视觉检测、NDT 和计算机视觉：分担眼睛的负担 — 飞机维护和航空电子设备中的人工智能

收益：

能够理解目视检查和无损检测方法，并使用计算机视觉作为大表面预筛选和注意力引导。
能够应用相关/不相关以及接受/拒绝指示之间的区别属于认证审查员和限制文件。
能够了解假阴性和假阳性的风险，并且不会以“系统表示干净”结束检查

大多数护理都是从眼睛开始的。裂纹、腐蚀点、紧固件松动、泄漏痕迹——大多数故障首先通过目视检查发现。在现代航空中，这只眼睛现在与计算机视觉（从图像中检测物体、缺陷和模式的人工智能）相伴：无人机机身扫描、管道镜图像分析、自动缺陷标记。在本单元中，我们将介绍人工智能如何在视觉检查和NDT（无损检测，在不损坏零件的情况下检测内部/表面缺陷的方法）中分担眼睛的负担，但为什么决定仍然取决于授权检查员。

目视检查和无损检测基础知识

目视检查可以是一般检查（GVI）或详细检查（DVI）；这是用肉眼、放大镜或管道镜完成的。 NDT 方法可以发现肉眼无法看到的缺陷：

涡流（涡流 - 通过电磁方式发现表面/次表面裂纹），
超声波（超声波——用声波测量内部缺陷/厚度），
染料渗透剂（液体渗透剂 - 使用有色液体使表面裂纹可见），
磁粉（磁粉—铁磁表面裂纹），
射线照相（射线照相 — 用 X 射线照射内部结构）。

NDT 需要经过认证的人员（例如 NAS 410 / EN 4179 1/2/3 级）。这是人工智能永远无法取代的任务。 AI可以提取图像中的标记；认证审查员决定该标记是真正的缺陷（相关指示）还是错误/不相关指示。

计算机视觉在哪里有用？

计算机视觉在重复性和大面积任务中非常强大，在这些任务中，人眼在视觉检查过程中会感到疲劳：

大表面预扫描：无人机/相机扫描机身、机翼覆盖物、雷击损坏；标记可疑区域。
管道镜图像支持：发动机内部机翼损坏，突出显示燃烧室控制中的可疑框架。
变化检测：比较同一区域的先前图像和当前图像并标记新的损坏。
测量支持：损伤大小的估计比例（精确测量是仪器）。
记录/标记：协助记录所发现迹象的位置。

这是一层预筛选和注意力路由。 “看这里，”他说；它并没有说“这是一条裂缝，禁止进入”。该裁决基于 SRM/AMM 限制和审查员的解释。

注意：计算机视觉的双向误差非常严重。漏报（漏掉真正的缺陷）是直接的安全风险；仅仅因为系统说“清除”，并不意味着考试就结束了。误报（标记不存在的缺陷）会造成不必要的拆卸和成本。因此，计算机视觉补充而不是取代人工检查。

为什么决定权仍由本人决定？

图像中的暗线可能是裂纹、划痕、油迹、油漆缺陷或光反射。模型在某些条件下（光照、角度、表面条件）是错误的。此外，指示是否可接受（在限制内，在哪个区域内）是工程判断，取决于批准的限制文件。 AI 无法合法执行该限制，也没有证书。所以流程总是这样的：AI打分→审查员验证→确定限制文件→授权标志。

提示：将计算机视觉输出用作“第二双眼睛”，而不是“单眼”。最好的结果是双层检查，机器可以捕获人类可能错过的内容以及机器错误标记的内容。

三个迷你箱子

案例 1——无人机扫描转移了注意力。在机身上表面检查期间，使用计算机视觉扫描无人机图像并标记了两个可疑区域。检查员详细查看了这两个区域：一个是油迹（无关），另一个是实际雷击损坏的开始。对大面积表面进行眼睛扫描的时间已减少为有针对性的检查；真正的损害很早就被发现了。

案例 2 — 发现误报。在管道镜分析中，系统标记了涡轮叶片上的“裂纹”。当认证检查员放大并改变角度时，他发现这是表面沉积物而不是裂纹。避免了不必要的发动机拆卸（非常高的成本+新错误的风险）。系统对其进行标记，人类正确地读取它。

案例 3 — 纪律与假阴性。他说，该系统在机翼下表面扫描中是“清晰的”。检查员仍然用手和放大镜按程序检查了关键的接缝区域，发现了微妙的腐蚀开始。 “他说系统清楚”没考完；纪律发现了一个漏掉的错误。

四个可复制模板

角色：目视检查预筛助理。任务：在下图/区域中标记出需要注意的可疑点，并为每个点给出可能的解释（裂纹？划痕？腐蚀？痕迹？）。规则：- 对故障作出明确判断；使用“存疑，应确认”的语言。 - 说明接受限制在 SRM/AMM 中定义，并由审查员决定。图像/上下文：[描述或视觉]

角色：变更检测助手。任务：比较同一区域的先前和当前状态并标记新形成/生长的点。规则：指出光线/角度差异可能会产生误导；精确测量和决策。输入：[先前/当前定义]

角色：NDT方法选择顾问。任务：解释哪种 NDT 方法适合以下可能的缺陷类型和位置以及原因。规则：说明该方法的应用需要经过认证的人员，并且验收标准在相关规范中。情况：[缺陷类型+材料+位置]

作用：指示记录/标记助理。任务：将以下检查结果转化为结构化记录，其中包含位置、类型、尺寸（估计）、照片参考。规则：保留“估计”；将接受/拒绝条款留空，它属于审查员。发现：[原始注释]

弱提示/强提示

弱：“这张照片有裂痕吗，飞机能飞吗？”

需要通过单一输出进行诊断和适航决策；两者都是经过认证的检查员和限制文件工作。

Güçlü：“标记该区域图像中的可疑点，并对每个点给出可能的解释（裂纹/划痕/腐蚀/痕迹）。不要做出最终判断，说‘必须验证’；说明接受限制在SRM中，决定权属于检查员。指出照明/角度误导。”

这一提示将人工智能置于预筛选角色，并将决定权留给人类。

表：目视/NDT检查中的角色分配

步骤

计算机视觉/人工智能

人类（检查者）

大面积扫描

可疑区域标志

有针对性的详细检查

表示注释

建议可能的解释

常见错误

以“系统说清楚”结束考试。漏报是一种安全风险。
将标志误认为故障。相关/不相关之间的区别由审查员决定。
使用估计尺寸作为精确测量。验收决定基于校准测量。
未经认证解释无损检测。授权和接受标准取决于规范。
忽略灯光/角度错觉。它会产生假阳性/阴性。

综上所述

目视检查和无损检测是对安全至关重要的缺陷搜寻，而计算机视觉是这里强大的预筛选层，可以分担眼睛的负担：扫描大表面、标记变化、引导注意力。但迹象并不是判决；而是判决。相关/不相关的区分、尺寸测量和接受/拒绝的决定属于经过认证的检验员和限制文件。最好的结果是在双层检查中，机器和人类互相掩盖了对方的盲目性。

应用任务

选择一个考试场景（照片或描述）。让人工智能用第一个模板标记可疑点。然后为每个标志自行决定：相关、不相关、应检查哪个 SRM/AMM 限制？列出AI遗漏或错误标记的点，并写出“双层检查”评估。

清单

[ ] 我使用计算机视觉输出作为初步筛选，而不是作为判决。
[ ] 尽管它说“系统是干净的”，但我手动检查了关键区域。
[ ] 我作为审查员做出了相关/不相关的决定。
[ ] 我根据校准的测量和限制文件做出尺寸/验收决定。
[ ] 我观察了证书颁发机构对NDT评论的看法。
[ ] 我考虑了与照明/角度相关的扭曲。