一种风机叶片缺陷分类系统及其方法技术方案

本公开提供一种风机叶片缺陷分类系统及方法，用以解决相关技术中识别率低，检查准确度低，运算量大的问题，一种风机叶片缺陷分类系统，其特征在于，所述系统包括：线性映射单元，编码单元和分类单元，其中：所述线性映射单元包括分块层，拉伸层和第一全连接层；所述编码单元包括多个多头注意力模块和多个多层感知机模块；所述分类单元包括多个分类头。所述分类单元包括多个分类头。所述分类单元包括多个分类头。

【技术实现步骤摘要】
一种风机叶片缺陷分类系统及其方法


[0001]本公开涉及深度学习及故障检测
，特别涉及一种风机叶片缺陷分类系统及其方法。

技术介绍

[0002]由于风电场一般地理位置较为偏远，所处的自然环境相对恶劣，随着风电机组的长期运行，风机叶片会产生许多缺陷，例如裂纹、胶衣脱落，污渍等。如果风机叶片出现缺陷却不及时发现并处理，将会影响发电效率，甚至造成安全事故。
[0003]传统的风机叶片缺陷检测往往是人工巡检，效率低准确率低，随着无人机技术的发展，目前许多发电厂采用无人机拍照代替传统人工巡检，通过对无人机拍照进行缺陷检查，然而，在现有的缺陷检查技术中，通过人工检查照片或者利用一些算法和图片识别方式进行风机缺陷检查，存在识别率低，检查准确度低，运算量大的问题。

技术实现思路

[0004]本专利技术提供一种风机叶片缺陷分类系统及其方法，用以解决相关技术中识别率低，检查准确度低，运算量大的问题。
[0005]第一方面，本专利技术实施例提供一种风机叶片缺陷分类系统，包括：线性映射单元，编码单元和分类单元，其中：
[0006]线性映射单元包括分块层，拉伸层和第一全连接层；
[0007]编码单元包括多个多头注意力模块和多个多层感知机模块；
[0008]分类单元包括多个分类头。
[0009]在一种可能的实施方式中，本专利技术实施例提供的系统中，编码单元中，每个多头注意力模块与每个多层感知机模块之间设有层归一化。
[0010]在一种可能的实施方式中，本专利技术实施例提供的系统中，编码单元中，每个多层感知机模块依次为第二全连接层，激活层，第一过滤层，第三全连接层，第二过滤层。
[0011]第二方面，本专利技术实施例提供一种风机叶片缺陷分类方法，应用于如第一方面提及的系统，包括：
[0012]获取待测风机叶片的图像；
[0013]利用训练好的风机叶片缺陷分类系统和图像，确定图像中的待测风机叶片对应的缺陷信息；
[0014]基于缺陷信息确定待测风机叶片的至少一个缺陷类型。
[0015]在一种可能的实施方式中，本专利技术实施例提供的方法中，基于缺陷信息确定待测风机叶片的至少一个缺陷类型，包括：
[0016]若缺陷信息指示待测风机叶片无缺陷，则确定待测风机叶片的缺陷类型为无缺陷。
[0017]在一种可能的实施方式中，本专利技术实施例提供的方法中，风机叶片缺陷分类系统
采用以下步骤训练生成：
[0018]获取多个包含风机叶片和标注结果的训练样本图像；
[0019]以多个训练样本图像中的每个训练样本图像作为输入，将每个训练样本图像对应输出的缺陷类型与训练样本图像的标注结果做比对，基于每个训练样本图像对应输出的缺陷类型与训练样本图像的标注结果的差异训练生成风机叶片缺陷类型系统，每个训练样本图像对应的缺陷类型为表征每个训练样本图像中风机叶片的缺陷，标注结果是预先在训练样本图像中标注的风机叶片的缺陷类型。
[0020]第三方面，本专利技术实施例提供一种风机叶片缺陷分类装置，包括：
[0021]获取模块，用于获取待测风机叶片的图像；
[0022]处理模块，用于利用训练好的风机叶片缺陷分类系统和图像，确定图像中的待测风机叶片对应的缺陷信息；
[0023]确定模块，用于基于缺陷信息确定待测风机叶片的至少一个缺陷类型。
[0024]在一种可能的实施方式中，本专利技术实施例提供的装置中，确定模块还用于：
[0025]若缺陷信息指示待测风机叶片无缺陷，则确定待测风机叶片的缺陷类型为无缺陷。
[0026]在一种可能的实施方式中，本专利技术实施例提供的装置中，处理模块还用于：
[0027]获取多个包含风机叶片和标注结果的训练样本图像；
[0028]以多个训练样本图像中的每个训练样本图像作为输入，将每个训练样本图像对应输出的缺陷类型与训练样本图像的标注结果做比对，基于每个训练样本图像对应输出的缺陷类型与训练样本图像的标注结果的差异训练生成风机叶片缺陷类型系统，每个训练样本图像对应的缺陷类型为表征每个训练样本图像中风机叶片的缺陷，标注结果是预先在训练样本图像中标注的风机叶片的缺陷类型。
[0029]第四方面，本专利技术实施例提供了一种电子设备，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现本专利技术实施例第二方面提供的方法。
[0030]第五方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现本专利技术实施例第二方面提供的方法。
[0031]本专利技术实施例提供的风机叶片缺陷分类系统包括：
[0032]线性映射单元，编码单元和分类单元，其中：线性映射单元包括分块层，拉伸层和第一全连接层；编码单元包括多个多头注意力模块和多个多层感知机模块；分类单元包括多个分类头。与相关技术相比，由于引入了线性映射单元，编码单元和分类单元，解决了风机叶片缺陷检测中识别率低，检查准确度低，运算量大的问题，并且通过注意力模块，可以有效利用风机叶片图像的全局信息，进而提高了风机叶片缺陷识别的精度，降低了运算量。
附图说明
[0033]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0034]图1为本专利技术实施例提供的一种风机叶片缺陷分类系统的结构示意图；
[0035]图2为本专利技术实施例提供的一种风机叶片缺陷分类系统的编码单元的结构示意图；
[0036]图3为本专利技术实施例提供的一种风机叶片缺陷分类系统的结构原理示意图；
[0037]图4为本专利技术实施例提供的一种风机叶片缺陷分类方法的流程示意图；
[0038]图5为本专利技术实施例提供的一种风机叶片缺陷分类装置的结构示意图；
[0039]图6为本专利技术实施例提供的一种风机叶片缺陷分类的电子设备的结构示意图。
具体实施方式
[0040]为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
[0041]在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
[0042]下面对文中出现的一些词语进行解释：
[0043]1、本专利技术实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0044]本专利技术实施例描述的应用场景是为了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风机叶片缺陷分类系统，其特征在于，所述系统包括：线性映射单元，编码单元和分类单元，其中：所述线性映射单元包括分块层，拉伸层和第一全连接层；所述编码单元包括多个多头注意力模块和多个多层感知机模块；所述分类单元包括多个分类头。2.根据权利要求1所述的系统，其特征在于，所述编码单元中，每个所述多头注意力模块与所述每个多层感知机模块之间设有层归一化。3.根据权利要求2所述的系统，其特征在于，所述编码单元中，每个所述多层感知机模块依次为第二全连接层，激活层，第一过滤层，第三全连接层，第二过滤层。4.一种风机叶片缺陷分类方法，应用于如权利要求1
‑
3所述的风机叶片缺陷分类系统，其特征在于，所述方法包括：获取待测风机叶片的图像；利用训练好的所述风机叶片缺陷分类系统和所述图像，确定所述图像中的待测风机叶片对应的缺陷信息；基于所述缺陷信息确定所述待测风机叶片的至少一个缺陷类型。5.根据权利要求4所述的方法，其特征在于，所述基于所述缺陷信息确定所述待测风机叶片的至少一个缺陷类型，包括：若所述缺陷信息指示所述待测风机叶片无缺陷，则确定所述待测风机叶片的缺陷类型为无缺陷。6.根据权利要求4所述的方法，其特征在于，所述风机叶片缺陷分类系统采用以下步骤训练生成：获取多个包含风机叶片和标注结果的训练样本图像；以所述多个训练样本图像中的每个训练样本图像作为输入，将所述每个训练样本图像对应输出的缺陷类型与所述训练样本图像的标注结果做比对，基于所述每个训练样本图像对应输出的缺陷类型与所述训练样本图像的标注结果的差异训练生成所述风机叶片缺陷类型系统，所述每个训练样本图像对应的缺陷类型为表征所述每个训练样本图像中风机叶片的...

【专利技术属性】
技术研发人员：吕亮，李邦兴，任鑫，强威威，郝延，杨立平，杨奎，冯学鹏，石称金，朱俊杰，祝金涛，叶康利，
申请(专利权)人：华能酒泉风电有限责任公司，
类型：发明
国别省市：