AIRSD

AIRSD数据集是首个专门针对战斗机表面损伤的公开数据集。它包含8,091张图像，分辨率为640 × 640，涵盖了11种飞机表面损伤类型。数据集包括合成和真实世界数据，旨在为飞机缺陷检测领域的研究和开发提供支持，为训练和评估损伤检测模型提供一个坚实的基础。该数据集的创建是为了解决传统人工检测方法在大型飞机表面上的局限性和挑战，如效率低、一致性差等。AIRSD数据集的应用领域是自动化的飞机检测技术，旨在提高检测和定位飞机表面损伤的准确性和效率，确保飞行安全。

The AIRSD dataset is the first public dataset specifically targeting fighter aircraft surface damage. It comprises 8,091 images with a resolution of 640 × 640, covering 11 types of aircraft surface damage. The dataset includes both synthetic and real-world data, aiming to support research and development in the field of aircraft defect detection and provide a solid foundation for training and evaluating damage detection models. This dataset was created to address the limitations and challenges of traditional manual detection methods on large aircraft surfaces, such as low efficiency and poor consistency. The application scope of the AIRSD dataset covers automated aircraft inspection technologies, with the goal of improving the accuracy and efficiency of detecting and localizing aircraft surface damage to ensure flight safety.

搜集汇总

数据集介绍

构建方式

AIRSD数据集通过结合激光扫描仪和相机系统，捕获战斗机表面的高分辨率2D图像和3D点云数据，构建了一个全面的飞机表面损伤检测数据集。数据采集过程中，系统采用机械稳定支撑装置，确保在飞机进入机库时能够系统性地捕获表面信息。数据集包含8,091张分辨率为640×640的图像，涵盖了11种不同类型的飞机表面损伤，如裂纹、凹痕、锈蚀等。通过合成数据和真实数据的结合，确保了数据集的多样性和广泛性。

使用方法

AIRSD数据集主要用于训练和评估飞机表面损伤检测模型。研究人员可以使用该数据集来开发基于深度学习的损伤检测算法，如改进的YOLO架构。数据集中的2D图像可用于训练模型识别和分类损伤类型，而3D点云数据则可用于损伤的精确三维定位。通过结合2D和3D数据，可以实现从损伤检测到定位的完整流程。此外，数据集还可用于比较不同算法的性能，推动自动化飞机检测技术的发展。

背景与挑战

背景概述

AIRSD数据集由南京航空航天大学等机构的研究团队于2025年创建，是首个专注于战斗机表面损伤检测的公开数据集。该数据集包含8,091张分辨率640×640的图像，涵盖裂纹、凹痕、锈蚀等11类损伤类型，融合了合成与现实数据以增强泛化能力。作为J-DDL智能检测系统的核心组成部分，AIRSD通过整合2D图像与3D点云数据，为航空器表面缺陷的精准定位提供了重要基准。该数据集的建立显著推动了自动航空检测技术的发展，解决了传统人工检测效率低、覆盖不全面的行业痛点。

当前挑战

在领域问题层面，AIRSD需应对小尺度损伤识别（如微米级裂纹）、高反射表面干扰以及复杂曲面几何形态带来的检测难题。数据构建过程中面临三大核心挑战：其一，真实损伤样本稀缺导致数据分布不均衡，罕见损伤类型（如鸟击）样本不足；其二，多模态数据对齐需解决2D-3D跨模态映射的精度问题；其三，合成数据与真实场景间的域差异影响模型泛化性能。此外，航空检测特有的安全性要求，排除了无人机碰撞风险的数据采集方式，进一步增加了全表面覆盖的数据获取难度。

常用场景

经典使用场景

在航空器维护领域，AIRSD数据集作为首个专注于战斗机表面损伤的公开数据集，为基于深度学习的损伤检测算法提供了标准化的评估基准。其典型应用场景包括训练YOLO系列目标检测模型进行飞机蒙皮裂纹、凹痕等11类损伤的识别，并通过多模态数据融合实现2D检测结果到3D点云的精准映射，为自动化检测系统提供端到端的解决方案。

解决学术问题

该数据集有效解决了航空检测领域两大核心问题：一是填补了缺乏真实战斗机损伤样本的数据空白，通过合成与真实数据结合的方式覆盖了闪电击伤、铆钉脱落等罕见损伤类型；二是突破了传统人工检测在复杂曲面覆盖率和微小缺陷识别率方面的局限，其标注的640×640高分辨率图像支持算法实现65.2%的mAP检测精度，显著提升了自动化检测的可靠性。

实际应用

在实际工程中，AIRSD支撑的J-DDL系统已部署于飞机检修库，通过机械稳定支架集成激光扫描仪与相机阵列，在飞机进库时自动完成全表面扫描。相比传统人工检测3.1小时/架次的效率，该系统仅需28分钟即可完成检测，缺陷检出数量提升2.8倍，目前已应用于某航空制造企业的日常维护流程，有效降低了人为漏检导致的安全隐患。

数据集最近研究

最新研究方向

随着航空工业对飞行安全要求的日益提高，战斗机表面损伤检测技术正迎来智能化转型的关键时期。AIRSD数据集作为首个专注于战机表面损伤的开源数据库，其最新研究聚焦于多模态数据融合与轻量化深度学习架构的创新应用。在计算机视觉与航空工程交叉领域，研究者们正致力于开发基于YOLO架构优化的损伤检测网络，通过引入轻量级FasterNet模块和高效多尺度注意力机制，显著提升了微小缺陷的识别精度。当前研究热点包括：三维点云与二维图像的跨模态特征对齐技术、针对航空器特殊材质的自适应损伤识别算法，以及面向边缘计算的轻量化部署方案。该数据集的发布不仅填补了航空缺陷检测领域基准数据的空白，更推动了无人机巡检、数字孪生维护等前沿应用的发展，为智慧民航基础设施建设提供了关键技术支撑。

相关研究论文

• J-DDL: Surface Damage Detection and Localization System for Fighter Aircraft

  南京航空航天大学计算机科学与技术学院, 太原科技大学人工智能学院 · 2025年