基于人工智能的风机叶片缺陷区域快速分割方法及系统技术方案

本申请公开了一种基于人工智能的风机叶片缺陷区域快速分割方法及系统

【技术实现步骤摘要】
基于人工智能的风机叶片缺陷区域快速分割方法及系统


[0001]本申请涉及智能化检测领域，且更为具体地，涉及一种基于人工智能的风机叶片缺陷区域快速分割方法及系统
。

技术介绍

[0002]在风力发电机的长期运行过程中，叶片的表面会呈现出各种损伤，例如叶片保护膜损伤
、
叶片掉漆
、
叶片结冰
、
叶片裂纹以及叶片油污等，因此，需要定期对风机叶片进行缺陷检测
。
[0003]当前大多数风机叶片缺陷检测大体分两种情况，一种传统的方法是使用人工来做巡查，即把无人机拍摄或其他手段采集回来的风机叶片可见光图片进行人工查看；另一种较先进的方法是使用计算机视觉技术选出有缺陷的图片，然后根据拍摄的信息定位具体到缺陷所在风机叶片上的准确位置，最后派遣人员检修或更换
。
[0004]上述人工检测方法是缺乏信息化的粗放的叶片缺陷检测方法，存在极度依靠人工
、
有效利用率低
、
即时性差等问题
。
而使用计算机视觉技术的方法一般直接把采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的风机叶片缺陷区域快速分割方法，其特征在于，包括：获取由摄像头采集的被检测风机叶片的风机叶片图像；对所述风机叶片图像进行多尺度图像特征提取以得到多尺度风机特征图；以及基于所述多尺度风机特征图，生成包含风机叶片缺陷区域定位锚窗的风机叶片图像
。2.
根据权利要求1所述的基于人工智能的风机叶片缺陷区域快速分割方法，其特征在于，对所述风机叶片图像进行多尺度图像特征提取以得到多尺度风机特征图，包括：提取所述风机叶片图像的浅层特征
、
中层特征和深层特征；以及融合所述浅层特征
、
所述中层特征和所述深层特征以得到所述多尺度风机特征图
。3.
根据权利要求2所述的基于人工智能的风机叶片缺陷区域快速分割方法，其特征在于，提取所述风机叶片图像的浅层特征
、
中层特征和深层特征，包括：对所述风机叶片图像进行双向滤波以得到增强风机叶片图像；以及将所述增强风机叶片图像通过包含浅层特征提取器
、
中层特征提取器和深层特征提取器的编码器模型以得到风机叶片浅层特征图
、
风机叶片中层特征图和风机叶片深层特征图，其中，所述风机叶片浅层特征图作为所述浅层特征，所述风机叶片中层特征图作为所述中层特征，所述风机叶片深层特征图作为所述深层特征
。4.
根据权利要求3所述的基于人工智能的风机叶片缺陷区域快速分割方法，其特征在于，融合所述浅层特征
、
所述中层特征和所述深层特征以得到所述多尺度风机特征图，包括：通过自适应融合模块融合所述风机叶片浅层特征图
、
所述风机叶片中层特征图和所述风机叶片深层特征图以得到所述多尺度风机特征图
。5.
根据权利要求4所述的基于人工智能的风机叶片缺陷区域快速分割方法，其特征在于，基于所述多尺度风机特征图，生成包含风机叶片缺陷区域定位锚窗的风机叶片图像，包括：对所述多尺度风机特征图进行特征分布优化以得到优化后多尺度风机特征图；将所述优化后多尺度风机特征图通过解码器以得到风机叶片解码图像，其中，所述解码器包括多个反卷积层；以及将所述风机叶片解码图像通过
Yolo
网络以得到包含风机叶片缺陷区域定位锚窗的风机叶片图像
。6.
根据权利要求5所述的基于人工智能的风机叶片缺陷区域快速分割方法，其特征在于，对...

【专利技术属性】
技术研发人员：李记东，刘增岳，
申请(专利权)人：精效悬浮苏州科技有限公司，
类型：发明
国别省市：