航空发动机是航空飞机的动力来源,相当于飞机的心脏,自身对可靠性和安全性有很高的要求。在航空发动机最容易发生故障的部件中,航空发动机的涡轮叶片是其中之一。所以,在发动机的检测与维护中,对航空发动机涡轮叶片的检测是重要的一个环节。对于航空发动机叶片的自动化快速无损检测,特别是对叶片中细微缺陷的初期检查以及产品质量可靠性的检测,可以迅速发现这些缺陷以此预防由这些缺陷而引发的故障的出现,从而提升航空发动机的安全性,对于保障人民生命财产安全及提高军事战斗力有着重大的意义。现有的航空发动机叶片检测方法中,超声无损检测因其高灵敏度、良好的指向性和高穿透性等特性,在航空发动机叶片的检测中得到广泛应用。为了实现对航空发动机叶片缺陷的自动化检测,从而减少对检测工作人员经验的依赖,进一步提高叶片检测的效率,超声自动化检测系统的研究就显得尤为重要。本文对航空发动机叶片超声自动化检测系统中的以下三个问题进行了研究。(1)针对航空发动机叶片超声检测所得到的点云数据,缺陷点和非缺陷点难以直观区分的问题,提出了航空发动机叶片截面点云灰度图像生成方法。首先,对航空发动机叶片截面点云数据进行最小二乘平面拟合,得到拟合平面方程及平面法向量;接着根据所得到的的平面法向量,对航空发动机叶片截面点云数据进行坐标变换,使截面点云数据在平面上的投影不发生过度累积;最后,由变换后的点云数据,在平面XOY上进行投影和网格划分,得到网格特征值,从而建立航空发动机叶片截面的点云数据灰度图像。(2)针对航空发动机叶片截面点云数据灰度图像中,缺陷区域像素提取困难的问题,提出了航空发动机叶片截面灰度图像缺陷提取方法。首先,运用现有灰度图像常用的处理方法对叶片截面灰度图像进行处理,发现其中不足;然后,基于最大间类方差阈值分割法,对截面灰度图像进行分割,将图像中灰度级较低的点剔除。最后,由数学形态学的相关理论对分割后的图像进行处理,得到叶片截面点云灰度图像中的缺陷区域像素。(3)针对叶片点云数据缺陷定位,缺陷大小及厚度确定困难的问题,提出了叶片截面点云数据缺陷检测方法。首先,根据得到的叶片截面灰度图像中的缺陷像素,得到在该缺陷像素中的缺陷点云数据;接着,由缺陷点云数据中的每个点云数据坐标值,定位缺陷位置、确定缺陷大小;最后,依照缺陷点云数据周围的非缺陷点云数据拟合平面,由缺陷点云到该平面的距离,确定该叶片截面中缺陷的厚度。