基于深度学习的燃气涡轮叶片内窥镜损伤自动评估

为最大化燃油经济性，航空发动机中的叶片部件工作在接近材料极限的状态。严苛的运行环境导致压气机与涡轮叶片产生在役损伤，对发动机性能产生深远且直接的影响。当前叶片目视检查方法主要基于内窥镜（borescope）成像。在这些检查中，受检部件的判定需要大量人工投入，且缺乏避免人为偏见的系统化方法。为进行快速而准确的判定，我们提出了一种基于深度学习的自动工作流，利用内窥镜视频检测转子叶片上的损伤。基于计算机视觉中的前沿方法，我们展示了可分别给出叶排中每片叶片的损伤统计，并在两段内窥镜视频上演示了该工作流。