一种基于改进YOLOv5的风机叶片缺陷检测方法技术

本发明专利技术涉及一种基于改进YOLOv5的风机叶片缺陷检测方法，包括以下步骤：S1：获取叶片风机缺陷图像，并进行数据增强及预处理，构建图像数据库；S2：构建改进YOLOv5检测模型，基于图像数据库对改进YOLOv5检测模型进行训练；S3：将待检测的风机叶片缺陷图像进行预处理并送入训练好的改进YOLOv5检测模型，获取待检测的风机叶片的缺陷类型。与现有技术相比，本发明专利技术具有检测精度好、效率高等优点。效率高等优点。效率高等优点。

【技术实现步骤摘要】
一种基于改进YOLOv5的风机叶片缺陷检测方法


[0001]本专利技术涉及风机叶片检测领域，尤其是涉及一种基于改进YOLOv5的风机叶片缺陷检测方法。

技术介绍

[0002]目前，风机叶片的检测已经有大量研究，比较传统的叶片缺陷检测的主要方法有目视检测技术，X射线检测技术、超声波热成像检测技术等。也有大量研究者通过处理各种安装在风机表面的传感器所发出的信号来完成故障检测任务，常见的有压电式锆钛酸铅传感器(PZT)、声发射传感器(AESs)、多维传感器监测网络等。
[0003]近年来，随着机器学习的发展，给风机叶片的缺陷检测提供了一种新的思路。Hutchinson等人提出了一种基于贝叶斯决策理论的基于统计的图像评估方法来检测混凝土结构的损伤。Dervilis N等人提出了使用多层感知器(MLP)的自动关联和径向基函数(RBF)网络的自动关联的模式识别方法进行风机叶片损伤诊断，得到快速的优化和高效地运行。Nick等人对声发射信号使用无监督学习来识别损伤的存在和位置，然后切换到有监督学习来识别故障的类型和严重程度。
>[0004]在现有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进YOLOv5的风机叶片缺陷检测方法，其特征在于，包括以下步骤：S1：获取叶片风机缺陷图像，并进行数据增强及预处理，构建图像数据库；S2：构建改进YOLOv5检测模型，基于图像数据库对改进YOLOv5检测模型进行训练；S3：将待检测的风机叶片缺陷图像进行预处理并送入训练好的改进YOLOv5检测模型，获取待检测的风机叶片的缺陷类型。2.根据权利要求1所述的一种基于改进YOLOv5的风机叶片缺陷检测方法，其特征在于，所述的改进YOLOv5检测模型对YOLOv5模型进行了改进，在原YOLOv5模型的Neck网络中增加小尺度检测组件，所述的小尺度检测组件包括上采样模块、拼接模块、C3模块，所述的上采样模块对Neck网络上采样后与骨干网络中只能怪得到的相同尺寸的特征图通过拼接模块进行拼接，产生的特征图经过C3模块处理后送入Head网络进行检测。3.根据权利要求2所述的一种基于改进YOLOv5的风机叶片缺陷检测方法，其特征在于，所述的改进YOLOv5检测模型的Neck网络中设有卷积注意力模块CBAM。4.根据权利要求1所述的一种基于改进YOLOv5的风机叶片缺陷检测方法，其特征在于，所述的步骤S2中的数据增强方法包括平移、翻转、明暗变化、高斯去噪。5.根据权利要求1所述的一种基于改进YOLOv5的风机叶片缺陷检测方法，其特征在于，所述的预处理的步骤具体包括：对图像进行灰度处理，将彩色图像转换为灰色图像；对灰色图像进行去噪、边缘检测和非极大值抑制细化...

【专利技术属性】
技术研发人员：张睿，文传博，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：