某飞机厂—零部件状态自动检测系统

项目概述

根据项目研究需求，需针对某大型飞机主机厂零部件状态进行智能辅助自动检测系统开发，帮助质量检测工艺人员快速且高效高质的完成飞机厂零部件接收质量检验工作，其中，特别是针对质量问题频发的部段表面紧固件多装、漏装、错装等异常检测任务工作量巨大、耗时长，亟需开发一套接收检验辅助智能自动检测系统，协助检测工艺人员快速完成零部件检测验收工作。

飞机零部件状态检测要素多且部分检测任务过程复杂、难度高（包括表面质量（划痕、掉漆）、涂胶密封、多余物清洁不彻底、配合间隙易超差及紧固件安装异常等），完全依靠人工的检测方式难以满足与日俱增的产能提升与高质量制造需求。其中，飞机大部段紧固件错漏装问题频发，造成飞机产品返工成本高、制造周期长，甚至影响飞机服役寿命。

本项目针对零部件状态快速接收检验需求，解决现阶段因人工目视检测方式导致的漏检及不可靠的问题，研究基于深度学习的待检测要素质量检测方法，探究基于模板匹配的错漏装配识别机制，开发一套适用于大部段快速接收检验辅助检测系统，协助检测工艺人员快速快速完成大部段接收检验工作，提高产品制造可靠性与质量，实现大型客机的安装状态与质量可靠管控，为提升我国大型客机的装配质量提供技术保障。

系统用途

根据飞机零部件状态工艺质量检测要求，构建零部件状态智能辅助自动检测系统，研发基于人工智能技术的飞机产品装配等制造工艺的产品质量辨识模型，实现基于多相机结合人工智能技术的飞机大零部件状态自动检测与分析。

系统概述

DS-Vision软件是针对深度学习的一款端到端算法平台软件，可以实现数据标注、模型训练、模型部署的全流程操作，用户只需要在平台进行网页操作就可以实现整个算法流程。针对通用的外观检测需求，DS-Vision平台可以提供目标检测和实例分割两种算法逻辑，内置常见的SOAT算法，全面支持YOLO系列、MMDetection系列。

基于模块化，容器化的设计思路，单个模型算法需求实现可以封装成一个独立的镜像。同时平台也提供了详细的算法封装例程，用户可以自主封装算法能力，优化自身算法，应对需求的变更。

DS-Vision可针对客户具体需求，提供基于深度学习神经网络的技术方案，达到客户给出的性能指标。