案例简介

随着国产大飞机ARJ21、C919等型号研制推进，中国商飞北研中心承担的航空复合材料许用值试验和疲劳门槛值试验日趋加重，对试验件的无损检测和损伤检测需求逐渐增加。但是无损检测过程中缺陷评定对检测人员的专业知识有着很强的依赖性，同时人工缺陷评定过程速度慢，使其成为制约型号任务进度的瓶颈。

相关产品

PaddleSeg

场景分析

业务挑战

• 难点一：单试验件检测时间长30分钟。
• 难点二：检测数量大。单批次2000块以上，每年约3批次。通常单批次试验样件为2000块以上，单个试验件测试、评估并出具报告需20分钟以上，人工缺陷评定工时数超过1000小时。
• 难点三：要求高。检测人员需具备相应资质。
• 难点四：信息化程度低，容易造成人为疏忽。检测人员资质要求高，书写报告重复工作量大，而且人工评估过程时间占比达到77%，因此急需对评估时间进行缩短，提高检测效率。
• 难点五：设备开放程度低：优化流程困难大。

 

超声图像损伤检测示意图

 

业务抽象

复合材料通过自动化超声C扫设备获得反射波强度信号，通过RGB颜色表示信号强度，检测人员根据图像对损伤类型、位置、尺寸进行识别。对任务进行抽象，可判定为典型的计算机视觉任务，可采用目标检测或语义分割进行任务求解。

技术方案

针对深度学习落地中面临的问题，商飞北研中心找到了解决方案，就是使用百度飞桨PaddleSeg进行复合材料检测算法的开发，PaddleSeg可以通过数据增强、算法选择等技术很好地解决以上问题，有效的帮助传统行业的技术人员进行AI算法的开发。

第一阶段：数据采集、标注和增强

通过超声C扫对227块试验件进行扫描，获取超声图像，专业技术人员对图像进行标注，采用了矩形框及多边形框两种标注方式。

针对航空复合材料超声图像数据的特征，选择了左右翻转、上下翻转、变换长宽比、旋转、颜色空间扰动几种数据增强策略对训练数据进行扩充。

PaddleSeg配置示例非常简单，十行左右代码就完成了数据增强的配置，对于算法效果的提升也非常好，大概是IoU两三个点的增益。

 

第二阶段：模型选择

语义分割部分使用经典分割模型Unet，通过PaddleSeg进行训练及部署。

进入到网络训练阶段，商飞北研中心使用了COCO数据集的预训练模型，在复合材料检测数据集上进行微调，PaddleSeg提供了多种模型结构和丰富的预训练模型，像U-Net提供了COCO数据集上的预训练模型，Deeplabv3提供了Mobilenet、ResNet等骨干网络结构在Imagenet和COCO上的预训练模型。商飞测试了U-Net和Deeplabv3，两者效果差别不大，但U-Net训练及推理速度更快，最终选择U-Net进行部署上线。

第三阶段：算法效果

算法训练调优完成后，模型在验证集达到acc=0.9953，IoU=0.9596。

测试集推理结果示例

 

第四阶段：推理部署

根据单机部署需求，使用PaddleSeg的Python预测部署方案，将语义分割模型整合到超声检测流程中。

第五阶段：界面开发

根据超声检测流程需求，开发整合了截图、单图识别、多图批量识别等功能，简化超声检测流程，完成AI应用落地。

 

上线效果

流程完成了智能化改进后，全流程用时仅5.3分钟，检测工时减少71%，准确率提升至95%，单批次试验人工成本减少21.63万元，有效减少了检测人员工作量，极大地缩短了复合材料超声检测时长，有效加速了型号研制迭代速度，实现了勤俭研制大飞机的企业目标。

智能无损检测上线界面示意图

合作伙伴简介

中国商用飞机有限责任公司是实施国家大型飞机重大专项中大型客机项目的主体，也是统筹干线飞机和支线飞机发展、实现我国民用飞机产业化的主要载体。主要从事民用飞机及相关产品的科研、生产、试验试飞，从事民用飞机销售及服务、租赁和运营等相关业务。