边缘计算智能装备技术在飞机检修行为识别领域的应用.doc

《边缘计算智能装备技术在飞机检修行为识别领域的应用.doc》由会员分享，可在线阅读，更多相关《边缘计算智能装备技术在飞机检修行为识别领域的应用.doc（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、边缘计算智能装备技术在飞机检修行为识别领域的应用摘要：本文描述了基于神经网络深度学习的边缘计算智能装备，及其应用于飞机维修检查行为识别的技术和场景，可实现飞机航线定检维修流程跟踪管控、提升维修检查作业的安全质量和降本增效，减免人为因素所导致的不安全事件和运行事件，避免经济损失。 关键词：图像识别；神经网络；边缘计算；维修；检查 Keywords：image recognition； neural network； edge computing； maintenance； inspection 0引言 目前飞机维修检查作业包括短停、航前、航后、定检等类型，主要采用传统人工目视检查作业方式，按绕机

2、检查作业流程逐一检查飞机机头、发动机、起落架、轮机舱、机翼、机尾等不同区域的设备部件区域是否存在缺陷、故障和安全隐患，全程人工定位找点、纸笔记录，靠工作单卡签署确认检查结果。 由于绕机检查作业过程中需要检查的飞机设备部件非常多，不同机型间结构差异大，作业时间窗口期短，传统人工目视检查方式的作业质量完全依靠维修人员的技术、经验和责任心，故存在诸多问题。例如，无法追溯检查完成情况、无法确认是否存在漏检、对于故障缺陷无法实时指导排故、人工复检费工费时等。 基于飞机维修检查行为识别的边缘计算智能装备，其为维修人员提供实时作业指引，避免漏检和违规行为，提高作业效率和质量；为安全、质量管理人员提供有效监管

3、工具，实现安全事故溯源和大数据分析，做到风险规避；能有效提升飞机维修的综合管理能力，减免人为因素所导致的不安全事件和运行事件，避免经济损失。 采用基于神经网络图像识别技术的边缘计算智能装备，实现智能化维修检查作业，具有行业领先性，其比传统方式具有实时、准确、完整、可追溯的先进性。通过边缘计算智能装备的应用，实现飞机航线定检维修流程跟踪管控、安全质量提升和降本增效，助力科技创新数字化转型和智慧维修推广。 1边缘计算智能装备技术 1.1 神经网络图像识别 图像识别技术是立体视觉、运动分析、数据融合等实用技术的基础，能自动识别飞机设备部件以及缺陷故障、实时跟踪分析维修检查作业行为。基于图像识别技术的

4、边缘计算智能装备技术，是未来飞机智慧维修发展的必然趋势。 目前基于飞机设备故障缺陷和维修检查作业行为的智能图像识别技术的应用装备和系统非常少，究其原因如下： （1）飞机部件结构繁多复杂； （2）故障缺陷种类多、差异大； （3）作业行为因人而异； （4）质量要求精准无错漏； 随着计算机技术的迅速发展和科技的不断进步，图像识别技术已经在航空遥感、网络通讯、物流交通、军事公安、生物医学、汽车机器人等众多领域中大量应用。例如，交通方面的车牌识别系统；公共安全方面的人脸识别技术、指纹识别技术；农业方面的种子识别技术、食品品质检测技术；医学方面的心电图、CT影像识别技术；汽车方面的无人驾驶、自动泊车技术；

5、网络通讯方面的视频、图文非法信息的检测识别技术等。2015年微软公布了一篇关于图像识别的研究论文，在一项图像识别的基准测试中，电脑系统识别能力已经超越了人类。人类在归类数据库Image Net中的图像识别错误率为5.1%，而微软研究小组的这个深度学习系统可以达到4.94%的e误率。由此可见，计算机在图像识别方面已经有要超越人类的图像识别能力的趋势，而且计算机在很多方面确实已具有人类所无法超越的优势。因此，随着计算机图像识别技术以及算法的不断优化改进，采用深度学习神经网络算法，具备机器视觉图像识别分析能力的边缘计算智能装备，为实现飞机智能化智慧检修提供了有效、可行的方法和工具。 深度学习以数据的

6、原始形态作为算法输入，经过算法层层抽象，将原始数据逐层抽象为自身任务所需的最终特征表示，最后以特征到任务目标的映射作为结束，从原始数据到最终任务目标，“一气呵成”并无夹杂任何人为操作。深度学习除了模型学习，还有特征学习、特征抽象等任务模块的参与，借助多层任务模块完成最终学习任务。深度学习中的一类代表算法是神经网络算法，包括深度置信网络、递归神经网络和卷积神经网络等。卷积神经网络（CNN）是一类特殊的人工神经网络，其最主要的特点是卷积运算操作。在诸多领域应用特别是图像相关任务上表现优异，诸如，图像分类、图像语义分割、图像检索、物体检测等计算机视觉问题。 如图1所示，对深度模型而言，其输入数据是未

7、经任何人为加工的原始样本形式，后续则是堆叠在输入层上的众多操作层。这些操作层整体可看作是一个复杂的函数，最终损失函数由数据损失和模型参数的正则化损失共同组成，深度模型的训练则在最终损失驱动下对模型进行参数更新并将误差反向传播至网络各层。模型的训练过程可以简单抽象为从原始数据向最终目标的直接“拟合”，而中间的这些部件正起到了将原始数据映射为特征（即特征学习）随后再映射为样本标记（即目标任务，如分类）的作用。 神经网络是模拟人脑神经系统功能的模型，具有学习、联想、记忆和模式识别等智能信息处理功能的人工系统。神经网络的学习是一个过程，在其所处环境的激励下，相继给网络输入一些样本模式，并按照一定的规则（学习算法）调整网络各层的权值矩阵，待网络各层权值都收敛到一定值，学习过程结束。然后就可以用生成的神经网络来对真实数据做分类识别。 基于深度学习神经网络算法，将飞机部件、缺陷故障、检查作业行为等视频、图像信息进行分类整理标注，通过监督学习的方式，完成飞机维修检查行为识别的神经网络模型训练，并将训练好的神经网络模型植入边缘计算智能装备，用于实际应用场景的AI实时辅助识别，实现降本增效；同时，在应用过程中能够不断迭代升级神经网络模型，从而实现飞机维修检查的智能化和精准高效可靠，提升安全质量。 第 5 页 共 5 页