案例簡介

中國商飛北研中心在飛機典型結構無損檢測流程中，使用飛槳開源深度學習平臺開發AI方案，替代技術人員進行缺陷分析任務，提高流程的智能化程度，實現AI技術的落地應用。

相關產品

PaddleSeg

合作伙伴簡介

中國商用飛機有限責任公司是實施國家大型飛機重大專項中大型客機項目的主體，也是統籌干線飛機和支線飛機發展、實現我國民用飛機產業化的主要載體。主要從事民用飛機及相關產品的科研、生產、試驗試飛，從事民用飛機銷售及服務、租賃和運營等相關業務。 

業務挑戰

隨著國產大飛機ARJ21、C919等型號研制推進，中國商飛北研中心承擔的航空復合材料許用值試驗和疲勞門檻值試驗日趨加重，對試驗件的無損檢測和損傷檢測需求逐漸增加。但是無損檢測過程中缺陷評定對檢測人員的專業知識有著很強的依賴性，同時人工缺陷評定過程速度慢，使其成為制約型號任務進度的瓶頸。

流程中存在的問題可以總結為四點：

• 單試驗件檢測時間長：需要20分鐘以上。通過50次的實驗對流程耗時進行評測，試驗時間均值為4.3分鐘，評估時間均值為14.4分鐘。
• 檢測數量大：單批次2000塊以上，每年約3批次。通常單批次試驗樣件為2000塊以上，單個試驗件測試、評估并出具報告需20分鐘以上，人工缺陷評定工時數超過1000小時。
• 信息化程度低：容易造成人為疏忽。檢測人員資質要求高，書寫報告重復工作量大，而且人工評估過程時間占比達到77%，因此急需對評估時間進行縮短，提高檢測效率。
• 設備開放程度低：優化流程困難大。

在捕獲到人工檢測效率比較低的問題之后，商飛北研中心對工業質檢中的幾種方法也進行了比較。

• 人工檢測存在成本高、效率低、檢測標準不統一的問題。
• 傳統機器視覺技術的辨別能力比較差，抗干擾能力弱，算法無法復用。
• 深度學習技術的適應能力強，算法精度高，模型可復用，意義可迭代，具有很強的產業升級的潛力。

但深度學習技術在商飛的實際應用落地中又面臨相應的難點：    

• 數據數量少，應用場景復雜。
• 檢測要求高，需要按照適航級別的標準進行檢測。
• 傳統行業AI開發能力薄弱。

解決方案

針對深度學習落地中面臨的問題，商飛北研中心找到了解決方案，就是使用百度飛槳PaddleSeg進行復合材料檢測算法的開發，PaddleSeg可以通過數據增強、算法選擇等技術很好地解決以上問題，有效的幫助傳統行業的技術人員進行AI算法的開發。

第一階段：數據采集、標注和增強

通過超聲C掃對227塊試驗件進行掃描，獲取超聲圖像，專業技術人員對圖像進行標注，采用了矩形框及多邊形框兩種標注方式。

針對航空復合材料超聲圖像數據的特征，選擇了左右翻轉、上下翻轉、變換長寬比、旋轉、顏色空間擾動幾種數據增強策略對訓練數據進行擴充。

PaddleSeg配置示例非常簡單，十行左右代碼就完成了數據增強的配置，對于算法效果的提升也非常好，大概是IoU兩三個點的增益。

第二階段：模型選擇

語義分割部分使用經典分割模型Unet，通過PaddleSeg進行訓練及部署。

進入到網絡訓練階段，商飛北研中心使用了COCO數據集的預訓練模型，在復合材料檢測數據集上進行微調，PaddleSeg提供了多種模型結構和豐富的預訓練模型，像U-Net提供了COCO數據集上的預訓練模型，Deeplabv3提供了Mobilenet、ResNet等骨干網絡結構在Imagenet和COCO上的預訓練模型。商飛測試了U-Net和Deeplabv3，兩者效果差別不大，但U-Net訓練及推理速度更快，最終選擇U-Net進行部署上線。

第三階段：訓練及評估

在通過PaddleSeg進行模型訓練時，只需要編寫全局配置文件，設置訓練集、驗證集、測試集的路徑，配置翻轉、旋轉、顏色擾動的數據增強策略，設置模型結構為U-Net，模型輸入為512 x 512，還對優化器、迭代次數等等訓練參數進行設置。配置完畢后即可調用訓練腳本對模型進行訓練，開發過程非常簡單，門檻很低。

訓練完成后，模型在驗證集下進行測試，IoU超過95%。

第四階段：業務上線

當算法完成后，即可使用腳本對模型進行導出，然后使用PyQt開發軟件界面，設計多種圖像讀取方式，整合了PaddleSeg的Python推理腳本，完成圖像分割功能部署，識別結果可以自動化保存為表格文件，輔助形成報告。

至此，基于飛槳的航空復合材料檢測就完成了。下圖為開發好的軟件工具，界面簡單，但是應用效果很好，可以有效地提高航空復合材料的檢測效率。

價值成果

本項目將COMAC智能無損檢測工具應用于復合材料超聲檢測流程中的人工缺陷分析和出具報告步驟，極大減少了檢測人員工作量，將檢測人員從復雜、重復的質檢工作中解脫出來，提高檢測人員的工作價值。復合材料超聲檢測全流程縮短為5.3分鐘，檢測工時減少71%，準確率提升至95%，流程完成智能化改進，單批次試驗人工成本減少21.63萬元，每年可減少成本64.89萬元，有效加速了型號研制迭代速度，踐行了勤儉研制大飛機的公司理念。

質檢主管這樣評價本項目："COMAC智能無損檢測工具極大簡化了我們的工作。從前我們的技術人員需要花費大部分時間在缺陷分析和報告撰寫上，大量重復、枯燥的工作使得我們工作效率低下，無法創造更多的價值。在使用智能無損檢測工具后，軟件通過人工智能技術幫助我們進行復合材料缺陷的分析，有效提高了我們的工作效率，我們有了更多的時間進行其他更有價值的研究工作，有效助力了國產大飛機的型號研制。"