航空复材损伤检测的开放参考架构
这套参考架构面向飞机复材维修,设计目标是在运营方自有硬件上运行检测系统,关联损伤照片、扫描文件和历史记录。随文公开的论文、JSON 对象模型和模型登记表可按 CC BY 4.0 复用。
AI 深度解读
一块飞机风扇整流罩在铰链接头处出现脱粘,签署工程师要同时回答两件事:损伤有没有超过该零件号在这个位置的允许限值,过去同类损伤是怎么处理的。照片、扫描和维修记录分散在几套系统里,每来一件,工程师就得重新找一遍证据。
作者 Muhammad Umar 给出了一套供复用的参考架构,把证据串起来,让 AI 在车间内生成草稿,再由具名工程师确认。对做前端和全栈的读者来说,最值得拆开看的是证据怎么进入系统、审批权怎么落到人,以及作者用什么标准判断试点能否继续。
为什么先把损伤和证据连起来
这是一家沙特航空维修车间的场景。原来的照片夹在纸质工单里,超声和热成像文件留在扫描设备的电脑上,质量发现日志也没有和前两者关联。即使把资料都传进同一个文档库,搜到「脱粘」也只是拿到一批命中结果。要回答「过去一年,同一零件号有多少块风扇整流罩在同一个铰链接头发生过脱粘」,系统还得知道每份扫描对应哪件实物、哪个位置,以及哪条损伤已经过确认。
作者用 Hyper Ontology v0.9 建模,定义了 16 类对象和 12 种带类型的关联。零件号描述一类零件,序列化零件指车间里那一件可追踪的实物。那条历史查询可以沿四段关系走完:从零件号找到具体实例,再找到已确认的损伤,接着核对扫描和铰链接头位置,最后关联到质量发现日志。实物的状态也单独记录,从 Received、In assessment 一路到 Released 或 Scrapped。
入口一共接七路来源,包括现场摄像流和六套只读记录来源。维修管理系统走自己的实时 API,扫描设备导出和可解析的手册走文件与文档适配器。每份工单、扫描件和手册条款在入库时记录来源、时间戳和提取方式,并按客户隔离。如果扫描导出缺少校准引用,界面就显示这处证据缺口。授权手册里的允许限值也有前提,拿到书面许可后才能抽成对象,否则草稿引用手册修订版。
重复事件怎么处理,AI 草稿由谁确认
Apache Kafka 以 KRaft 模式运行,按工单维持事件顺序,避免损伤确认跑到对应检查前面。投递采用至少一次语义,消费者需要丢弃重复事件,架构要求保留事件直到所有消费者确认。时间同步由 Chrony 和 OCP Time Card 主时钟负责,Frigate NVR 记录三个机位,Keycloak 管理现场身份,Prometheus 3.13 LTS 和 Grafana 负责监控。
上层用五项服务支撑八个操作界面,其中包括损伤确认、方案审批和放行队列。三个基于 GLM 5.3 的代理分别起草损伤地图、维修方案和放行文书。签署工程师可以确认、修改或驳回损伤地图及分类,设计工程师负责审批或替换维修方案,以及审核材料包和人员资质,最终放行由有资质的人员签署。原有记录系统全程只读,具名确认和签名写入中间的对象模型。
这套设计把驳回当作正式流程,工程师提交的报告每周公布数量。已确认的损伤图和已批准的方案会供下一次同类评估检索,模型权重保持原样。客户记录、扫描和手册留在车间网络内,更新通过 Lidi 和硬件数据二极管单向进入本地 Harbor 镜像仓库。
三层硬件算得出容量,跑多快还得测
台架和扫描站各配一台八核、6 TOPS NPU 级别的无风扇设备,运行 ONNX Runtime。OWLv2 在选定帧上按车间的损伤词汇做零样本检测,不需要本地标注数据。SAM 2.1 把检测框或操作员点击转成损伤掩码和范围,Anomalib 标出超声或热成像扫描相对参考板的异常。边缘链路中断时,设备继续检测,草稿在本地排队。真实模型能跑多快,留到第一阶段用开发板验证。
站点服务器用一张 48 GB PCIe 推理卡运行 vLLM。Qwen3.8-27B 是稠密多模态模型,用 8 bit 权重约占 28 GB,负责把扫描和照片整理成结构化损伤信息。BGE-M3 约占 1.1 GB,用于检索手册、记录和已确认的损伤图。图像在这一层读取,中心节点负责生成草稿。
中心节点配八张 141 GB HBM GPU,共 1,128 GB。按作者采用的 7530 亿参数计,GLM 5.3 的 FP8 权重约占 753 GB,再乘 1.2 计入 KV cache 和激活值,得到约 904 GB。这个估算回答了显存能否容纳模型。车间对速度的要求更直接,工程师打开确认队列时,草稿已经在那里。原文没有实测延迟。美国原产加速卡涉及 D:3 和 D:4 目的地,第一阶段还要在询价前确定出口许可要求,并评估沙特境内采购。
三年成本怎么算,试点过关看什么
三层硬件自持三年估算约 61.3 万美元,范围是 58.3 万至 63.9 万美元。中心节点约 57 万美元,站点服务器和卡约 4.2 万美元,两台边缘设备合计不到 1,000 美元,整体估算计入支持和商业电价下的电费。作者列出的 AWS Middle East (UAE) 价格是三年承诺约 77.3 万美元,按需约 206 万美元,自持分别约为两者的五分之四和十分之三。作者查价当天,AWS 未列出沙特区域,所列租用方案会让资料跨境,因此只用来作价格参照。
部署分两阶段、五条工作线,18 个范围事项按先 17 后 1 推进,对照 22 项要求。第一阶段用一个季度看风扇整流罩和短舱面板,先记基线,再跑影子模式,草稿不占用任何必需记录的位置,随后在参考板上演示能力。质量体系变更和个人数据保护评估并行提交。退出条件是实际视觉模型跑过 6 TOPS NPU 开发板,第二阶段再扩到飞控舵面和其余零件类别。原文列出的指标是单件评估工时、周转天数、同类零件重复发现和终检后返工。
我的判断
我最认同的是让工程师改动和驳回的结果也进入记录。只做一层文档检索,上手更轻,可以先解决手册难找的问题。一旦要反复回答「同一位置过去发生过什么」,或者要追溯谁依据哪一版手册签了字,就需要稳定的零件标识、位置和证据关系。数据量小的团队可以先用关系表表达这些关系,再看查询和审计需求是否值得引入专门的本体平台。
原文给了架构、容量和成本测算,也设计了验证过程。它没有报告识别准确率、现场吞吐、草稿采纳率或周转改善,也没给出定制适配器和集成产品的对照数据。选定制适配器是基于现场 API 和扫描文件的工程判断,效果仍待验证。自持算账也依赖硬件报价、商业电价和数据留境条件,61.3 万美元只适合放回这家车间的约束里看。
能拿来做什么
- 做前端审核页时,把原图、扫描证据、手册修订版和模型建议摆在同一条记录下。校准引用缺失就显示在对应证据旁,让审核者知道判断还缺什么。
- 写 Node 接入服务时,用稳定的来源标识和版本处理重复投递,按工单约束事件顺序。验证时至少跑一遍重复导入和确认事件提前到达的情况。
- 给现有业务加 AI 草稿时,先接一条影子流程,记录人工用时、修改和驳回情况。等到能在真实输入上验证这些指标,再决定是否接入正式确认队列。