案例简介

中国商飞北研中心在飞机典型结构无损检测流程中，使用飞桨开源深度学习平台开发AI方案，替代技术人员进行缺陷分析任务，提高流程的智能化程度，实现AI技术的落地应用。

相关产品

PaddleSeg

合作伙伴简介

中国商用飞机有限责任公司是实施国家大型飞机重大专项中大型客机项目的主体，也是统筹干线飞机和支线飞机发展、实现我国民用飞机产业化的主要载体。主要从事民用飞机及相关产品的科研、生产、试验试飞，从事民用飞机销售及服务、租赁和运营等相关业务。 

业务挑战

随着国产大飞机ARJ21、C919等型号研制推进，中国商飞北研中心承担的航空复合材料许用值试验和疲劳门槛值试验日趋加重，对试验件的无损检测和损伤检测需求逐渐增加。但是无损检测过程中缺陷评定对检测人员的专业知识有着很强的依赖性，同时人工缺陷评定过程速度慢，使其成为制约型号任务进度的瓶颈。

流程中存在的问题可以总结为四点：

• 单试验件检测时间长：需要20分钟以上。通过50次的实验对流程耗时进行评测，试验时间均值为4.3分钟，评估时间均值为14.4分钟。
• 检测数量大：单批次2000块以上，每年约3批次。通常单批次试验样件为2000块以上，单个试验件测试、评估并出具报告需20分钟以上，人工缺陷评定工时数超过1000小时。
• 信息化程度低：容易造成人为疏忽。检测人员资质要求高，书写报告重复工作量大，而且人工评估过程时间占比达到77%，因此急需对评估时间进行缩短，提高检测效率。
• 设备开放程度低：优化流程困难大。

在捕获到人工检测效率比较低的问题之后，商飞北研中心对工业质检中的几种方法也进行了比较。

• 人工检测存在成本高、效率低、检测标准不统一的问题。
• 传统机器视觉技术的辨别能力比较差，抗干扰能力弱，算法无法复用。
• 深度学习技术的适应能力强，算法精度高，模型可复用，意义可迭代，具有很强的产业升级的潜力。

但深度学习技术在商飞的实际应用落地中又面临相应的难点：    

• 数据数量少，应用场景复杂。
• 检测要求高，需要按照适航级别的标准进行检测。
• 传统行业AI开发能力薄弱。

解决方案

针对深度学习落地中面临的问题，商飞北研中心找到了解决方案，就是使用百度飞桨PaddleSeg进行复合材料检测算法的开发，PaddleSeg可以通过数据增强、算法选择等技术很好地解决以上问题，有效的帮助传统行业的技术人员进行AI算法的开发。

第一阶段：数据采集、标注和增强

通过超声C扫对227块试验件进行扫描，获取超声图像，专业技术人员对图像进行标注，采用了矩形框及多边形框两种标注方式。

针对航空复合材料超声图像数据的特征，选择了左右翻转、上下翻转、变换长宽比、旋转、颜色空间扰动几种数据增强策略对训练数据进行扩充。

PaddleSeg配置示例非常简单，十行左右代码就完成了数据增强的配置，对于算法效果的提升也非常好，大概是IoU两三个点的增益。

第二阶段：模型选择

语义分割部分使用经典分割模型Unet，通过PaddleSeg进行训练及部署。

进入到网络训练阶段，商飞北研中心使用了COCO数据集的预训练模型，在复合材料检测数据集上进行微调，PaddleSeg提供了多种模型结构和丰富的预训练模型，像U-Net提供了COCO数据集上的预训练模型，Deeplabv3提供了Mobilenet、ResNet等骨干网络结构在Imagenet和COCO上的预训练模型。商飞测试了U-Net和Deeplabv3，两者效果差别不大，但U-Net训练及推理速度更快，最终选择U-Net进行部署上线。

第三阶段：训练及评估

在通过PaddleSeg进行模型训练时，只需要编写全局配置文件，设置训练集、验证集、测试集的路径，配置翻转、旋转、颜色扰动的数据增强策略，设置模型结构为U-Net，模型输入为512 x 512，还对优化器、迭代次数等等训练参数进行设置。配置完毕后即可调用训练脚本对模型进行训练，开发过程非常简单，门槛很低。

训练完成后，模型在验证集下进行测试，IoU超过95%。

第四阶段：业务上线

当算法完成后，即可使用脚本对模型进行导出，然后使用PyQt开发软件界面，设计多种图像读取方式，整合了PaddleSeg的Python推理脚本，完成图像分割功能部署，识别结果可以自动化保存为表格文件，辅助形成报告。

至此，基于飞桨的航空复合材料检测就完成了。下图为开发好的软件工具，界面简单，但是应用效果很好，可以有效地提高航空复合材料的检测效率。

价值成果

本项目将COMAC智能无损检测工具应用于复合材料超声检测流程中的人工缺陷分析和出具报告步骤，极大减少了检测人员工作量，将检测人员从复杂、重复的质检工作中解脱出来，提高检测人员的工作价值。复合材料超声检测全流程缩短为5.3分钟，检测工时减少71%，准确率提升至95%，流程完成智能化改进，单批次试验人工成本减少21.63万元，每年可减少成本64.89万元，有效加速了型号研制迭代速度，践行了勤俭研制大飞机的公司理念。

质检主管这样评价本项目："COMAC智能无损检测工具极大简化了我们的工作。从前我们的技术人员需要花费大部分时间在缺陷分析和报告撰写上，大量重复、枯燥的工作使得我们工作效率低下，无法创造更多的价值。在使用智能无损检测工具后，软件通过人工智能技术帮助我们进行复合材料缺陷的分析，有效提高了我们的工作效率，我们有了更多的时间进行其他更有价值的研究工作，有效助力了国产大飞机的型号研制。"