機(jī)器視覺(jué)在飛機(jī)結(jié)構(gòu)損傷檢測(cè)中的應(yīng)用進(jìn)展與展望

在無(wú)損檢測(cè)領(lǐng)域，目視檢測(cè)是指用人眼對(duì)被檢測(cè)目標(biāo)表面進(jìn)行直接觀察，或借助內(nèi)窺鏡、鏡子等光學(xué)設(shè)備進(jìn)行間接觀察。目視檢測(cè)具有門檻低、易操作、成本低等優(yōu)點(diǎn)，是結(jié)構(gòu)損傷檢測(cè)中應(yīng)用較為廣泛的技術(shù)之一，如在空客系列飛機(jī)的外場(chǎng)運(yùn)營(yíng)維護(hù)中，其目視檢測(cè)程序文件的比例呈現(xiàn)遞增的趨勢(shì)，A350寬體客機(jī)的目視檢測(cè)程序比例已達(dá)到17%。目視檢測(cè)與技術(shù)人員的能力、經(jīng)驗(yàn)等主觀因素密切相關(guān)，且極易受到站位、光線和溫度等客觀條件的影響，小尺寸損傷的檢出概率和檢測(cè)精度存在明顯不足。近年來(lái)，隨著信息科學(xué)和人工智能等新興產(chǎn)業(yè)的蓬勃發(fā)展，計(jì)算機(jī)技術(shù)越來(lái)越多地應(yīng)用于工業(yè)、農(nóng)業(yè)和現(xiàn)代服務(wù)業(yè)等國(guó)民經(jīng)濟(jì)生產(chǎn)的各個(gè)環(huán)節(jié)。機(jī)器視覺(jué)技術(shù)是在攝像機(jī)等圖像感知設(shè)備的基礎(chǔ)上，使計(jì)算機(jī)具有觀察、識(shí)別和認(rèn)知世界的能力。在一些不適用于人工作業(yè)的危險(xiǎn)工作環(huán)境或人工視覺(jué)難以滿足測(cè)量或檢測(cè)要求的場(chǎng)景，機(jī)器視覺(jué)已得到了廣泛應(yīng)用。對(duì)于現(xiàn)代規(guī)?；I(yè)生產(chǎn)，人工檢測(cè)產(chǎn)品質(zhì)量效率低且精度不高，機(jī)器視覺(jué)技術(shù)則能夠有效提高生產(chǎn)效率和檢測(cè)精度，進(jìn)而縮短產(chǎn)品生產(chǎn)周期，節(jié)約運(yùn)營(yíng)成本。1機(jī)器視覺(jué)的基本概念和典型構(gòu)成機(jī)器視覺(jué)是一種集成攝像機(jī)、光源、處理器和檢測(cè)算法等軟硬件的非接觸式光學(xué)傳感系統(tǒng)，能夠自動(dòng)從采集到的圖像中獲取信息或產(chǎn)生控制動(dòng)作。利用計(jì)算機(jī)及其外設(shè)能夠模擬人眼的視覺(jué)功能和大腦的初級(jí)判斷功能，從圖像或圖像序列中提取信息，并進(jìn)行處理，最終用于檢測(cè)、測(cè)量和控制中。典型的工業(yè)機(jī)器視覺(jué)系統(tǒng)主要由視覺(jué)、機(jī)械和數(shù)據(jù)處理3大模塊構(gòu)成，如下圖所示。圖1典型的工業(yè)機(jī)器視覺(jué)系統(tǒng)構(gòu)成示意視覺(jué)模塊利用光源、鏡頭、工業(yè)相機(jī)和圖像采集卡等硬件設(shè)備實(shí)現(xiàn)圖像的采集，機(jī)械模塊負(fù)責(zé)視覺(jué)模塊或被檢目標(biāo)的運(yùn)動(dòng)和控制，數(shù)據(jù)處理模塊則是利用工控機(jī)運(yùn)行測(cè)量算法或檢測(cè)算法，實(shí)現(xiàn)檢測(cè)結(jié)果的處理和輸出。在典型的機(jī)器視覺(jué)檢測(cè)過(guò)程中，首先使用工業(yè)相機(jī)采集被測(cè)目標(biāo)的二維或三維圖像，圖像數(shù)據(jù)采集卡將模擬圖像信息轉(zhuǎn)換為數(shù)字信號(hào)傳送至上位機(jī)，隨后集成測(cè)量或檢測(cè)算法程序的數(shù)字圖像處理系統(tǒng)會(huì)根據(jù)圖像的像素分布、亮度、標(biāo)志點(diǎn)和顏色等信息，運(yùn)算出被測(cè)目標(biāo)的損傷、缺陷、位姿和形態(tài)等信息，最后根據(jù)運(yùn)算得到的信息輸出測(cè)量或檢測(cè)結(jié)果。2機(jī)器視覺(jué)的發(fā)展歷程機(jī)器視覺(jué)的起源最早可追溯到20世紀(jì)60年代，1965年，ROBERTS等通過(guò)計(jì)算機(jī)程序從數(shù)字圖像中提取出立方體、楔形體、棱柱體等多面體的三維結(jié)構(gòu)，并對(duì)物體形狀及空間關(guān)系進(jìn)行描述，開(kāi)創(chuàng)了以理解三維場(chǎng)景為目的的機(jī)器視覺(jué)研究。20世紀(jì)80年代以來(lái)，隨著激光技術(shù)、CCD(電荷耦合元件)技術(shù)的相繼問(wèn)世和計(jì)算機(jī)科學(xué)的飛速發(fā)展，機(jī)器視覺(jué)技術(shù)隨著工業(yè)自動(dòng)化和智能化的發(fā)展而日趨完善。到了21世紀(jì)，機(jī)器視覺(jué)技術(shù)已經(jīng)大規(guī)模地應(yīng)用于圖像處理、醫(yī)學(xué)診斷、智能交通、無(wú)人駕駛、工業(yè)測(cè)量和無(wú)損檢測(cè)等多個(gè)領(lǐng)域?；仡櫃C(jī)器視覺(jué)技術(shù)的發(fā)展歷史，大致可分為以下3個(gè)階段：No.1

理論探索階段20世紀(jì)90年代以前，眾多高等院校和研究所已逐步開(kāi)展面向圖像處理和模式識(shí)別的理論研究，如DAVID提出了著名的計(jì)算機(jī)視覺(jué)理論（Marr視覺(jué)理論），成為機(jī)器視覺(jué)研究領(lǐng)域中的重要理論框架，隨后基于感知特征群的物體識(shí)別理論框架、主動(dòng)視覺(jué)理論框架、視覺(jué)集成理論框架等新概念、新理論不斷涌現(xiàn)，為機(jī)器視覺(jué)技術(shù)的工程化應(yīng)用打下了堅(jiān)實(shí)基礎(chǔ)；No.2

逐步應(yīng)用階段20世紀(jì)90年代至21世紀(jì)初，機(jī)器視覺(jué)技術(shù)逐步開(kāi)始得到推廣，并逐步應(yīng)用于機(jī)加工、汽車零部件裝配、機(jī)械零件表面粗糙度的測(cè)量、金屬焊接質(zhì)量檢測(cè)及電路板尺寸標(biāo)定等諸多工業(yè)領(lǐng)域；No.3

高速發(fā)展階段進(jìn)入21世紀(jì)以來(lái)，隨著高清工業(yè)相機(jī)、高性能計(jì)算機(jī)和人工智能等新興技術(shù)的涌現(xiàn)，機(jī)器視覺(jué)已突破了傳統(tǒng)的檢測(cè)模式和應(yīng)用領(lǐng)域，向著更深層、更為多樣化的領(lǐng)域擴(kuò)展。從二值圖像采集到高分辨率、多灰度級(jí)的圖像處理，從二維特征提取到三維信息解耦，機(jī)器視覺(jué)在遷移學(xué)習(xí)、支持向量機(jī)和卷積神經(jīng)網(wǎng)絡(luò)等人工智能技術(shù)的驅(qū)動(dòng)下，正逐步涉足和突破更多復(fù)雜的目標(biāo)識(shí)別、高精度測(cè)量和高效檢測(cè)任務(wù)。3機(jī)器視覺(jué)在結(jié)構(gòu)損傷檢測(cè)中的應(yīng)用進(jìn)展機(jī)器視覺(jué)技術(shù)在工業(yè)領(lǐng)域的應(yīng)用主要體現(xiàn)在以下3個(gè)方面：視覺(jué)測(cè)量、視覺(jué)引導(dǎo)和視覺(jué)檢測(cè)。視覺(jué)測(cè)量主要用于精度要求較高（毫米級(jí)和微米級(jí)）、人眼觀察無(wú)法實(shí)現(xiàn)的一些零部件尺寸的精確測(cè)量，如精密螺栓加工過(guò)程中采用機(jī)器視覺(jué)技術(shù)對(duì)零件尺寸進(jìn)行實(shí)時(shí)測(cè)量，用以控制連接間隙，保證加工精度；視覺(jué)引導(dǎo)是利用機(jī)器視覺(jué)快速準(zhǔn)確地找到目標(biāo)零件，引導(dǎo)機(jī)器人機(jī)械臂準(zhǔn)確抓取，如視覺(jué)引導(dǎo)自動(dòng)化裝配，通過(guò)掃描工具箱內(nèi)隨機(jī)分布的零件得到三維圖像，采用模式識(shí)別的方式，在三維圖像中獲取機(jī)械臂抓取工件的最佳點(diǎn)，實(shí)現(xiàn)自動(dòng)化裝配生產(chǎn)；視覺(jué)檢測(cè)則是圖像采集和邏輯判定算法的綜合應(yīng)用，用于檢測(cè)產(chǎn)品或構(gòu)件有無(wú)質(zhì)量問(wèn)題，如對(duì)裂紋、表面劃傷、凹坑、斷釘?shù)冉Y(jié)構(gòu)表面損傷的檢測(cè)和定量表征?？傮w而言，機(jī)器視覺(jué)技術(shù)已廣泛應(yīng)用于機(jī)械加工、裝配、檢驗(yàn)檢測(cè)和狀態(tài)監(jiān)測(cè)等多個(gè)工業(yè)領(lǐng)域，極大地提高了工業(yè)生產(chǎn)中的柔性和自動(dòng)化程度。國(guó)內(nèi)外學(xué)者在機(jī)器視覺(jué)測(cè)量、引導(dǎo)和檢測(cè)方面開(kāi)展了大量研究工作。下面以機(jī)器視覺(jué)技術(shù)在飛機(jī)結(jié)構(gòu)損傷檢測(cè)中的應(yīng)用為切入點(diǎn)，重點(diǎn)介紹該技術(shù)在飛機(jī)結(jié)構(gòu)損傷視覺(jué)巡檢、原位在線視覺(jué)監(jiān)測(cè)及智能視覺(jué)檢測(cè)等方面的應(yīng)用進(jìn)展。1飛機(jī)結(jié)構(gòu)損傷實(shí)時(shí)視覺(jué)巡檢飛機(jī)結(jié)構(gòu)的周期性檢測(cè)一直是外場(chǎng)飛機(jī)運(yùn)營(yíng)維護(hù)的重點(diǎn)環(huán)節(jié)，蒙皮、機(jī)翼和操縱面等飛機(jī)結(jié)構(gòu)長(zhǎng)期暴露在惡劣的外界環(huán)境中，飛行中飛機(jī)承受復(fù)雜的交變載荷和外物沖擊，極易出現(xiàn)裂紋和各種沖擊損傷，給飛行安全帶來(lái)重大安全隱患。針對(duì)這一問(wèn)題，在美國(guó)聯(lián)邦航空局的支持下，研發(fā)出了基于真空吸盤機(jī)器人的視覺(jué)巡檢系統(tǒng)ROSTAM，首次實(shí)現(xiàn)了飛機(jī)蒙皮結(jié)構(gòu)表面裂紋的自動(dòng)視覺(jué)巡檢。合作研發(fā)了用于機(jī)翼和操縱面檢測(cè)的遠(yuǎn)程視覺(jué)巡檢系統(tǒng)，如下圖所示，技術(shù)人員只需將搭載高清攝像頭的機(jī)器人布置在巡檢區(qū)域，即可通過(guò)遠(yuǎn)程控制實(shí)現(xiàn)巡檢區(qū)域的高清圖像采集，進(jìn)一步結(jié)合識(shí)別算法可實(shí)現(xiàn)飛機(jī)結(jié)構(gòu)表面裂紋和沖擊損傷的有效檢出，巡檢效率和可靠性較傳統(tǒng)目視檢測(cè)有了巨大提升。圖2遠(yuǎn)程視覺(jué)巡檢系統(tǒng)為解決外場(chǎng)飛機(jī)人工檢測(cè)周期長(zhǎng)、成本高、可達(dá)性差和漏檢率高等問(wèn)題，空客公司開(kāi)發(fā)了基于機(jī)器視覺(jué)的新型無(wú)人機(jī)視覺(jué)檢測(cè)系統(tǒng)，如下圖所示，用于機(jī)庫(kù)內(nèi)飛機(jī)機(jī)身的檢測(cè)，該系統(tǒng)配備了激光傳感器，可攜帶視覺(jué)檢測(cè)硬件系統(tǒng)，根據(jù)預(yù)設(shè)路徑進(jìn)行巡查，僅需半小時(shí)即可獲得整架飛機(jī)的外部結(jié)構(gòu)圖像，并將圖像實(shí)時(shí)上傳至視覺(jué)分析系統(tǒng)，與原始圖像進(jìn)行對(duì)比匹配，可實(shí)現(xiàn)表面損傷的有效檢出，極大地提高了飛機(jī)結(jié)構(gòu)表面損傷的檢測(cè)效率和檢測(cè)精度。圖3無(wú)人機(jī)視覺(jué)檢測(cè)系統(tǒng)目前，國(guó)內(nèi)在飛機(jī)結(jié)構(gòu)損傷視覺(jué)巡檢方面的應(yīng)用研究還處于起步階段，相關(guān)工作主要聚焦于機(jī)器視覺(jué)理論、方法和需求調(diào)研等試驗(yàn)性研究中，缺少與工程現(xiàn)場(chǎng)相結(jié)合的應(yīng)用成果。中國(guó)飛機(jī)強(qiáng)度研究所將視覺(jué)巡檢技術(shù)應(yīng)用于飛機(jī)全機(jī)結(jié)構(gòu)周期性檢測(cè)中，開(kāi)發(fā)了面向國(guó)產(chǎn)C919全機(jī)結(jié)構(gòu)疲勞試驗(yàn)的新型損傷視覺(jué)巡檢系統(tǒng)——5G離朱，如下圖所示。巡檢系統(tǒng)通過(guò)軌道和機(jī)械臂在機(jī)艙內(nèi)移動(dòng)，利用超高分辨率相機(jī)成像采集系統(tǒng)，結(jié)合特征提取算法，可實(shí)現(xiàn)0.2mm以上損傷的有效檢出和定量測(cè)量，并通過(guò)5G技術(shù)將數(shù)據(jù)高速上傳至云端服務(wù)器。該系統(tǒng)可24小時(shí)不間斷地巡檢全艙百余個(gè)重點(diǎn)檢測(cè)點(diǎn)位，有效覆蓋機(jī)艙內(nèi)近80%的疲勞薄弱部位，并對(duì)損傷進(jìn)行定期跟蹤拍攝，有效提升了全機(jī)重點(diǎn)結(jié)構(gòu)損傷檢測(cè)的效率和智能化程度。圖45G離朱損傷巡檢機(jī)器人外觀及結(jié)構(gòu)損傷巡檢系統(tǒng)2飛機(jī)結(jié)構(gòu)原位損傷在線視覺(jué)監(jiān)測(cè)在飛機(jī)結(jié)構(gòu)損傷容限和耐久性試驗(yàn)過(guò)程中，對(duì)疲勞裂紋擴(kuò)展進(jìn)行跟蹤監(jiān)測(cè)是金屬結(jié)構(gòu)損傷容限設(shè)計(jì)和壽命預(yù)測(cè)的重點(diǎn)任務(wù)之一。對(duì)于傳統(tǒng)目視檢測(cè)，為保證檢測(cè)人員的安全，會(huì)將疲勞試驗(yàn)與其表面裂紋觀測(cè)獨(dú)立開(kāi)來(lái)，即當(dāng)載荷循環(huán)一定次數(shù)后停止加載，通過(guò)直接目視或借助內(nèi)窺鏡、反光鏡和放大鏡等工具進(jìn)行目視檢測(cè)。傳統(tǒng)目視檢測(cè)是在一定的循環(huán)周次后進(jìn)行，難以實(shí)時(shí)連續(xù)地跟蹤、記錄裂紋擴(kuò)展的全過(guò)程，且觀測(cè)時(shí)需頻繁裝卸組件，十分繁瑣和費(fèi)時(shí)。近年來(lái)，隨著機(jī)器視覺(jué)技術(shù)的不斷成熟，其實(shí)時(shí)性強(qiáng)、成本低、精度高和適用范圍廣等優(yōu)勢(shì)日益凸顯，國(guó)內(nèi)外許多科研機(jī)構(gòu)和試驗(yàn)生產(chǎn)單位已將機(jī)器視覺(jué)技術(shù)應(yīng)用到飛機(jī)結(jié)構(gòu)表面裂紋檢測(cè)中。提出了一種基于數(shù)字圖像相關(guān)技術(shù)的裂紋在線監(jiān)測(cè)方法，通過(guò)對(duì)不同時(shí)間點(diǎn)采集的圖像進(jìn)行目標(biāo)匹配和紋理對(duì)比分析，實(shí)現(xiàn)了航空鋁合金構(gòu)件疲勞裂紋擴(kuò)展過(guò)程的不停機(jī)實(shí)時(shí)監(jiān)測(cè)。利用非均勻熱載荷代替均勻熱載荷作為激勵(lì)源，提出了基于一種無(wú)透鏡傅里葉數(shù)字全息干涉技術(shù)的光學(xué)在線裂紋檢測(cè)方法，克服了在相位展開(kāi)圖中無(wú)法觀察到干涉條紋位移的問(wèn)題，有效改善了粗糙表面裂紋檢測(cè)的在線檢測(cè)精度。在國(guó)內(nèi)，設(shè)計(jì)了基于機(jī)器視覺(jué)的疲勞裂紋擴(kuò)展測(cè)量系統(tǒng)，系統(tǒng)主要由疲勞試驗(yàn)機(jī)、圖像采集裝置、攝像頭安裝裝置及攝像頭運(yùn)動(dòng)控制器、計(jì)算機(jī)及其攝像機(jī)標(biāo)定相關(guān)軟件等模塊構(gòu)成，如下圖所示。測(cè)量過(guò)程中，首先將試驗(yàn)件裝夾到疲勞試驗(yàn)機(jī)上，打開(kāi)照明光源，調(diào)節(jié)高清攝像機(jī)至需要監(jiān)測(cè)的位置，通過(guò)圖像采集卡將圖像實(shí)時(shí)傳輸至計(jì)算機(jī)，即可在裂紋測(cè)量軟件平臺(tái)上完成疲勞裂紋的實(shí)時(shí)在線視覺(jué)監(jiān)測(cè)。圖5疲勞裂紋擴(kuò)展測(cè)量系統(tǒng)組成中國(guó)飛機(jī)強(qiáng)度研究所將機(jī)器視覺(jué)技術(shù)應(yīng)用于某型號(hào)翼身組合體疲勞試驗(yàn)中，開(kāi)發(fā)了用于預(yù)制裂紋擴(kuò)展實(shí)時(shí)監(jiān)測(cè)和高精度測(cè)量的視覺(jué)監(jiān)測(cè)系統(tǒng)VIS-20，系統(tǒng)的硬件模塊用于圖像的實(shí)時(shí)采集，由高清工業(yè)相機(jī)、定焦鏡頭、藍(lán)光光源、夾具和工控機(jī)等組件組成；軟件部分則主要負(fù)責(zé)拍攝時(shí)間設(shè)置、幾何坐標(biāo)系標(biāo)定、曲面校正、裂紋長(zhǎng)度精確測(cè)量和統(tǒng)計(jì)分析等工作，如下圖所示。該視覺(jué)監(jiān)測(cè)系統(tǒng)在節(jié)約大量人力和時(shí)間成本的同時(shí)，有效解決了飛機(jī)疲勞試驗(yàn)過(guò)程中裂紋擴(kuò)展難以實(shí)時(shí)監(jiān)測(cè)的瓶頸問(wèn)題。圖6視覺(jué)監(jiān)測(cè)系統(tǒng)VIS-20的攝像模塊和裂紋擴(kuò)展時(shí)序圖3基于深度學(xué)習(xí)的原位損傷智能視覺(jué)檢測(cè)隨著視覺(jué)檢測(cè)技術(shù)應(yīng)用場(chǎng)景的不斷擴(kuò)展，傳統(tǒng)基于圖像處理和簡(jiǎn)單機(jī)器學(xué)習(xí)算法的檢測(cè)技術(shù)在處理多特征、多語(yǔ)義和復(fù)雜約束問(wèn)題時(shí)出現(xiàn)了明顯不足。許多國(guó)內(nèi)外學(xué)者已經(jīng)將深度學(xué)習(xí)，特別是深度卷積神經(jīng)網(wǎng)絡(luò)的方法應(yīng)用于裂紋檢測(cè)領(lǐng)域。利用SegNet網(wǎng)絡(luò)實(shí)現(xiàn)了對(duì)工件表面裂紋的檢測(cè)；提出了卷積神經(jīng)網(wǎng)絡(luò)(CNN)與基于變分模式相結(jié)合的裂紋檢測(cè)方法，解決了電纜早期裂紋的檢測(cè)問(wèn)題。根據(jù)處理表面裂紋檢測(cè)問(wèn)題方式的不同，基于深度學(xué)習(xí)的智能視覺(jué)檢測(cè)技術(shù)可分為基于圖像分類、基于目標(biāo)檢測(cè)和基于像素級(jí)分割方法3大類，如下圖所示。圖7典型智能視覺(jué)檢測(cè)技術(shù)基于圖像分類的方法能夠很好地避免原始圖像分辨率低、質(zhì)量差的影響，但此類方法只能做到有無(wú)裂紋的分類，無(wú)法對(duì)裂紋的形狀、大小及其位置等進(jìn)行判斷；與基于圖像分類的方法相比，基于目標(biāo)檢測(cè)的裂紋檢測(cè)方法的識(shí)別精度和粒度大幅度提高，但裂紋的大小及紋理等重要信息仍然無(wú)法得到；基于像素級(jí)分割方法是3類方法中精度最高的，通過(guò)對(duì)輸入圖像中的每個(gè)像素點(diǎn)都劃分相對(duì)應(yīng)的類別，既可對(duì)目標(biāo)進(jìn)行分類，又可得到裂紋的精確位置和結(jié)構(gòu)。對(duì)于結(jié)構(gòu)損傷檢測(cè)，特別是飛機(jī)結(jié)構(gòu)損傷檢測(cè)，不僅關(guān)注損傷的有無(wú)，還要求對(duì)損傷的大小和位置進(jìn)行精確測(cè)量，因此采用基于像素級(jí)分割的深度學(xué)習(xí)算法是最為合適的。目前，此類方法已被用于道路、橋梁和飛機(jī)結(jié)構(gòu)裂紋的視覺(jué)檢測(cè)。針對(duì)背景紋理較復(fù)雜，噪聲干擾大且分布無(wú)規(guī)律的裂紋圖像，李良福等提出的與滑動(dòng)窗口算法相結(jié)合的基于卷積神經(jīng)網(wǎng)絡(luò)的深度橋梁裂紋分類(DBCC)模型，可用于橋梁背景面元和橋梁裂紋面元的識(shí)別，通過(guò)添加局部響應(yīng)值歸一層和概率區(qū)分閾值，在一定程度上避免了圖像亮度不均勻和噪聲所帶來(lái)的誤檢與漏檢問(wèn)題。為實(shí)現(xiàn)疲勞試驗(yàn)中飛機(jī)結(jié)構(gòu)裂紋損傷的快速識(shí)別檢測(cè)，中國(guó)飛機(jī)強(qiáng)度研究所提出了一種改進(jìn)的全卷積網(wǎng)絡(luò)(FCN)模型，網(wǎng)絡(luò)模型的可視化結(jié)果如下圖所示，該模型采用類似U-Net的編碼器-解碼器結(jié)構(gòu)，以ResNet-34為骨干（在ImageNet數(shù)據(jù)集上預(yù)訓(xùn)練）。模型對(duì)原始的ResNet-34做了兩處修改，使其能夠適應(yīng)目標(biāo)提取的像素級(jí)預(yù)測(cè)任務(wù)，刪除了ResNet-34中的平均池化和全連接層，刪除了最后一個(gè)殘差塊，因此最終的特征圖大小為輸入圖像的1/16，Dblock模塊主要由級(jí)聯(lián)和并聯(lián)模式的擴(kuò)張卷積組成，進(jìn)一步擴(kuò)大了神經(jīng)網(wǎng)絡(luò)的感受野。圖8改進(jìn)的全卷積網(wǎng)絡(luò)模型可視化結(jié)果基于試驗(yàn)采集到的34張圖像進(jìn)行驗(yàn)證，從可視化結(jié)果來(lái)看，深度學(xué)習(xí)模型能夠準(zhǔn)確提取和識(shí)別出裂紋損傷，損傷識(shí)別準(zhǔn)確率已達(dá)到90%以上，但是裂紋在邊緣處有明顯外擴(kuò)，即存在圖像過(guò)分割現(xiàn)象。在裂紋邊緣處預(yù)測(cè)結(jié)果不理想也是目前分割任務(wù)普遍存在的問(wèn)題，原因主要有網(wǎng)絡(luò)的下采樣過(guò)多，原始標(biāo)簽不準(zhǔn)確，缺乏邊緣保持策略等。結(jié)語(yǔ)與展望在計(jì)算機(jī)科學(xué)和高性能硬件設(shè)備的驅(qū)動(dòng)下，機(jī)器視覺(jué)技術(shù)得到了前所未有的發(fā)展?？傮w而言，機(jī)器視覺(jué)技術(shù)已成為結(jié)構(gòu)損傷檢測(cè)領(lǐng)域最具潛力的發(fā)展方向之一，特別是在人工智能技術(shù)的推動(dòng)下，智能視覺(jué)技術(shù)有望大規(guī)模替代人工目視，用于結(jié)構(gòu)表面損傷的快速精細(xì)化檢測(cè)。新興技術(shù)的應(yīng)用和普及必然是一個(gè)機(jī)遇與挑戰(zhàn)并存的發(fā)展過(guò)程，對(duì)于飛機(jī)結(jié)構(gòu)而言，機(jī)體結(jié)構(gòu)表面存在大量鉚釘、拐角和多細(xì)節(jié)復(fù)雜結(jié)構(gòu)區(qū)，加之光線條件、試驗(yàn)加載和偶發(fā)震動(dòng)等不利因素的影響，機(jī)器視覺(jué)技術(shù)在飛機(jī)結(jié)構(gòu)損傷檢測(cè)領(lǐng)域的成熟應(yīng)用還有以下關(guān)鍵問(wèn)題需要解決：1微觀裂紋的檢測(cè)能力有待提高在結(jié)構(gòu)損傷早期，結(jié)構(gòu)表面初始裂紋的尺寸很小，存在