一种基于多特征图共享的风机叶片表面缺陷检测方法技术

本发明专利技术公开了一种基于多特征图共享的风机叶片表面缺陷检测方法，依次包括如下步骤：获取风机叶片缺陷的目标图像并建立数据集；获取风机叶片缺陷的目标图像；数据筛选；打标签；制作VOC数据集；目标图像预处理；图像灰度化；高斯滤波；Canny边缘检测；直方图均衡化；搭建网络，训练调优；搭建主干网络；设计共享单元；搭建多特征图共享网络；训练集数据增强；模型训练、调优。以达到检测的实时性，提高缺陷识别的精度。的精度。的精度。

【技术实现步骤摘要】
一种基于多特征图共享的风机叶片表面缺陷检测方法


[0001]本专利技术涉及表面缺陷检测领域，具体来说，是一种基于多特征图共享的风机叶片表面缺陷检测方法。

技术介绍

[0002]由于风力发电机组通常安装在气候条件恶劣地区，长期高负荷运载，风机叶片极易发生故障,导致风机的工作效率明显下降，引发一系列的故障。
[0003]传统的风机叶片检测依赖于人工观察，需要工作人员对每个叶片逐个观察，或者风机叶片停机后，有工人进行索降，对每个叶片进行检测。
[0004]近年来传统图像检测方法在风机叶片表面缺陷检测上得到应用。传统图像检测方法首先要区域选择，随后特征提取，再通过机器学习方法进行分类，最后再后处理。
[0005]上述现有方法中，人工检查，效率和安全性低，且易受环境影响，对风机叶片表面缺陷检测的准确性依赖工人的先验知识；传统图像处理方法，泛化能力不强，针对不同的缺陷需要设计不同的算法，其次在设计算法时也依赖于专家经验，对先验知识要求高。并且每次处理需要很长时间，无法使用目前先进的GPU算力资源；基于风力发电机所处环境恶劣，风机叶片本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多特征图共享的风机叶片表面缺陷检测方法，其特征在于，依次包括如下步骤：步骤S100，获取风机叶片缺陷的目标图像并建立数据集；步骤S110，获取风机叶片缺陷的目标图像；步骤S120，数据筛选；步骤S130，打标签；步骤S140，制作VOC数据集；步骤S200，目标图像预处理；步骤S210，图像灰度化；步骤S220，高斯滤波；步骤S230，Canny边缘检测；步骤S240，直方图均衡化；步骤S300，搭建网络，训练调优；步骤S310，搭建主干网络；步骤S320，设计共享单元；步骤S330，搭建多特征图共享网络；步骤S340，训练集数据增强；步骤S350，模型训练、调优。2.根据权利要求1所述的一种基于多特征图共享的风机叶片表面缺陷检测方法，其特征在于：在步骤S120中，对目标图像进行整理分类，去除信息获取不全的目标图像，去除存在大量微小缺陷且不利于缺陷分类的图片。3.根据权利要求2所述的一种基于多特征图共享的风机叶片表面缺陷检测方法，其特征在于：在步骤S130中，在获取有用目标图像之后，利用LabelImage软件进行目标图片的缺陷类型标注。4.根据权利要求3所述的一种基于多特征图共享的风机叶片表面缺陷检测方法，其特征在于：在步骤S210中，对目标图像进行灰度处理，将目标图像变为灰度图以进行降维，获取目标图像一。5.根据权利要求4所述的一...

【专利技术属性】
技术研发人员：卞佰成，陈田，沈贺，董二凤，冯新越，黄沁颖，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：