Robustes zählen von Triebwerksschaufeln während der Video-Endoskopie

Video-Endoskope finden bei der Inspektion von Flugtriebwerken und Turbinen breite Anwendung und ermöglichen die Detektion von Bauteildefekten. Hierbei werden die Triebwerksstufen häufig manuell rotiert. Der Mitarbeiter muss jede Schaufel einzeln Inspizieren und zeitgleich die Anzahl der im Videobild vorbeilaufenden Schaufeln zählen. Diese Tätigkeit ist ermüdend und fehleranfällig. In dieser Arbeit wird ein neuartiger Algorithmus zur automatischen Zählung der im Videobild vorbeilaufenden Schaufeln vorgestellt. Mittels Nächste-Nachbarn-Klassifikation wird eine Segmentierung der Hintergrundpixel vorgenommen. Über eine Pearson-Korrelation und adaptive Schwellwertbildung werden anschließend die Schaufeln gezählt. Durch den Verzicht auf lokale Bildmerkmale ist der Algorithmus robust gegenüber verschiedensten Inspektionsszenarien sowie metallischen Reflektionen. Die manuelle Rotation der Schaufeln führt zu einer Variation der Rotationsgeschwindigkeit und Richtung während der Inspektion. Mittels optischem Fluss werden diese Parameter aus dem Videobild ermittelt. Im Vergleich zu bestehenden Ansätzen ist der Algorithmus robust und universell zum Zählen von Triebwerksschaufeln einsetzbar.