Yazar
Bouarfa, S., Doğru, Anıl, Arizar, R., Aydoğan, Reyhan, Serafico, J.
Basım Tarihi
2020
Basım Yeri
-
Amerikan Havacılık ve Uzay Bilimleri Enstitüsü, AIAA
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
978-162410595-1
Kayıt Numarası
6e4e7b06-ffcb-4a07-9969-6ff48be56dcd
Lokasyon
Bilgisayar Bilimi
Tarih
2020
Notlar
Abu Dabi Eğitim Konseyi
Örnek Metin
Derin öğrenme, uçak bakım görsel incelemesini otomatikleştirmek için kullanılabilir. Bu, hasar tespitinin doğruluğunun artırılmasına, uçağın arıza süresinin azaltılmasına ve denetim kazalarının önlenmesine yardımcı olabilir. Bu makalenin amacı, bu yöntemin uçak mühendislerine uçaktaki göçükleri otomatik olarak tespit etme konusunda destek olma potansiyelini göstermektir. Çalışmanın yeniliği, Mask R-CNN tarafından bilinen ve bir görüntüdeki nesnelerin algılanmasını sağlarken aynı anda her örnek için bir segmentasyon maskesi oluşturan yakın zamanda geliştirilmiş bir sinir ağı mimarisinin uygulanmasında yatmaktadır. Eğitim için kullanılan küçük veri seti boyutuna rağmen sonuçlar umut verici ve derin öğrenmenin uçak bakım denetimini otomatikleştirme potansiyelini gösteriyor. Model, yıldırım çarpması giriş ve çıkış noktaları, boya hasarı, çatlak ve delikler, eksik işaretler gibi ek hasar türlerini tespit edecek şekilde eğitilebilir ve dolayısıyla uçak mühendisleri için faydalı bir karar destek sistemi olabilir.
DOI
10.2514/6.2020-0389
Cilt
1
