creexpCrede Experto: транспорт, общество, образование, языкCrede Experto: transport, society, education, language2312-1327Иркутский филиал ФГБОУ ВО «МГТУ ГА»10.51955/2312-1327_2024_2_61creexp-39Research ArticleЛЕТАТЕЛЬНЫЕ АППАРАТЫ, АВИАЦИОННЫЕ ДВИГАТЕЛИ И МЕТОДЫ ИХ ЭКСПЛУАТАЦИИНейросетевая система лазерной диагностики элементов остекления кабин самолетовNeural network system for laser diagnostics of aircraft cabin glazing elementshttps://orcid.org/0000-0001-5655-3649ПавловП. В.PavlovP. V.

Павел Владимирович Павлов, кандидат технических наук, доцент

ул. Старых Большевиков, д. 54а, Воронеж, 394064

Pavel V. Pavlov, Candidate of Technical Sciences, Associate Professor

54A, Starykh Bolshevikov street, Voronezh, 394064

pavlov.pave@yandex.ruhttps://orcid.org/0009-0004-9184-5267ТюрневД. И.TyurnevD. I.

Даниил Игоревич Тюрнев

ул. Старых Большевиков, д. 54а, Воронеж, 394064

Daniil I. Tyurnev

54A, Starykh Bolshevikov street, Voronezh, 394064

33dd44dd55ddd@gmail.comhttps://orcid.org/0009-0009-3768-5246СухачевН. В.SukhachevN. V.

Никита Владимирович Сухачев

ул. Старых Большевиков, д. 54а, Воронеж, 394064

Nikita V. Sukhachev

54A, Starykh Bolshevikov street, Voronezh, 394064

n-suhachev@mail.ruВоенный учебно-научный центр Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина»РоссияMilitary Training and Research Center of the Air Force "Air Force Academy named after Professor N. E. Zhukovsky and Y. A. Gagarin"Russian Federation202428112025026176Copyright © Павлов П.В., Тюрнев Д.И., Сухачев Н.В., 20252025Павлов П.В., Тюрнев Д.И., Сухачев Н.В.Pavlov P.V., Tyurnev D.I., Sukhachev N.V.This work is licensed under a Creative Commons Attribution 4.0 License.https://ce.if-mstuca.ru/jour/article/view/39

Оценка технического состояния элементов остекления кабин самолетов оперативно-тактической авиации по-прежнему остается наиболее важной задачей в обеспечении безопасности полетов. Для повышения оперативности операций по неразрушающему контролю элементов остекления с использованием метода спекл-структур оптического излучения предлагается использовать нейросетевые технологии для автоматического определения контролируемых участков на кабине самолета. Для реализации данной задачи были использованы технологии искусственного интеллекта, основанные на алгоритмах семантической сегментации, классификации и обнаружения контролируемых участков по установленным маркерам на кабине за счет применения сверточной нейросети на архитектуре YOLOv8. Применение технологий машинного зрения позволило в реальном масштабе времени осуществлять измерение величины выхода остекления из заделки при создании избыточного давления внутри кабины и тем самым сократить время на оценку технического состояния не менее чем в 10 раз. Установлена причина расхождения результатов применения метода спекл-структур оптического излучения при определении величины выхода остекления из заделки с «ленточным» методом, выработаны рекомендации для снижения погрешностей измерений.

Assessing the technical condition of glazing elements in the cockpits of operational-tactical aircraft still remains the most important task in ensuring flight safety. To increase the efficiency of operations for non-destructive testing of glazing elements using the speckle structure method of optical radiation, the authors propose to use neural network technologies to automatically identify controlled areas in the cockpit. Artificial intelligence technologies have been used to realise this task. They are based on algorithms of semantic segmentation, classification and detection of monitored areas according to the established markers on the cabin due to the application of convolutional neural network on YOLOv8. The application of machine vision technology have made it possible real-time measurement of the glazing exit from the termination when overpressure has been created inside the cabin. This reduces the time for technical condition assessment by at least 10 times. The use of machine vision technologies have made it possible to measure the value of the glazing outlet from the sealing in real time when creating excessive pressure inside the cabin and thereby reduce the time to assess the technical condition by at least 10 times. The authors have established the reason for the discrepancy between the results of using the speckle-structure method of optical radiation in determining the value of glazing yield from the termination and the "tape" method and developed recommendations to reduce measurement errors.

неразрушающий контрольоптико-электронные системыспеклсемантическая сегментациясверточная нейросетьYOLOостеклениеnon-destructive testingoptical-electronic systemsspecklesemantic segmentationconvolutional neural networkYOLOglazingReferencesАриничев И. В. Семантическая сегментация ржавчин и пятнистостей пшеницы / И. В. Ариничев, С. В. Полянских, И. В. Ариничева // Компьютерная оптика. 2023. Том 47. № 1. С. 118-125. DOI 10.18287/2412-6179-CO-1130.Arinichev I. V., Polyanskikh S. V., Arinicheva I. V. (2023). Semantic segmentation of rusts and spots of wheat Computer Optics. 47(1): 118-125. (in Russian)Беликов А. А. EFFICIENTUDET – новая архитектура для семантической сегментации изображения / Наукосфера. 2023. № 4(2). С. 191-198. EDN CSTXOL.Belikov A. A. (2023). EFFICIENTUDET - a new architecture for semantic image segmentation. Scienceosphere. 4(2): 191-198. (in Russian)Гаврилов Д. А. Исследование применимости сверточной нейронной сети U-Net к задаче сегментации изображений авиационной техники // Компьютерная оптика. 2021. Том 45. № 4. С. 575-579. DOI 10.18287/2412-6179-CO-804.Filichkin S. A., Vologdin S. V. (2023). Comparison of the effectiveness of the YOLOv5 and YOLOv8 algorithms for detecting personal protective equipment. Intelligent systems in production. 21(3): 124-131. (in Russian)Михалев О. Н. Машинное зрение и распознавание объектов с помощью нейронных сетей // О. Н. Михалев, А. С. Янюшкин // Робототехника и техническая кибернетика. 2022. Т. 10. № 2. С. 113-120. DOI 10.31776/RTCJ.10204.Gavrilov D. A. (2021). Study of the applicability of the U-Net convolutional neural network to the problem of segmentation of images of aviation equipment. Computer Optics. 45(4): 575–579. (in Russian)Новые способы акустической диагностики воздушных судов / А. В. Попов [и др.] // Инженер и промышленник сегодня. 2022. № 3(57). С. 48-53.Mikhalev O. N., Yanyushkin A. S. (2022). Machine vision and object recognition using neural networks. Robotics and technical cybernetics. 10(2): 113-120. (in Russian)Оценка усталостных повреждений в органическом стекле оптическими методами / А. П. Владимиров, И. С. Каманцев, Н. А. Друкаренко [и др.] / Оптика и спектроскопия. 2019. № 5. С. 870-880. DOI 10.21883/OS.2019.11.48530.165-19.Pavlov P. V., Lagoshny I. S., Vladimirov A. P., Tyurnev D. I., Evsin A. O., Onoshko A. M. Software module for determining the amount of movement of diffuse objects by analyzing the parameters of digital speckle photography. Certificate of registration of the computer program RU 2023617647, 04.12.2023. Application № 2023616464 dated 04.04.2023. (in Russian)Половинкин А. Е. Управляющая система порогового распознавания объектов с применением искусственного интеллекта на основе нейронной сети YOLO / А. Е. Половинкин, В. В. Белозерских // Высокопроизводительные вычислительные системы и технологии. 2023. Т. 7. № 1. С. 97-105. EDN LCSZRK.Polovinkin A. E., Belozerskikh V. V. (2023). Control system for threshold object recognition using artificial intelligence based on the YOLO neural network. High-performance computing systems and technologies. 7(1): 97-105. (in Russian)Попов А. В. Система оценки прочности конструкций авиационной и ракетно-космической техники на основе метода акустической эмиссии / А. В. Попов, Д. Н. Тесля, А. Б. Комлев // Контроль. Диагностика. 2018. № 8. С. 34-39. DOI 10.14489/td.2018.08.pp.034-039.Popov A. V., Teslya D. N., Komlev A. B. (2018). System for assessing the strength of structures of aviation and rocket and space technology based on the acoustic emission method. Control. Diagnostics. (8): 34-39. (in Russian)Преснецов А. М. Разработка программно-аппаратного комплекса для мониторинга производственной деятельности с использованием нейросети YOLOv8 / А. М. Преснецов, А. П. Тюрин // Интеллектуальные системы в производстве. 2023. Т. 21. № 2. С. 140-151. DOI 10.22213/2410-9304-2023-2-140-151.Popov A. V., Voloshina V. Yu., Zhuravsky K. A., Labina M. A. (2022). New methods of acoustic diagnostics of aircraft. Engineer and industrialist today. 3 (57): 48–53. (in Russian)Прокопенко В. В. Применения нейросетевой модели YOLO в рамках задачи детектирования эмоций // Наукосфера. 2023. № 5-2. С. 305-311. EDN JCRBWE.Presnetsov A. M., Tyurin A. P. (2023). Development of a software and hardware complex for monitoring production activities using the YOLOv8 neural network. Intelligent systems in production. (21)2: 140-151. (in Russian)Свидетельство о государственной регистрации программы для ЭВМ № 2023617647 Российская Федерация. Программный модуль определения величины перемещения диффузных объектов по анализу параметров цифровой спекл-фотографии: № 2023616464: заявл. 04.04.2023: опубл. 12.04.2023 / П. В. Павлов, И. С. Лагошный, А. П. Владимиров [и др.]. EDN UBNZVD.Prokopenko V. V. (2023). Applications of the YOLO neural network model within the framework of the emotion detection task. Naukosfera. 5–2: 305-311. (in Russian)Спекл-диагностика элементов остекления кабин воздушных судов из органического стекла / А. П. Владимиров, И. С. Каманцев, Н. А. Друкаренко [и др.] // Авиационная промышленность. 2021. №3-4. С. 97-103. EDN BIRSXH.Stepanov A. R., Pavlov P. V., Vladimirov A. P. (2023). Hardware-software complex for speckle-laser diagnostics of aircraft cabin glazing elements. Proceedings of MAI. (129). Available at: https://trudymai.ru/upload/iblock/23a/ee6elfeedmlwwnbvz9rfxl6h92e7dpg3/23_Stepanov_Pavlov_Vladimirov.pdf?lang=ru&issue=129 (accessed 27 November 2023). (in Russian)Степанов А. Р. Аппаратно-программный комплекс спекл-лазерной диагностики элементов остекления кабин самолетов / А. Р. Степанов, П. В. Павлов, А. П. Владимиров // Труды МАИ. 2023. № 129 // [Электронный ресурс]. 2023. – URL: https://trudymai.ru/upload/iblock/23a/ee6elfeedmlwwnbvz9rfxl6h92e7dpg3/23_Stepanov_Pavlov_Vladimirov.pdf?lang=ru&issue=129. DOI 10.34759/trd-2023-129-23 (дата обращения: 27.11.2023).Terven J. R., Cordova-Esparaza D. M. (2023). A comprehensive review of yolo: from yolov1 to YOLOv8 and beyond. официальный репозиторий YOLOv8. Under review in ACM Computing Surveys (2023). Available at: https://arxiv.org/pdf/2304.00501v1.pdf (accessed 27 November 2023).Филичкин С. А. Сравнение эффективности алгоритмов YOLOv5 и YOLOv8 для обнаружения средств индивидуальной защиты человека / С. А. Филичкин, С. В. Вологдин // Интеллектуальные системы в производстве. 2023. Т. 21. № 3. С. 124-131. DOI 10.22213/2410-9304-2023-3-124-131.Vladimirov A. P., Drukarenko N. A., Kamantsev I. S., Pavlov P. V., Evsin A. O. (2021). Speckle diagnostics of glazing elements of aircraft cabins made of organic glass. Aviation industry. (3-4): 97-103. (in Russian)Terven J. R. A comprehensive review of yolo: from yolov1 to YOLOv8 and beyond. [официальный репозиторий YOLOv8] / J. R. Terven, D. M. Cordova-Esparaza // Under review in ACM Computing Surveys. April 4, 2023 // [Электронный ресурс]. – 2023. URL: https://arxiv.org/pdf/2304.00501v1.pdf (дата обращения: 27 ноября 2023).Vladimirov A. P., Kamantsev I. S., Drukarenko N. A., Trishin N. V., Akashen L. A., Druzhinin A. V. (2019). Assessment of fatigue damage in organic glass by optical methods. Optics and spectroscopy. (5): 870-880. (in Russian)

The authors declare that there are no conflicts of interest present.