به سمت بازرسی تعمیر و نگهداری خودکار هواپیما. مورد استفاده برای تشخیص فرورفتگی هواپیما با استفاده از ماسک r-cnn
| عنوان | به سمت بازرسی تعمیر و نگهداری خودکار هواپیما. مورد استفاده برای تشخیص فرورفتگی هواپیما با استفاده از ماسک r-cnn |
|---|---|
| نویسنده | Bouarfa، S.، Doğru، Anıl، Arizar، R.، Aydoğan، Reyhan، Serafico، J. |
| تاریخ انتشار: | 2020 |
| محل انتشار | - موسسه آمریکایی هوانوردی و فضانوردی، AIAA |
| نوع | سند |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 978-162410595-1 |
| شماره ثبت | 6e4e7b06-ffcb-4a07-9969-6ff48be56dcd |
| محل کتابخانه | علوم کامپیوتر |
| تاریخ | 2020 |
| یادداشتها | شورای آموزش ابوظبی |
| متن نمونه | یادگیری عمیق می تواند برای خودکارسازی بازرسی بصری تعمیر و نگهداری هواپیما استفاده شود. این می تواند به افزایش دقت تشخیص آسیب، کاهش زمان توقف هواپیما و جلوگیری از حوادث بازرسی کمک کند. هدف این مقاله نشان دادن پتانسیل این روش در حمایت از مهندسان هواپیما برای تشخیص خودکار فرورفتگی هواپیما است. تازگی کار در بکارگیری معماری شبکه عصبی اخیراً توسعهیافته توسط Mask R-CNN نهفته است که تشخیص اشیاء در یک تصویر را امکانپذیر میسازد در حالی که به طور همزمان برای هر نمونه یک ماسک تقسیمبندی ایجاد میکند. علیرغم اندازه کوچک مجموعه داده مورد استفاده برای آموزش، نتایج امیدوارکننده هستند و پتانسیل یادگیری عمیق برای خودکارسازی بازرسی تعمیر و نگهداری هواپیما را نشان میدهند. این مدل میتواند برای شناسایی انواع آسیبهای اضافی مانند نقاط ورود و خروج صاعقه، آسیب رنگ، ترکها و سوراخها، نشانههای گمشده آموزش داده شود و بنابراین میتواند یک سیستم پشتیبانی تصمیمگیری مفید برای مهندسان هواپیما باشد. |
| DOI | 10.2514/6.2020-0389 |
| Cilt | 1 |
