KBMeasure:基于关键点检测和双眼3D重建的组合,用于航空发动机叶片的小型样本现场损伤自动测量方法

科学领域:

• 航空航天工程 航空航天工程
• 机械工程 机械工程
• 计算机视觉 计算机视觉

背景情况:

• 准确评估飞机发动机叶片损伤对于安全和维护至关重要.
• 传统的方法依赖于手动注释,这是低效的,需要专家知识.
• 现有的3D重建技术对于受损区域可能是计算上昂贵的.

研究的目的:

• 开发用于航空发动机叶片的自动化现场损伤测量方法.
• 提高效率并减少对损害评估的手动检查的依赖.
• 在计算成本和准确性方面克服传统方法的局限性.

主要方法:

• 拟议的KBMeasure方法结合了智能损伤关键点检测和双眼3D重建.
• 开发了一种新的刀片损伤关键点检测模型 (DKeyDet),使用自上而下的框架,坐标分类,半监督学习和知识蒸.
• 使用交叉光轴双眼模型进行空间坐标估计和损伤大小计算.

主要成果:

• 在关键点检测方面实现了高性能,平均精度 (AP) 为87.6%,平均回忆率 (AR) 为91.3%.
• 证明了0.08的低损害测量尺寸误差 (SE),优于现有方法.
• 成功地解决了诸如大损坏规模变化,图像分辨率低,注释数据有限等挑战.

结论:

• KBMeasure提供了一种高效准确的解决方案,用于在现场测量航空发动机叶片损伤.
• 开发的DKeyDet模型为在具有挑战性的条件下进行关键点检测提供了一种新的方法.
• 这项研究为航空航天和其他工业领域的自动损害测量提供了新的理论基础.