一种基于YOLO的飞机油箱多余物自动检测方法

本发明涉及图像处理，尤其涉及一种基于yolo(you only look once)的飞机油箱多余物自动检测方法。

背景技术：

1、在飞机部件的检修过程中会产生各类切屑、铆钉等多余物，这些多余物如果不及时清除，将严重影响飞机的正常使用，增加事故的发生风险，因此飞机多余物的清除工作非常重要。飞机的内部多余物清除是一项任务量大、要求精度高的工作，而在航空部件的密闭、狭小、复杂的空间内，多余物具有体积小、形状非规则、散落位置随机等特点，清除工作非常困难，传统的手工清除无法满足飞机检修维护对精度和效率的要求。

2、目前针对如何从飞机油箱图像数据中高效准确地检测出多余物这一问题，还没有有效的解决方案，因此需要开发一种先进的自动化检测清除技术，以提高飞机检修维护质量。

技术实现思路

1、本发明的目的是提供一种基于yolo的飞机油箱多余物自动检测方法，该方法利用yolo目标检测算法对飞机油箱内部进行自动检测，能够高效、准确地检测出油箱内部的多余物，提升了飞机油箱的安全性和可靠性，从而提高了工作效率。

2、本发明的目的是通过以下技术方案实现的：

3、一种基于yolo的飞机油箱多余物自动检测方法，所述方法包括：

4、步骤1、通过臂机器人将双目内窥相机挂载后，放入飞机油箱内部进行定点拍摄，采集得到飞机油箱内部多余物的图像数据集，并标注所得到的图像数据集；

5、步骤2、对采集的图像数据集进行预处理，预处理过程包括图像的大小调整、数据划分、图像数据的清洗和图片数据增强；

6、步骤3、然后构建适用于飞机油箱内部多余物检测的神经网络模型，并设计神经网络模型的损失函数；

7、步骤4、使用步骤2预处理后的图像数据对所构建的神经网络模型进行训练，并根据训练结果和测试结果对神经网络模型进行优化；

8、步骤5、使用步骤4训练并优化好的神经网络模型对实际采集到的目标图像集进行检测，实现飞机油箱多余物的自动检测。

9、由上述本发明提供的技术方案可以看出，上述方法利用yolo目标检测算法对飞机油箱内部进行自动检测，能够高效、准确地检测出油箱内部的多余物，提升了飞机油箱的安全性和可靠性，从而提高了工作效率。

技术特征：

1.一种基于yolo的飞机油箱多余物自动检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述基于yolo的飞机油箱多余物自动检测方法，其特征在于，在步骤1中，在利用双目内窥相机进行拍摄前，需要对所述双目内窥相机进行标定，具体过程为：

3.根据权利要求1所述基于yolo的飞机油箱多余物自动检测方法，其特征在于，在步骤1中，所采集的图像数据集包括不同角度、不同距离、不同密集度和不同种类的多余物图像，并在拍摄完后删除图像数据集中受到损坏或图像模糊的无效图像；

4.根据权利要求1所述基于yolo的飞机油箱多余物自动检测方法，其特征在于，在步骤2中，对采集的图像数据集进行预处理的过程具体为：

5.根据权利要求1所述基于yolo的飞机油箱多余物自动检测方法，其特征在于，在步骤3中，具体是构建yolo v5神经网络模型对飞机油箱内部多余物进行检测；

6.根据权利要求4所述基于yolo的飞机油箱多余物自动检测方法，其特征在于，所述步骤4的过程具体为：

7.根据权利要求6所述基于yolo的飞机油箱多余物自动检测方法，其特征在于，所述通过训练集目标检测真实值和目标检测预测值计算损失函数值，根据损失函数值对网络模型参数进行更新的过程具体为：

8.根据权利要求1所述基于yolo的飞机油箱多余物自动检测方法，其特征在于，在步骤5中，基于优化好的神经网络模型，输入数据是实际采集到的目标图像集；输出的检测结果包括：

技术总结
本发明公开了一种基于YOLO的飞机油箱多余物自动检测方法，通过臂机器人将双目内窥相机挂载后，放入飞机油箱内部进行定点拍摄，采集得到飞机油箱内部多余物的图像数据集；对采集的图像数据集进行预处理；然后构建适用于飞机油箱内部多余物检测的神经网络模型；使用预处理后的图像数据对所构建的神经网络模型进行训练，并根据训练结果和测试结果对神经网络模型进行优化；使用训练并优化好的神经网络模型对实际采集到的目标图像集进行检测，实现飞机油箱多余物的自动检测。上述方法利用YOLO目标检测算法对飞机油箱内部进行自动检测，能够高效、准确地检测出油箱内部的多余物，提升了飞机油箱的安全性和可靠性，从而提高了工作效率。

技术研发人员：关少亚,曹建树,欧阳辰,冯倩,邓志行,马丽梅,管伟博
受保护的技术使用者：北京石油化工学院
技术研发日：
技术公布日：2024/2/29