案例簡(jiǎn)介

中國(guó)商飛北研中心在飛機(jī)典型結(jié)構(gòu)無(wú)損檢測(cè)流程中，使用飛槳開源深度學(xué)習(xí)平臺(tái)開發(fā)AI方案，替代技術(shù)人員進(jìn)行缺陷分析任務(wù)，提高流程的智能化程度，實(shí)現(xiàn)AI技術(shù)的落地應(yīng)用。

相關(guān)產(chǎn)品

PaddleSeg

合作伙伴簡(jiǎn)介

中國(guó)商用飛機(jī)有限責(zé)任公司是實(shí)施國(guó)家大型飛機(jī)重大專項(xiàng)中大型客機(jī)項(xiàng)目的主體，也是統(tǒng)籌干線飛機(jī)和支線飛機(jī)發(fā)展、實(shí)現(xiàn)我國(guó)民用飛機(jī)產(chǎn)業(yè)化的主要載體。主要從事民用飛機(jī)及相關(guān)產(chǎn)品的科研、生產(chǎn)、試驗(yàn)試飛，從事民用飛機(jī)銷售及服務(wù)、租賃和運(yùn)營(yíng)等相關(guān)業(yè)務(wù)。 

業(yè)務(wù)挑戰(zhàn)

隨著國(guó)產(chǎn)大飛機(jī)ARJ21、C919等型號(hào)研制推進(jìn)，中國(guó)商飛北研中心承擔(dān)的航空復(fù)合材料許用值試驗(yàn)和疲勞門檻值試驗(yàn)日趨加重，對(duì)試驗(yàn)件的無(wú)損檢測(cè)和損傷檢測(cè)需求逐漸增加。但是無(wú)損檢測(cè)過(guò)程中缺陷評(píng)定對(duì)檢測(cè)人員的專業(yè)知識(shí)有著很強(qiáng)的依賴性，同時(shí)人工缺陷評(píng)定過(guò)程速度慢，使其成為制約型號(hào)任務(wù)進(jìn)度的瓶頸。

流程中存在的問(wèn)題可以總結(jié)為四點(diǎn)：

• 單試驗(yàn)件檢測(cè)時(shí)間長(zhǎng)：需要20分鐘以上。通過(guò)50次的實(shí)驗(yàn)對(duì)流程耗時(shí)進(jìn)行評(píng)測(cè)，試驗(yàn)時(shí)間均值為4.3分鐘，評(píng)估時(shí)間均值為14.4分鐘。
• 檢測(cè)數(shù)量大：?jiǎn)闻?span lang="EN-US" style="box-sizing: border-box;">2000塊以上，每年約3批次。通常單批次試驗(yàn)樣件為2000塊以上，單個(gè)試驗(yàn)件測(cè)試、評(píng)估并出具報(bào)告需20分鐘以上，人工缺陷評(píng)定工時(shí)數(shù)超過(guò)1000小時(shí)。
• 信息化程度低：容易造成人為疏忽。檢測(cè)人員資質(zhì)要求高，書寫報(bào)告重復(fù)工作量大，而且人工評(píng)估過(guò)程時(shí)間占比達(dá)到77%，因此急需對(duì)評(píng)估時(shí)間進(jìn)行縮短，提高檢測(cè)效率。
• 設(shè)備開放程度低：優(yōu)化流程困難大。

在捕獲到人工檢測(cè)效率比較低的問(wèn)題之后，商飛北研中心對(duì)工業(yè)質(zhì)檢中的幾種方法也進(jìn)行了比較。

• 人工檢測(cè)存在成本高、效率低、檢測(cè)標(biāo)準(zhǔn)不統(tǒng)一的問(wèn)題。
• 傳統(tǒng)機(jī)器視覺(jué)技術(shù)的辨別能力比較差，抗干擾能力弱，算法無(wú)法復(fù)用。
• 深度學(xué)習(xí)技術(shù)的適應(yīng)能力強(qiáng)，算法精度高，模型可復(fù)用，意義可迭代，具有很強(qiáng)的產(chǎn)業(yè)升級(jí)的潛力。

但深度學(xué)習(xí)技術(shù)在商飛的實(shí)際應(yīng)用落地中又面臨相應(yīng)的難點(diǎn)：    

• 數(shù)據(jù)數(shù)量少，應(yīng)用場(chǎng)景復(fù)雜。
• 檢測(cè)要求高，需要按照適航級(jí)別的標(biāo)準(zhǔn)進(jìn)行檢測(cè)。
• 傳統(tǒng)行業(yè)AI開發(fā)能力薄弱。

解決方案

針對(duì)深度學(xué)習(xí)落地中面臨的問(wèn)題，商飛北研中心找到了解決方案，就是使用百度飛槳PaddleSeg進(jìn)行復(fù)合材料檢測(cè)算法的開發(fā)，PaddleSeg可以通過(guò)數(shù)據(jù)增強(qiáng)、算法選擇等技術(shù)很好地解決以上問(wèn)題，有效的幫助傳統(tǒng)行業(yè)的技術(shù)人員進(jìn)行AI算法的開發(fā)。

第一階段：數(shù)據(jù)采集、標(biāo)注和增強(qiáng)

通過(guò)超聲C掃對(duì)227塊試驗(yàn)件進(jìn)行掃描，獲取超聲圖像，專業(yè)技術(shù)人員對(duì)圖像進(jìn)行標(biāo)注，采用了矩形框及多邊形框兩種標(biāo)注方式。

針對(duì)航空復(fù)合材料超聲圖像數(shù)據(jù)的特征，選擇了左右翻轉(zhuǎn)、上下翻轉(zhuǎn)、變換長(zhǎng)寬比、旋轉(zhuǎn)、顏色空間擾動(dòng)幾種數(shù)據(jù)增強(qiáng)策略對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行擴(kuò)充。

PaddleSeg配置示例非常簡(jiǎn)單，十行左右代碼就完成了數(shù)據(jù)增強(qiáng)的配置，對(duì)于算法效果的提升也非常好，大概是IoU兩三個(gè)點(diǎn)的增益。

第二階段：模型選擇

語(yǔ)義分割部分使用經(jīng)典分割模型Unet，通過(guò)PaddleSeg進(jìn)行訓(xùn)練及部署。

進(jìn)入到網(wǎng)絡(luò)訓(xùn)練階段，商飛北研中心使用了COCO數(shù)據(jù)集的預(yù)訓(xùn)練模型，在復(fù)合材料檢測(cè)數(shù)據(jù)集上進(jìn)行微調(diào)，PaddleSeg提供了多種模型結(jié)構(gòu)和豐富的預(yù)訓(xùn)練模型，像U-Net提供了COCO數(shù)據(jù)集上的預(yù)訓(xùn)練模型，Deeplabv3提供了Mobilenet、ResNet等骨干網(wǎng)絡(luò)結(jié)構(gòu)在Imagenet和COCO上的預(yù)訓(xùn)練模型。商飛測(cè)試了U-Net和Deeplabv3，兩者效果差別不大，但U-Net訓(xùn)練及推理速度更快，最終選擇U-Net進(jìn)行部署上線。

第三階段：訓(xùn)練及評(píng)估

在通過(guò)PaddleSeg進(jìn)行模型訓(xùn)練時(shí)，只需要編寫全局配置文件，設(shè)置訓(xùn)練集、驗(yàn)證集、測(cè)試集的路徑，配置翻轉(zhuǎn)、旋轉(zhuǎn)、顏色擾動(dòng)的數(shù)據(jù)增強(qiáng)策略，設(shè)置模型結(jié)構(gòu)為U-Net，模型輸入為512 x 512，還對(duì)優(yōu)化器、迭代次數(shù)等等訓(xùn)練參數(shù)進(jìn)行設(shè)置。配置完畢后即可調(diào)用訓(xùn)練腳本對(duì)模型進(jìn)行訓(xùn)練，開發(fā)過(guò)程非常簡(jiǎn)單，門檻很低。

訓(xùn)練完成后，模型在驗(yàn)證集下進(jìn)行測(cè)試，IoU超過(guò)95%。

第四階段：業(yè)務(wù)上線

當(dāng)算法完成后，即可使用腳本對(duì)模型進(jìn)行導(dǎo)出，然后使用PyQt開發(fā)軟件界面，設(shè)計(jì)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(shí)別結(jié)果可以自動(dòng)化保存為表格文件，輔助形成報(bào)告。

至此，基于飛槳的航空復(fù)合材料檢測(cè)就完成了。下圖為開發(fā)好的軟件工具，界面簡(jiǎn)單，但是應(yīng)用效果很好，可以有效地提高航空復(fù)合材料的檢測(cè)效率。

價(jià)值成果

本項(xiàng)目將COMAC智能無(wú)損檢測(cè)工具應(yīng)用于復(fù)合材料超聲檢測(cè)流程中的人工缺陷分析和出具報(bào)告步驟，極大減少了檢測(cè)人員工作量，將檢測(cè)人員從復(fù)雜、重復(fù)的質(zhì)檢工作中解脫出來(lái)，提高檢測(cè)人員的工作價(jià)值。復(fù)合材料超聲檢測(cè)全流程縮短為5.3分鐘，檢測(cè)工時(shí)減少71%，準(zhǔn)確率提升至95%，流程完成智能化改進(jìn)，單批次試驗(yàn)人工成本減少21.63萬(wàn)元，每年可減少成本64.89萬(wàn)元，有效加速了型號(hào)研制迭代速度，踐行了勤儉研制大飛機(jī)的公司理念。

質(zhì)檢主管這樣評(píng)價(jià)本項(xiàng)目："COMAC智能無(wú)損檢測(cè)工具極大簡(jiǎn)化了我們的工作。從前我們的技術(shù)人員需要花費(fèi)大部分時(shí)間在缺陷分析和報(bào)告撰寫上，大量重復(fù)、枯燥的工作使得我們工作效率低下，無(wú)法創(chuàng)造更多的價(jià)值。在使用智能無(wú)損檢測(cè)工具后，軟件通過(guò)人工智能技術(shù)幫助我們進(jìn)行復(fù)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(shí)間進(jìn)行其他更有價(jià)值的研究工作，有效助力了國(guó)產(chǎn)大飛機(jī)的型號(hào)研制。"