孔探是當前航空發動機檢修過程中應用最多的無損檢測方法，也是孔探圖像的唯一獲取途徑。近年來，深度學習等人工智能技術被應用到航空發動機損傷分類、檢測中，為實現航空發動機檢修智能化提出了一些現行有效的方法，具有重要的工業應用價值。本文概述了航空發動機孔探檢測的發展和優缺點，綜述了專家系統和機器學習兩種人工智能技術在發動機孔探圖像方面的應用進展，總結了基于孔探圖像實現航空發動機孔探檢測智能化面臨的一些挑戰。

航空發動機是飛機飛行的主要動力來源，由于其長期工作在高溫、高壓、高振動的工作環境中，且高涵道比的渦輪風扇發動機在飛機起飛、著陸和地面滑行過程中容易吸入跑道和滑行道附近的石子、飛機遺落零部件、鳥禽等外來物，因此航空發動機很容易發生故障。嚴重的發動機故障將引起發動機喘振或對空中停車，對飛行安全帶來極大的威脅。對發動機定期檢查或對突發事件后的視情維修可以保證飛機的持續適航性，提高飛機的日利用率，節約維修成本，增加航空公司的經濟效益。內部部件和結構損傷是航空發動機發生故障的重要原因，發動機內部損傷通常使用無損探傷方法檢測，常用的無損探傷方法有磁粉檢測、滲透檢測、渦流檢測、超聲檢測、射線檢測以及孔探（內窺鏡檢查）。孔探因其快速性和便捷性是目前航空發動機檢修中應用最廣泛的無損檢測方法，傳統孔探檢查方法對發動機內部損傷的檢測和判斷主要依靠人工識別，對人員要求高，還存在檢測效率低的缺點。

近年來，專家系統和機器學習方法等人工智能技術用于實現發動機內窺損傷智能檢測，本文介紹了航空發動機孔探的特點和人工智能技術在航空發動機孔探檢測中的應用，總結了基于孔探圖像實現航空發動機孔探智能檢測所面臨的挑戰，并對航空發動機孔探技術的發展進行了展望。

航空發動機孔探可以在不拆解發動機的情況下實現對發動機內部損傷的在翼診斷，省去了檢查發動機內部損傷時對發動機的繁雜拆解工作，可以減少維修人為差錯的發生，為維修人員節省了大量的維修時間，極大提高了發動機維修檢查工作的效率，實現了安全與效益的相對平衡。

然而，依賴人工進行損傷判斷的孔探檢查存在數據處理能力不足，故障診斷效率不高和智能化程度低的缺點。對發動機的損傷評估由檢驗員參考飛機維修手冊憑經驗進行決斷，不同維修人員的主觀經驗會使檢查結果呈現差異化，人為因素的引入也將帶來更多的不確定因素。在航空安全的絕對要求下，實現發動機損傷診斷的自動化、智能化勢在必行。