Inspeção óptica automatizada da superfície do refletor do FAST usando drones e visão computacional

O radiotelescópio esférico de abertura de quinhentos metros (FAST), também conhecido como China Sky Eye, é o maior radiotelescópio de prato único do mundo. Seu refletor é uma esfera parcial de raio R=300 m. A tampa esférica parcial planar do refletor tem um diâmetro de 519,6 m, 1,7 vezes maior que o do maior radiotelescópio anteriormente.

A grande superfície refletora torna o FAST o radiotelescópio mais sensível do mundo. Ele foi usado por astrônomos para observar, pela primeira vez, rajadas rápidas de rádio na Via Láctea e para identificar mais de 500 novos pulsares, quatro vezes o número total de pulsares identificados por outros telescópios em todo o mundo. Objetos mais interessantes e exóticos ainda podem ser descobertos usando o FAST.

No entanto, uma superfície refletora maior é mais propensa a danos externos devido a fatores ambientais. O refletor FAST compreende um total de 4.450 painéis trilaterais emendados, feitos de alumínio com perfurações uniformes para reduzir o peso e o impacto do vento. A queda de objetos (por exemplo, durante eventos extremos, como quedas de rochas, fortes vendavais e granizo) pode causar amassados ​​e furos graves nos painéis. Tais defeitos afetam negativamente o estudo de ondas de rádio de pequeno comprimento de onda, o que exige uma superfície de prato perfeita. Qualquer irregularidade na parábola espalha essas pequenas ondas para longe do foco, causando perda de informação.

A detecção rápida de defeitos de superfície para reparo oportuno é, portanto, crítica para manter a operação normal do FAST. Isso é tradicionalmente feito por inspeção visual direta. Inspetores habilidosos escalam o refletor e examinam visualmente toda a superfície, procurando e recolocando quaisquer painéis que apresentem amassados ​​e buracos.

No entanto, este procedimento tem várias limitações. Primeiro, há perigo envolvido em acessar lugares de difícil acesso acima do solo. Em segundo lugar, é trabalhoso e demorado examinar os milhares de painéis. Em terceiro lugar, o procedimento depende muito da experiência dos inspetores e é propenso a erros e inconsistências baseados em humanos.

A solução para as deficiências da inspeção manual no FAST é a inspeção automatizada. Em um novo artigo publicado em Luz: Manufatura Avançadauma equipe de cientistas liderada pelo professor Jianan Li e Tingfa Xu, do Instituto de Tecnologia de Pequim, deu o primeiro passo para automatizar a inspeção do FAST, integrando técnicas de aprendizado profundo à tecnologia de drones.

Como primeiro passo, a equipe de pesquisa integrou técnicas de aprendizado profundo com o uso de drones para detectar automaticamente defeitos na superfície do refletor. Especificamente, eles começaram controlando manualmente um drone equipado com uma câmera RGB de alta resolução para voar sobre a superfície ao longo de uma rota predeterminada. Durante o voo, a câmera capturou e gravou vídeos das condições da superfície.

Um benefício da estabilidade de voo avançada dos drones é que os vídeos gravados podem capturar muitas informações sobre detalhes da superfície. Além disso, graças ao dispositivo GPS e ao módulo RTK a bordo da plataforma do drone, cada quadro de vídeo pode ser marcado com a localização do drone correspondente com precisão centimétrica. As localizações físicas dos painéis que aparecem em cada quadro podem ser facilmente determinadas.

Para enfrentar os desafios de encontrar defeitos de superfície em imagens de drones exibindo variação em grande escala e alta similaridade entre classes, eles introduziram uma operação de fusão cruzada simples, porém eficaz, para detectores profundos, que agrega recursos de vários níveis de maneira seletiva pontual. para ajudar a detectar defeitos de várias escalas e tipos. O método de fusão cruzada é leve e computacionalmente eficiente, recursos particularmente valiosos para aplicações de drones a bordo.

O trabalho futuro implementará o algoritmo em plataformas de hardware embarcadas para processar vídeos capturados a bordo do drone, para tornar o sistema de inspeção mais autônomo e robusto.

Fornecido por Light Publishing Center, Changchun Institute of Optics, Fine Mechanics And Physics, CAS