航空发动机叶片服役条件恶劣,容易发生多种缺陷或损伤。对于较大的缺陷损伤,需拆卸发动机,返厂拆解送修。而对于裂纹、叶尖缺口、积碳等微小损伤,可不拆卸发动机,在原位进行检测与维修。原位检测与维修是指依靠发动机预留的一些孔探孔位,通过视频内窥镜等孔探设备,在不对发动进行拆解,不拆卸零部件的情况下,在翼对发动机内部环境进行探查,依据拍摄到的叶片图像,进行人工筛查,判断损伤缺陷的位置和类型、尺寸测量以及损伤等级评估,并进行相应的维修。原位检测与维修可以节约维修成本,缩短维修周期。本文围绕航空发动机原位检测与维修关键技术和原型系统开展研究。首先,为了利用孔探设备获得叶片损伤图像对损伤区域进行识别,提出了叶片损伤分层混合检测方法,采取低Io U阈值分类与高Io U阈值目标分割训练,低置信度分类与高置信度目标分割混合识别策略,以获得更全面的检测结果。针对叶片孔探图像数据稀少、分布不均衡的特点,采取样本扩充和迁移学习策略,提高了损伤图像小样本训练的收敛速度和准确度。然后,提出了叶片裂纹损伤测量与评价方法,为此基于双目视觉损伤识别结果和叶片三维模型,获得并修正叶片轮廓三维信息,并结合有限元分析、三维测量信息和疲劳寿命预测方法,建立了发动机叶片损伤评价方法,为维修决策和检查安排提供参考。随后,由于航空发动机内部环境复杂,叶片存在相互遮挡,为了进行原位维修的损伤区域进行路径规划,提出了航空发动机内部复杂环境路径规划方法,基于Quick-RRT*算法和精确环境模型,通过Solid Works二次开发实现了路径与精确三维模型碰撞检验。针对初始路径搜索效率,提出了引力约束与障碍约束共同作用的目标点指向概率可变采样方式,针对狭小环境内收敛速度慢的局部困境问题,提出了动态采样区域策略。最后,研发航空发动机原位协同检修原型系统,为航空发动机原位检测与维修的可视化、自动化和智能化提供支持。