当前，国产大飞机 C919 加速规模化运营、C929 宽体客机研制不断推进，轻量化复合材料被大量使用。然而，材料内部比头发丝还细小的分层、脱粘等缺陷如同 " 体内暗伤 "，传统人工手持探头盲搜的方式不仅效率低，还容易漏判。更棘手的是，大型双曲面机身让全面扫查难上加难。面对这一行业痛点，一支同济大学 05 后学子组成的 " 云巡智检 " 团队，立足学科交叉优势，自主研发出空地云协同智能检测系统，用青春智慧为大飞机复材结构装上 " 智能眼睛 "。

团队的想法萌生于一次实地调研。在上海飞机制造有限公司的车间里，同学们看到质检师傅举着超声探头，沿着巨大的双曲面机身一寸寸移动，汗水浸透工装，却依然难以保证每一处都扫查到位。" 能不能让机器自己找缺陷、自己判风险？" 这个念头成了项目的起点。回到学校后，这支跨学科团队没有照搬现有技术方案，而是反复讨论如何让检测既精准又贴合产线实际。

针对复材构件曲面复杂、隔断结构多的特点，团队摒弃单一传感模式，创新构建 " 空中无人机初筛定位 + 地面多源小车精检 + 云端 AI 诊断闭环 " 的三层协同架构。负责超声相控阵传感的田晨炜和团队成员们泡在实验室里，一遍遍调整探头排布与聚焦算法，只为让传感模块在复杂曲面上也能稳定贴合、清晰成像；空中单元的负责人安忆楠致力于不断简化操作流程，把烦琐的技术参数转化为一线人员能快速上手的交互逻辑。

然而，把构想变成实物的过程中，这群 05 后碰了不少钉子。曲面耦合不稳定、信号衰减补偿难、多源数据同步延迟……每一个问题都要靠反复试验来解决。田晨炜带着小组针对不同复材构件调整超声参数，常常为了验证一组数据在车间待到深夜；团队成员一起推翻重做定位算法，直到连续扫查路径不再出现盲区。经过数十轮迭代，系统终于能根据构件形态自适应调整检测参数，检测精度较传统单流 AI 提升 33.3%，并且整个检测过程可追溯、可复盘。

真正的 " 大考 " 在上海飞机制造有限公司的生产现场。田晨炜回忆，初次带着设备走进车间时大家紧张得满头大汗。当系统自动完成一处大曲面机身的扫查，精准标出深层微小缺陷时，现场人员纷纷围了过来。一位长期从事复材质检的老师傅连连点头：" 以前靠手感划线盲搜，一天下来胳膊酸得抬不起来，还总担心漏检，现在机器自己跑、自己判，我们心里踏实多了。" 另一位参与试点验证的技术人员也感慨：" 平台自动生成三维缺陷图，还能远程会诊，判读时间缩短了一大半，人为误判的风险也降下来了，这才是产线需要的智能工具。"

团队成员、大二学生杨晨说：" 第一次看到我们的设备在车间里稳稳跑起来、精准找出缺陷的时候，突然觉得课本里的公式有了温度，所有的熬夜和失败都值得了。" 未来，他们将依托校企联合培养平台，把系统拓展到在役飞机运维场景，探索 " 制造 + 运维 + 跨行业延伸 " 的推广模式。