机器视觉技术在飞机蒙皮损伤检测中的应用

张珂 罗文田

摘 要：机器视觉技术已被广泛应用于农业、工业等各个领域，成为实现生产自动化与智能化的关键技术之一。但在民航领域针对机器视觉技术的应用案例较少，因此深入研究机器视觉技术对于提高我国民航业的综合竞争力具有重要意义。对机器视觉技术的发展历程及应用现状进行简述，通过分析机器视觉技术在飞机蒙皮损伤检测中的工作原理，突出了机器视觉技术在飞机蒙皮损伤检测中的优势，最后对其发展前景进行了展望。

关键词：机器视觉;飞机蒙皮;损伤检测

DOI：10. 11907/rjdk. 191060 开放科学（资源服务）标识码（OSID）：

中图分类号：TP319文献标识码：A 文章编号：1672-7800（2019）009-0154-04

Application of Machine Vision Technology in Aircraft Skin Damage Detection

ZHANG Ke，LUO Wen-tian

（School of Aeronautical Engineering，Civil Aviation Flight University of China，Guanghan 618307，China）

Abstract：Machine vision technology has been widely used in various fields such as agriculture and industry， and has become one of the key technologies for automation and intelligence.As a special field integrating advanced technology， civil aviation has few cases of application of machine vision technology. Therefore， understanding and researching machine vision technology is of great significance for improving the comprehensive competitiveness of China's civil aviation industry.In this paper， the development history and application status of machine vision technology are briefly described. By analyzing the working principle and research status of machine vision technology in aircraft skin damage detection， the advantages of machine vision technology in aircraft skin damage detection are highlighted. Finally， the development prospects are described.

Key Words：machine vision;aircraft skin;damage detection

0 引言

近年來，随着大数据、云计算及深度学习技术的快速发展，人工智能迎来了第三次发展高峰[1]。机器视觉技术作为人工智能领域的一个分支，已成为各大高校及科研机构的重点研究方向之一。机器视觉是一门涉及计算机科学、模式识别、图像处理、神经生物学等多领域的交叉学科，其本质是利用机器模拟人的视觉行为，从而完成各种测量与判断工作[2]。飞机蒙皮作为机体的重要构件，不仅要维持飞机的气动外形，还要克服飞机飞行中承受的各种空气阻力。由于恶劣的飞行环境极易造成蒙皮结构损伤，严重影响飞机飞行安全，所以对飞机蒙皮进行检测是工作人员的重要任务之一。

传统飞机蒙皮损伤检测方法主要有目视检测、超声波检测、渗透检测与涡流检测等，但这些传统检测方法各自都存在着不足，例如：工作效率低下、检测成本较高、检测工艺繁琐等，给检测工作带来许多不便。基于机器视觉技术的检测方法不但提高了微小损伤的检测识别率，也摆脱了单纯依靠经验判断损伤造成的人为差错。目前基于机器视觉的飞机蒙皮损伤检测装置主要包括无人机检测系统、爬壁机器人检测系统与地面机器人检测系统3大类。相关研究工作虽然取得了大量成果，但是根据公开资料显示，目前尚没有应用于飞机蒙皮实际检测工作的案例。随着机器视觉技术的不断发展，可以预见基于机器视觉技术的飞机蒙皮检测方法将会成为未来民航领域的主要检测方法之一。

1 机器视觉技术发展与应用

1.1 机器视觉技术发展

机器视觉（Machine Vision）是利用图像采集装置代替人眼对目标对象的图像信息进行采集，然后利用图像处理系统代替人类神经系统对视觉信息进行处理与传输，最后利用计算机综合分析系统代替人脑视觉中枢，对视觉信息进行分析与判断，进而根据输出的判断结果驱动执行机构完成现场作业[3]。具体工作原理如图1所示。

机器视觉起源于20世纪50年代对模式识别的研究，但当时工作主要针对二维图像分析与识别。针对机器视觉相关技术的探索开始于20世纪60年代中期，美国学者Roberts研究了理解多面体组成的“积木世界”，该项成果开创了以理解三维场景为目的的三维视觉研究;20世纪70年代，机器视觉得到了初步发展，麻省理工学院（Massachusetts Institute of Technology，MIT）人工智能（Artificial Intelligence，AI）实验室正式开设“机器视觉”课程;1977年，David Marr教授在MITAI实验室领导的研究小组，提出不同于“积木世界”分析方法的Marr视觉理论;进入80年代之后，机器视觉进入蓬勃发展时期，并掀起了全球性的研究热潮，诞生了很多新的研究方法和理论，众多学者也对Marr视觉理论进行了完善与补充[4];到了90年代，机器视觉理论在进一步发展的同时，也开始广泛应用于工业领域;21世纪之后，机器视觉技术已大规模应用于各个领域。

在国内，机器视觉研究开始于20世纪80年代，当时仅在大学与研究所中有一些关于图像处理与模式识别研究的实验室;90年代初，部分研究所的工程师成立了自己的视觉公司，并开发了第一代图像处理产品，但仅能进行一些基本的图像处理及分析工作;90年代末开始，越来越多机器视觉设备被引入中国，但主要以代理国外产品为主，具备自主知识产权的机器视觉设备数量几乎为零;2003年以后，国内某些大学与研究所开始开展相关领域研究，并取得了阶段性成果。虽然近年来，我国视觉研究发展迅速，但与国外相比仍存在很大差距。

1.2 机器视觉技术应用

机器视觉技术因其具有便利性、高效性及非接触性等优点被广泛应用于各个领域，主要包括：

（1）农业。机器视觉技术在农业上的应用较早，主要是对农产品或农作物外观进行判断，包括农产品品质检测、植物种类鉴别等，从而极大提高了生产效率，节约了劳动成本，实现了农业生产的自动化与智能化[5]。

（2）工业。机器视觉技术已成功应用于工业领域的各个方面，例如汽车、电子、机械、印刷、运输、纺织等，其应用大致可分为自动检测、智能装配及视觉伺服系统3个方向[6]。机器视觉技术的应用可提高检测精度，解决工作中因人为因素造成的各种问题。

（3）医学。机器视觉在医学領域的应用已从传统的药品包装、药瓶等检测过渡到对生物芯片的检测，还被应用于医疗器械生产、红细胞变形性测量[7]等。

2 机器视觉技术在飞机蒙皮损伤检测中的应用

2.1 传统飞机蒙皮损伤检测方法

定期对服役的民用飞机进行安全性检测，是保证飞机安全运营的重要手段。目前国际上常用的检测方法分为目视检测与无损检测。

（1）目视检测：利用手电筒、放大镜、量尺等简单工具，按照标准检查程序对蒙皮表面进行检测并判断各类损伤[8]。当前阶段的飞机蒙皮检测工作大部分是通过目视检测完成的，该方法虽然方便、经济，但缺点也较为明显，如检查结果受人为因素影响较大、工作效率低下、只能局限于检测较大损伤等。

（2）无损检测：在不损害蒙皮材料及性能的前提下，通过各种技术手段探测蒙皮表面各类损伤[9]。用于检测蒙皮表面的无损检测技术有超声波检测、渗透检测、涡流检测等。无损检测方法可靠性高、诊断速度快，但每种无损检测方法也各自存在一些不足，例如超声波检测存在检测盲区，渗透检测操作工艺繁琐等。但作为一种先进的检测技术，技术人员也在对该方法不断进行研究与完善。

2.2 机器视觉技术对飞机蒙皮损伤检测工作原理

机器视觉检测严格来说属于无损检测的一种，但与一般无损检测方法差别较大的地方在于机器视觉可以实现自动检测。机器视觉检测系统主要包括图像采集模块、无线通讯模块、图像处理模块、智能决策模块等。其具体工作过程为：当系统工作时，将携带图像采集模块的爬壁机器人或机械臂等装置吸附或靠近蒙皮表面，通过地面计算机发送指令控制机器装置按照规划的路线运动，在运动的同时，其携带的图像采集模块开始对飞机蒙皮进行实时图像采集，然后通过无线传输模块将其传回给地面计算机，通过图像处理器对图像进行预处理、特征提取及分类识别，最后工作人员根据识别结果对损伤作出判断并完成后续工作[10]。

由于在对飞机蒙皮进行检测时，工作环境较为恶劣，检测难度较大，所以需要机器视觉检测系统各模块工作时具有较高的稳定性与可靠性。为了满足各模块的工作要求，需要考虑的内容包括：

（1）图像采集模块。电荷耦合器（CCD）是一种将光学影像转换成数字信号的半导体装置[11]。选择CCD型号需要衡量的指标包括：分辨度、灵敏度、信噪比、CCD尺寸、光圈及暗电流等[12]。

（2）无线通讯模块。图像无线传输包括模拟量传输与数字量传输两类。其中，数字量传输稳定性较好、抗干扰能力强[13]，可以很好地满足检测要求。

（3）图像处理模块。图像采集卡是控制摄像机拍照，并对图像进行采样、量化等操作的设备。在对采集卡进行信号选择时，要考虑摄像机前端数据图像采集卡的后端数据与PCI总线接口是否匹配[14]。

2.3 基于机器视觉的飞机蒙皮损伤检测优势

与传统飞机蒙皮检测方法相比，基于机器视觉的检测方法优势较为明显。主要表现为：

（1）由于其主要是将机器装置贴附于蒙皮表面进行检测，所以对蒙皮材料的工作性能没有任何损害。

（2）传统检测方法中的大部分工作仍然需要人工完成，例如：手动改变检测装置的检测位置、通过图像人为判断损伤情况等，而利用机器视觉方法，工作人员通过操控计算机即可完成检测，从而节省了大量人工成本，提高了检测准确率，也避免了人为因素造成的误判。

（3）飞机蒙皮检测面积大，危险检测点较多，对检测人员存在一定的安全威胁，而利用机器视觉装置可以摆脱外界复杂环境的限制，既保证了工作人员生命安全，也可以实现对飞机蒙皮的全面检测，消除检测盲点。

2.4 基于机器视觉的飞机蒙皮损伤检测装置研究现状

基于机器视觉的飞机蒙皮检测装置主要以无人机或机器人为载体完成检测工作，本文搜集了最新研发的检测系统，包括以下3类：

（1）无人机检测系统。空客与其子公司Testia合作开发的新型无人机检测系统，主要用于机库内的飞机机身检测，操作简单，且不需要重复飞行，如图2所示。无人机配备了激光传感器，可实现全自动化飞行，其能够检测障碍物并在必要时停止检测;根据预设的飞行路线，携带摄像头进行飞机结构拍摄，无人机内部设有故障检测仪与抗震系统，只需要30分钟即可获得飞机的整机图像;将图像上传至电脑的飞机检测分析软件，通过与原始图像对比以识别有问题的位置，从而完成全套检测并自动生成报告，整个过程仅需要3小时。

无人机作为信息时代一种有着高技术含量的设备，被广泛应用于军事、农业、工程等各个领域。在未来的民航领域，无人机也将得到有效利用，例如机场驱鸟[15]、民用机场助航灯光飞行校验[16]、机身检测等。其中，机身检测是无人机的一个重要应用方向，国内很多学者也进行了相关研究，如魏永超等[17]研究的基于无人机的飞机机身快速检测系统等。虽然国内外针对无人机在民航领域的应用进行了大量研究，但无人机尚有两个问题亟待解决：一是容易对飞机自动导航系统造成信号干扰，二是容易失控，使飞机有被撞击的风险。

（2）地面机器人检测系统。由中智科创机器人有限公司与武汉中新红外科技有限公司合作开发的国内第一款航空检测机器人CobotAI-A2，是一款集红外智能检测、光学视频检测与人工智能检测于一体的航空检测装置，其自主导航技术定位精度非常高，利用最先进的热成像检测专有技术和高分辨率光学视频技术，在飞机起飞前及着陆后进行常规绕机检查，并能够进行蒙皮缺陷检测，快速定位缺陷位置。

该款航空检测机器人虽然产品优势明显，但由于机器人是通过在地面滑动完成扫描工作，所以较难实现对机身顶端曲面部分的扫描，研发人员需要进一步增强执行机构的灵活性。因此，地面机器人检测系统除需要具备先进的检测手段外，还需要克服机身复杂曲面的问题。

（3）爬壁机器人检测系统。这是目前研究最多的一种基于机器人的机身检测方法，可在一定程度上降低漏检率。其工作流程为：工作人员将其吸附在机身表面，通过地面人员的远程控制或预先设定的规划路线对机身表面进行检测。

美国是最早研究用于机身检测的爬壁机器人的国家，从1988年即开始了相关研究，美国威奇塔州立大学的Benham Bahr教授首先提出飞机表面无人检测机器人的构想，并陆续研发了ROSTAM 系列的爬壁机器人;1997年，美国的AutoCrawler LLC公司研制出一款利用真空吸附的履带式爬壁机器人[18]，但该机器人在机身表面移动过程中会损害蒙皮特性，不能用于实际检测;之后，美国的卡耐基梅隆大学又研发了Automated NonDestructive Inspector[19]、Multifunction Automated Crawling System Ⅰ-Ⅲ[20]系列等多款爬壁式机器人，但这些机器人存在移动中位置会发生巨大变化的问题，仅能用于飞机顶部检测。除美国外，新加坡、日本也陆续开展了用于飞机蒙皮检测的爬壁机器人研究[21]。在国内，某些大学也进行了相关研究，并取得了一定成果。但公开资料显示，目前国内外仍没有使用爬壁机器人进行飞机蒙皮检测的实际案例。

除以上3类机身检测系统外，还有“洗车台”式、车载升降台式以及机械臂式等检测系统，但这些检测系统体积庞大、检测程序复杂，且容易损坏机身，仅适用于某些特殊情况。因此，为了提高机身检测质量，研究人员需要投入更多精力在无人机或小型机器人研究中。

3 发展前景

随着全球航空业对机械自动化与智能化的要求越来越高，机器视觉系统凭借其高效、精确的特点受到越来越多国家关注，而质量检测作为机器视觉系统的主要应用之一，在未来是其重要发展方向。

在飞机蒙皮检测方面，开发一种新的检测技术并加以实际应用，是一个极其漫长且曲折的过程。但近年来机器视觉在工业检测方面的技术已趋于成熟，并得到了广泛应用，基于机器视觉的飞机蒙皮检测技术也在研究中取得了很多成果，相信在不久的将来，基于机器视觉的飞机蒙皮检测技术将被广泛应用于实际飞机检测工作中。

4 结语

本文从多方面介绍了机器视觉技术发展历程及实际应用情况，并简述了机器视觉在飞机蒙皮检测中的工作原理及研究现状。研究发现，机器视觉技术虽然优势明显，近年来在各领域的应用也较为成熟，但要真正实现机器视觉在蒙皮检测中的应用，需要研究一种类似无人机与机器人的可装载机器视觉设备的装置，既要考虑蒙皮材料的特性，还要考虑如何避免由于检测工作造成的二次损害，因而成为基于机器视觉的飞机蒙皮检测系统较难应用于实际工作中的最大难题，有待后续作进一步研究。

参考文献：

[1] 王德生.全球人工智能发展动态[J]. 竞争情报，2017，13（4）：49-56.

[2] 卞正岗. 机器视觉技术的发展[J]. 中国仪器仪表，2015（6）：40-42，65.

[3] 张红霞，刘义才. 机器视觉技术的应用研究[J]. 电子世界，2013（17）：106.

[4] 胥磊. 机器视觉技术的发展现状与展望[J]. 设备管理与维修，2016（9）：7-9.

[5] 刁智华，王会丹，魏伟. 机器视觉在农业生产中的应用研究[J]. 农机化研究， 2014（3）：206-211.

[6] 章炜. 机器视觉技术发展及其工业应用[J]. 红外，2006（2）：11-17.

[7] 侯建勋，申世铉. 基于微流控和机器视觉的红细胞变形性测量系统[J]. 中国医疗器械杂志， 2016， 40（3）：173-175.

[8] 李国华，吴淼. 现代无损检测与评价[M]. 北京：化学工业出版社，2009.

[9] 马作江，高峰，刘乃刚. 无损检测技术在航空维修中的应用[J]. 黑龙江科学， 2015（7）：156-156.

[10] 王昊. 基于机器视觉的飞机蒙皮损伤检测与寿命分析方法[D]. 南京：南京航空航天大学， 2013.

[11] KEVIN S. 放大了1000倍的电荷耦合器（CCD）[J]. 飞碟探索， 2017（5）：4.

[12] 秦襄培，郑贤中.  MATLAB图像处理宝典[M]. 北京：电子工业出版社，2011：50-53.

[13] 樊湄筑. 机器人视觉临场感及遥控系统中的无线通信技术的研究[D]. 北京：北京交通大学，2007.

[14] 吴天华. 飞机蒙皮缺陷机器视觉检测技术研究[D]. 长春：长春工业大学，2015.

[15] 中国民商编辑部. 加拿大最大机场将启用仿鹰无人机驱赶鸟类[J]. 中国民商， 2017（6）：82-83.

[16] 熊杰，欧阳霆，魏刚，等. 一种基于无人机技术的民用机场助航灯光飞行校验方法[P]. CN201710020664.8， 2017-01-12.

[17] 魏永超，赵伟. 基于无人机的飞机机身快速检测系统[J]. 电子技术应用，2017，43（6）：122-125.

[18] HIROSE H S，KAZUYOSHI K. Ceiling walk of quadruped wall climbing robot NINJA-Ⅱ[C]. Clawar98 First I. International Symposium，1998：143-147.

[19] SIEGEL M， GUNATILAKE P， PODNAR G. Robotic assistants for aircraft inspectors[J]. IEEE Instrumentation and Measurement Magazine， 1998 （1）：16-30.

[20] BACKES P G， BAR-COHEN Y， JOFFE B. The multifunction automated crawling system （MACS）[C]. IEEE International Conference on Robotics & Automation， 1997.

[21] 王賢峰. 基于视觉和超声传感器信息融合的飞机蒙皮损伤识别[D]. 南京：南京航空航天大学，2012.

（责任编辑：黄 健）