![]() |
个人信息Personal Information
教师英文名称:Jun-Wei Wang
职称:副教授
硕士生导师
毕业院校:Beihang University
学科:控制理论与控制工程
学历:研究生(博士后)
学位:工学博士学位
所在单位:School of Intelligence Science and Technology
电子邮箱:
联系方式:junweiwang@ustb.edu.cn
办公地点:Innovation Park(创新苑)
研究方向
人工智能驱动无人工具管理系统
在民航领域,为了保证飞行安全,例行检修及维修是必不可少且极其重要的日常工作。航空维修是一项精细作业,维修工具管理水平和效率将影响民航飞机的维修质量,甚至影响飞行安全。从航空安全网发布信息来看,每年民航空难时有发生,其中仅2018年全球共发生致命空难有15起,导致556人遇难。空难一旦发生,不仅造成巨大经济损失,也导致许多无可挽回的生命逝去。有资料表明:维修工具遗落在飞机上也是造成空难的主要因素之一。一旦发现维修工具丢失或遗漏,往往采用人海战术进行搜寻,这必然会造成大量人力资源的消耗。
在日常的航空维护工作中,经常涉及到成百上千件维修工具,它们的种类繁多、规格复杂、数量庞大。为了保证民航维修的质量,民航维修领域有着十分复杂的维修工具管理体系,然而这也导致了维修工具的出入库过程变得繁琐复杂。目前,民航维修工具管理还主要集中在人工管理。在每次维修前,工人需要准备好要使用的维修工具,同时在维修结束后,还需将用完的维修工具进行清点入库。该管理方案存在成本过高、效率低下等不足。随着人工智能技术的飞速发展,维修工具智能化管理已成为可能,不仅可以有效提高管理水平和效率,还能够有效防止工具的丢失。因此,维修工具的智能化管理研究显得尤为重要。
随着人工智能技术的飞速发展,深度学习算法在计算机视觉的各个领域都取得了巨大突破,尤其在目标检测、识别分类领域各种优秀的深度学习算法大量涌现,例如RNN系列、SSD以及YOLO系列等。依托深度学习与计算机视觉技术,越来越多应用于智能设备,以替代人类进行简单重复性工作。机械臂在现代制造业中发挥着重要作用,可以更加安全高效完成一些分拣或加工任务,且自动化水平在逐步提升。因此如何将计算机视觉技术、强大的深度学习算法和机械臂相结合开发一种面向航空维修工具智能管理的识别抓取系统有着重要的实际意义。