Resumen

La inspección de la superficie de las aeronaves incluye la detección de los defectos de la superficie causados por la corrosión y las grietas y las manchas producidas por el derrame de aceite, la grasa, los sedimentos de suciedad, etc. En el proceso convencional de inspección de la superficie de las aeronaves, se realiza una inspección visual humana que requiere mucho tiempo y es ineficiente, mientras que los robots con sistemas de visión a bordo pueden inspeccionar la piel de la aeronave de forma segura, rápida y precisa. Este trabajo propone un modelo de detección de defectos y manchas en la superficie de la aeronave utilizando un robot escalador reconfigurable y un algoritmo de aprendizaje profundo mejorado. Se diseña un robot reconfigurable y teleoperado, denominado "Kiropter", para capturar las imágenes de la superficie de la aeronave con una cámara RGB a bordo. Se propone un marco SSD MobileNet mejorado para la detección de manchas y defectos a partir de estas imágenes. Se ha incluido un filtro de detección de patrones periódicos basado en el autofiltrado en el marco de aprendizaje profundo SSD MobileNet para lograr la detección mejorada de las manchas y los defectos en las imágenes de la piel de la aeronave. El modelo se ha probado con imágenes reales de la superficie de la aeronave adquiridas de un Boeing 737 y de la superficie de una aeronave compacta utilizando el robot teleoperado. Los resultados experimentales demuestran que el marco SSD MobileNet mejorado logra una mayor precisión en la detección de defectos y manchas en la superficie de la aeronave en comparación con los modelos convencionales.

• Materias:Aerodinámica Ingeniería aeroespacial Satélites Satélite artificial Meteorología
• Subjects:Aerodynamics Aerospace engineering Satellites Artificial satellites Meteorology
• Palabras claves:inspección de la superficie de la aeronave, defectos de la superficie de la aeronave, marco ssd mobilenet, imagen de la superficie de la aeronave, ssd mobilenet mejorado, mancha, marco de aprendizaje profundo, robot trepador reconfigurable, algoritmo de aprendizaje profundo, precisión de la aeronave
• Keywords:aircraft surface inspection, aircraft surface defects, ssd mobilenet framework, aircraft surface image, enhanced ssd mobilenet, stain, deep learning framework, reconfigurable climbing robot, deep learning algorithm, accuracy of aircraft