机器视觉在飞机结构损伤检测中的应用进展与展望
Progress and prospect of the application of machine vision in aircraft structural damage detection
摘 要
在无损检测领域，机器视觉凭借实时在线、非接触、检测精度高以及便于实现自动化等优点，正逐渐替代传统的目视检测，可用于裂纹、表面划伤、凹坑、断钉等结构表面损伤的检测和定量表征中。在梳理机器视觉技术发展脉络的基础上，重点介绍了近年来机器视觉在飞机结构损伤检测中的研究成果和应用进展，结合飞机结构损伤原位检测的工程需求，对机器视觉技术的发展趋势进行了探讨和展望。
飞机结构
损伤检测
应用进展
machine vision
aircraft structure
damage detection
application progress
Abstract
In the field of NDT, with the advantages of real-time, non-contact, high detection accuracy and easy to achieve automation and many others, machine vision is gradually replacing the traditional visual detection for cracks, surface scratches, pits, broken nails and other structural surface damage detection and quantitative characterization. Based on the review of the development of machine vision technology, this paper mainly introduces the research achievements and application progress of machine vision in aircraft structural damage detection in recent years. Combined with the requirements of aircraft structural damage in-situ detection engineering, the development trend of machine vision technology is discussed and prospected.
中图分类号 TG115.28 DOI 10.11973/wsjc202110017
所属栏目 综=述
基金项目 陕西省企业创新争先青年人才托举工程（2021-1-2）；国家自然科学基金青年基金项目（51601175）
收稿日期 2021/7/27
修改稿日期
网络出版日期
作者单位点击查看
备注张伟(1990-),博士,工程师,主要从事航空材料无损检测与评价技术研究工作
引用该论文: ZHANG Wei,WANG Mengdi,FAN Junling,YANG Pengfei,ZHAN Shaozheng,NING Ning. Progress and prospect of the application of machine vision in aircraft structural damage detection[J]. Nondestructive Testing, 2021, 43(10): 75～80
张伟,王梦迪,樊俊铃,杨鹏飞,詹绍正,宁宁. 机器视觉在飞机结构损伤检测中的应用进展与展望[J]. 无损检测, 2021, 43(10): 75～80
共有人对该论文发表了看法，其中：
人认为该论文很差
人认为该论文较差
人认为该论文一般
人认为该论文较好
人认为该论文很好
参考文献
【1】肖洒. 基于机器视觉的图像测量系统的设计与实现[D]. 西安:西安电子科技大学, 2020.
【2】宋春华, 彭泫知.机器视觉研究与发展综述[J].装备制造技术, 2019(6):213-216.
【3】DECOST B L, JAIN H, ROLLETT A D, et al.Computer vision and machine learning for autonomous characterization of AM powder feedstocks[J].JOM, 2017, 69(3):456-465.
【4】WANG S, XU J F, WANG F Z, et al.Identification and detection of surface defects of outer package printed matter based on machine vision[J].Journal of Korea Technical Association of the Pulp and Paper Industry, 2020, 52(2):3-11.
【5】MOHAN A, POOBAL S.Crack detection using image processing:a critical review and analysis[J].Alexandria Engineering Journal, 2018, 57(2):787-798.
【6】汤勃, 孔建益, 伍世虔.机器视觉表面缺陷检测综述[J].中国图象图形学报, 2017, 22(12):1640-1663.
【7】余冬, 冯云浩, 李根池, 等.机器视觉在医疗器械检测中的应用与展望[J].中国医疗器械信息, 2015, 21(8):57-59, 63.
【8】王春波, 张卫东, 张文渊, 等.复杂交通环境中车辆的视觉检测[J].上海交通大学学报, 2000, 34(12):1680-1682, 1686.
【9】周马莉. 基于视觉的无人驾驶车前方车辆检测方法研究与实现[D].南京:南京理工大学, 2018.
【10】范壮. 机械零件尺寸视觉检测系统的研究[D].哈尔滨:哈尔滨工业大学, 2006.
【11】欧阳奇, 张兴兰, 陈登福, 等.高温连铸坯表面缺陷的机器视觉无损检测[J].重庆大学学报(自然科学版), 2007, 30(11):27-31.
【12】张洪涛, 段发阶, 丁克勤, 等.钢板表面缺陷在线视觉检测系统研究[J].传感技术学报, 2007, 20(8):1899-1902.
【13】廖水碧, 肖明富.金属制品表面质量缺陷无损检测的研究现状与展望[J].中国冶金, 2007, 17(3):48-51.
【14】VANLANDUIT S, GUILLAUME P, SCHOUKENS J.Broadband vibration measurements using a continuously scanning laser vibrometer[J].Measurement Science and Technology, 2002, 13(10):1574-1582.
【15】VINCITORIO F, BAHUER L, FIORUCCI M P, et al.Improvement of crack detection on rough materials by digital holographic interferometry in combination with non-uniform thermal loads[J].Optik, 2018, 163:43-48.
【16】高红俐, 朱亚伦, 郑欢斌, 等.机器视觉疲劳裂纹扩展试验裂纹测量系统标定方法[J].浙江工业大学学报, 2017, 45(1):99-103.
【17】郭亚萍, 顾智聪, 彭宏京.SegNet在工件表面缺陷检测中的应用[J].计算机工程与设计, 2019, 40(10):2979-2984.
【18】DENG J Y, ZHANG W H, YANG X M.Recognition and classification of incipient cable failures based on variational mode decomposition and a convolutional neural network[J].Energies, 2019, 12(10):2005.
【19】冉蓉, 徐兴华, 邱少华, 等.基于深度卷积神经网络的裂纹检测方法综述[J].计算机工程与应用, 2021, 57(9):23-35.
【2】宋春华, 彭泫知.机器视觉研究与发展综述[J].装备制造技术, 2019(6):213-216.
【3】DECOST B L, JAIN H, ROLLETT A D, et al.Computer vision and machine learning for autonomous characterization of AM powder feedstocks[J].JOM, 2017, 69(3):456-465.
【4】WANG S, XU J F, WANG F Z, et al.Identification and detection of surface defects of outer package printed matter based on machine vision[J].Journal of Korea Technical Association of the Pulp and Paper Industry, 2020, 52(2):3-11.
【5】MOHAN A, POOBAL S.Crack detection using image processing:a critical review and analysis[J].Alexandria Engineering Journal, 2018, 57(2):787-798.
【6】汤勃, 孔建益, 伍世虔.机器视觉表面缺陷检测综述[J].中国图象图形学报, 2017, 22(12):1640-1663.
【7】余冬, 冯云浩, 李根池, 等.机器视觉在医疗器械检测中的应用与展望[J].中国医疗器械信息, 2015, 21(8):57-59, 63.
【8】王春波, 张卫东, 张文渊, 等.复杂交通环境中车辆的视觉检测[J].上海交通大学学报, 2000, 34(12):1680-1682, 1686.
【9】周马莉. 基于视觉的无人驾驶车前方车辆检测方法研究与实现[D].南京:南京理工大学, 2018.
【10】范壮. 机械零件尺寸视觉检测系统的研究[D].哈尔滨:哈尔滨工业大学, 2006.
【11】欧阳奇, 张兴兰, 陈登福, 等.高温连铸坯表面缺陷的机器视觉无损检测[J].重庆大学学报(自然科学版), 2007, 30(11):27-31.
【12】张洪涛, 段发阶, 丁克勤, 等.钢板表面缺陷在线视觉检测系统研究[J].传感技术学报, 2007, 20(8):1899-1902.
【13】廖水碧, 肖明富.金属制品表面质量缺陷无损检测的研究现状与展望[J].中国冶金, 2007, 17(3):48-51.
【14】VANLANDUIT S, GUILLAUME P, SCHOUKENS J.Broadband vibration measurements using a continuously scanning laser vibrometer[J].Measurement Science and Technology, 2002, 13(10):1574-1582.
【15】VINCITORIO F, BAHUER L, FIORUCCI M P, et al.Improvement of crack detection on rough materials by digital holographic interferometry in combination with non-uniform thermal loads[J].Optik, 2018, 163:43-48.
【16】高红俐, 朱亚伦, 郑欢斌, 等.机器视觉疲劳裂纹扩展试验裂纹测量系统标定方法[J].浙江工业大学学报, 2017, 45(1):99-103.
【17】郭亚萍, 顾智聪, 彭宏京.SegNet在工件表面缺陷检测中的应用[J].计算机工程与设计, 2019, 40(10):2979-2984.
【18】DENG J Y, ZHANG W H, YANG X M.Recognition and classification of incipient cable failures based on variational mode decomposition and a convolutional neural network[J].Energies, 2019, 12(10):2005.
【19】冉蓉, 徐兴华, 邱少华, 等.基于深度卷积神经网络的裂纹检测方法综述[J].计算机工程与应用, 2021, 57(9):23-35.
相关信息
