Inspection optique automatisée de la surface du réflecteur de FAST à l’aide de drones et de vision par ordinateur

Le radiotélescope sphérique à ouverture de cinq cents mètres (FAST), également connu sous le nom de China Sky Eye, est le plus grand radiotélescope à parabole unique au monde. Son réflecteur est une sphère partielle de rayon R=300 m. La calotte sphérique partielle plane du réflecteur a un diamètre de 519,6 m, 1,7 fois plus grand que celui du radiotélescope le plus grand auparavant.

La grande surface réfléchissante fait de FAST le radiotélescope le plus sensible au monde. Il a été utilisé par les astronomes pour observer, pour la première fois, des sursauts radio rapides dans la Voie lactée et pour identifier plus de 500 nouveaux pulsars, soit quatre fois le nombre total de pulsars identifiés par d’autres télescopes dans le monde. Des objets plus intéressants et exotiques peuvent encore être découverts en utilisant FAST.

Cependant, une surface réfléchissante plus grande est plus sujette aux dommages externes dus aux facteurs environnementaux. Le réflecteur FAST comprend un total de 4 450 panneaux trilatéraux épissés, en aluminium avec des perforations uniformes pour réduire le poids et l’impact du vent. La chute d’objets (par exemple, lors d’événements extrêmes tels que des chutes de pierres, de violentes tempêtes de vent et de grêle) peut provoquer de graves bosses et des trous dans les panneaux. De tels défauts ont un impact négatif sur l’étude des ondes radio de petite longueur d’onde, qui exige une surface de parabole parfaite. Toute irrégularité dans la parabole disperse ces petites ondes loin du foyer, provoquant une perte d’informations.

La détection rapide des défauts de surface pour une réparation rapide est donc essentielle pour maintenir le fonctionnement normal de FAST. Cela se fait traditionnellement par inspection visuelle directe. Des inspecteurs qualifiés grimpent sur le réflecteur et examinent visuellement toute la surface, recherchant et remplaçant tous les panneaux montrant des bosses et des trous.

Cependant, cette procédure a plusieurs limites. Premièrement, il y a un danger à accéder à des endroits difficiles d’accès en hauteur. Deuxièmement, l’examen des milliers de panneaux demande beaucoup de travail et de temps. Troisièmement, la procédure s’appuie fortement sur l’expertise des inspecteurs et est sujette à des erreurs humaines et à des incohérences.

Le remède aux lacunes de l’inspection manuelle chez FAST est l’inspection automatisée. Dans un nouvel article publié dans Lumière : fabrication avancéeune équipe de scientifiques dirigée par le professeur Jianan Li et Tingfa Xu de l’Institut de technologie de Pékin ont fait le premier pas vers l’automatisation de l’inspection de FAST en intégrant des techniques d’apprentissage en profondeur à la technologie des drones.

Dans un premier temps, l’équipe de recherche a intégré des techniques d’apprentissage en profondeur à l’utilisation de drones pour détecter automatiquement les défauts sur la surface du réflecteur. Concrètement, ils ont commencé par contrôler manuellement un drone équipé d’une caméra RVB haute résolution pour survoler la surface selon un itinéraire prédéterminé. Pendant le vol, la caméra a capturé et enregistré des vidéos des conditions de surface.

L’un des avantages de la stabilité de vol avancée des drones est que les vidéos enregistrées peuvent capturer de nombreuses informations sur les détails de la surface. De plus, grâce au dispositif GPS et au module RTK à bord de la plate-forme du drone, chaque image vidéo peut être étiquetée avec l’emplacement correspondant du drone avec une précision centimétrique. Les emplacements physiques des panneaux qui apparaissent dans chaque cadre peuvent ainsi être facilement déterminés.

Pour relever les défis de la recherche de défauts de surface dans les images de drones présentant une variation à grande échelle et une grande similitude entre les classes, ils ont introduit une opération de fusion croisée simple mais efficace pour les détecteurs profonds, qui agrège des caractéristiques à plusieurs niveaux de manière sélective ponctuelle. pour aider à détecter des défauts d’échelles et de types variés. La méthode de fusion croisée est légère et efficace sur le plan informatique, des fonctionnalités particulièrement précieuses pour les applications de drones embarqués.

Les travaux futurs implémenteront l’algorithme sur des plates-formes matérielles embarquées pour traiter les vidéos capturées à bord du drone, afin de rendre le système d’inspection plus autonome et plus robuste.

Fourni par Light Publishing Center, Changchun Institute of Optics, Fine Mechanics And Physics, CAS