Tytuł pozycji:
Using drones and artificial intelligence to assess damage in aircraft assembly joints
Rapid development of Artificial Intelligence (AI) technologies in recent years has created new opportunities to address the growing challenges in the aviation industry. Machine learning and Deep Learning, particularly through Convolutional Neural Networks (CNNs), have advanced image recognition capabilities, enhancing inspection processes possibilities. This paper explores the integration of AI with drones to improve the precision, efficiency, and speed of inspections of airframe emphasizing the necessity of accurate equipment preparation and precise operational planning. The study demonstrates how AI algorithms can process high-resolution images and sensor data to identify and classify defects. The motivation for this paper is to address the critical need for more efficient inspection methods in aviation, driven by the industry's increasing demand for higher repair process throughput and stringent safety standards.
Szybki rozwój technologii sztucznej inteligencji (SI) w ostatnich latach stworzył nowe możliwości radzenia sobie z rosnącymi wyzwaniami w przemyśle lotniczym. Metody uczenia maszynowego i głębokiego uczenia, szczególnie za pomocą konwolucyjnych sieci neuronowych (CNN), poprawiły zdolności rozpoznawania obrazów, usprawniając możliwości procesów inspekcji. Niniejszy artykuł opisuje propozycję integracji SI z dronami i w celu poprawy precyzji, efektywności i szybkości inspekcji płatowców podkreślając konieczność dokładnego przygotowania sprzętu i precyzyjnego planowania operacji. Tekst omawia przetwarzanie obrazów wysokiej rozdzielczości i danych z czujników, identyfikując i klasyfikując uszkodzenia. Motywacją do omówienia danego tematu jest konieczność opracowania bardziej efektywnych metod inspekcji w lotnictwie, co wynika z rosnącego zapotrzebowania na większą przepustowość procesów napraw i rygorystyczne standardy bezpieczeństwa w branży.
Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki (2025).
