网络图像识别的技术，实现自动实时识别飞机引擎孔探维修检查作业过程中的设备部件缺陷，并全程语音即时提醒，提高了飞机部件缺陷的识别率，极大降低了人工识别的错误率和漏检率。
28.进一步的，系统实现飞机引擎设备部件缺陷的视频图像数据的检索查询，能够快速查看故障缺陷的历史记录，及时区分新旧缺陷，避免缺陷重复检查确认，节省大量工时，极大的提高了维修检查工作效率。
29.进一步的，系统提升了数据管理能力，统一整合飞机引擎运维数据，建立飞机引擎基础数据库和缺陷索引数据库，实现航线运维的大数据跟踪分析，极大的减免飞行安全事
故隐患。。
30.进一步的，系统实现对飞机引擎部件缺陷状态的实时追踪监控，自动学习积累缺陷特征数据库，对缺陷进行精准识别和快速验证，促进航线运维领域智能维修技术的应用发展。
31.以上仅为本发明的优选实施方式而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替代、改进等，均应包括在本发明的保护范围之内。
32.对于本领域技术人员而言，显然本技术不限于上述示范性实施例的细节，而且在不背离本技术的精神或基本特征的情况下，能够以其他的具体形式实现本技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本技术内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。