【技术实现步骤摘要】
本专利技术涉及目标检测领域，特别设计一种基于改进yolov8模型的水轮机顶盖缺陷检测方法。
技术介绍
1、顶盖作为水轮发电机组最重要的过流部件之一，在机组运行过程中长期受到水流空蚀作用，在过流面会形成很多空蚀坑，对机组安全运行带来了极大的安全隐患。对此，需要安排检修人员对水轮机顶盖缺陷处进行检修，检修手段包括打磨、焊接和熔覆等。然而，顶盖修复区域跨度较大，依靠传统缺陷检测的方法是十分低效。因此，亟需研究一种辅助检修人员识别水轮机缺陷方法。
2、近年来，利用计算机视觉中的目标检测技术来实现水轮机顶盖表面缺陷的检测和熔池尺寸的测量越来越受到科研工作者的关注，基于计算机视觉的方法对辅助检修人员检修水轮机顶盖已经成为了一种重要的检修手段。因此，需要设计一种基于改进yolov8模型的水轮机顶盖缺陷检测方法来解决上述问题。
技术实现思路
1、本专利技术的目的在于提供一种基于改进yolov8模型的水轮机顶盖缺陷检测方法，该方法解决了对水轮机顶盖的表面缺陷进行精准的检测的技术问题。
2、为解决上述技术问题，本专利技术的技术方案是：
3、一种基于改进yolov8模型的水轮机顶盖缺陷检测方法，包括以下步骤：
4、s1，对采集的水轮机顶盖缺陷图像进行图像处理，形成水轮机顶盖缺陷数据集；
5、s2，将水轮机顶盖缺陷数据集并按照6:2:2的比例划分为训练集、验证集和测试集；
6、s3，构建基于yolov8-cbam的水轮机顶盖缺陷检测的
7、s4，训练基于yolov8-cbam的水轮机顶盖缺陷检测的网络模型，具体如下：
8、将s1所述数据集输入至网络模型中进行训练，yolov8-cbam模型的总损失函数由bce损失、dfl损失和ciou损失构造，其计算公式，如下式所示：
9、 loss=λ 1 loss bce +λ 2 loss dfl +λ 3 loss ciou；
10、式中， loss bce表示分类损失， loss dfl和 loss ciou表示定位损失， λ 1表示分类损失中bce损失占总损失的权值， λ 2表示定位损失中dfl损失占总损失的权值， λ 3表示定位损失中ciou损失占总损失的权值；
11、s5，生成基于yolov8-cbam的水轮机顶盖缺陷检测的网络模型；
12、s6，对水轮机顶盖的缺陷进行检测。
13、优选地，步骤s1中，对采集的水轮机顶盖缺陷图像进行图像处理的方式为：首先将现场拍摄水轮机顶盖缺陷图像进行图像裁剪，然后利用图像增强技术对数据集进行扩充。
14、优选地，步骤s3中，基于yolov8-cbam的水轮机顶盖缺陷检测的网络模型由骨干网络backbone、颈部网络neck和头部网络head构成。
15、优选地，步骤s3中，骨干网络backbone主要负责对输入图像进行特征提取，包括5个cbs模块、4个c2f模块和1个sppf模块；
16、颈部网络neck主要负责对特征图进行多尺度特征融合，并把这些特征传递给头部网络head，包括5个cbs模块、6个c2f模块、3个unsample模块、6个concat模块和1个cbam模块；
17、头部网络head主要负责对输入图像进行预测，包括4个检测头；
18、其中，cbs模块是一个卷积-批归一化-激活函数的组合，它是yolov8-cbam模型中最基本的运算单元，用于提取和处理特征；
19、c2f模块是交叉缩放路径的结构，是轻量化的模块，它是yolov8-cbam模型中骨干网络和backbone颈部网络neck的主要组成部分，用于增强特征的梯度流和多尺度信息；
20、concat模块是一个特征拼接的操作，它用于将不同层次的特征进行融合，以便适应不同尺度的目标检测；
21、unsample模块是一个上采样的操作，它用于将低分辨率的特征图放大到高分辨率，以便进行更精细的目标检测；
22、sppf模块是一个空间金字塔的结构，它用于对特征图进行多尺度池化，以增强特征的感受野和鲁棒性；
23、cbam模块是一个卷积注意力机制模块，它可以在空间维度和通道维度上对特征图进行自适应调整，以提高网络模型的性能和泛化能力。
24、本专利技术提供的一种基于改进yolov8模型的水轮机顶盖缺陷检测方法的优点是：
25、本方案先对采集的缺陷图像进行图像裁剪，然后再进行图像翻转、图像模糊等图像增强技术对原始数据进行扩充，将处理后的图像作为训练数据集。构建基于yolov8-cbam的缺陷检测网络，训练缺陷检测网络并生成缺陷检测模型，用于检测水轮机顶盖的缺陷，对水轮机顶盖的缺陷检测具有较高的精度，且检测效率较高。
本文档来自技高网...【技术保护点】
1.一种基于改进YOLOv8模型的水轮机顶盖缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于改进YOLOv8模型的水轮机顶盖缺陷检测方法，其特征在于：步骤S1中，对采集的水轮机顶盖缺陷图像进行图像处理的方式为：首先将现场拍摄水轮机顶盖缺陷图像进行图像裁剪，然后利用图像增强技术对数据集进行扩充。
3.根据权利要求1所述的一种基于改进YOLOv8模型的水轮机顶盖缺陷检测方法，其特征在于：步骤S3中，基于YOLOv8-CBAM的水轮机顶盖缺陷检测的网络模型由骨干网络Backbone、颈部网络Neck和头部网络Head构成。
4.根据权利要求1所述的一种基于改进YOLOv8模型的水轮机顶盖缺陷检测方法，其特征在于：步骤S3中，骨干网络Backbone主要负责对输入图像进行特征提取，包括5个CBS模块、4个C2f模块和1个SPPF模块；
【技术特征摘要】
1.一种基于改进yolov8模型的水轮机顶盖缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于改进yolov8模型的水轮机顶盖缺陷检测方法，其特征在于：步骤s1中，对采集的水轮机顶盖缺陷图像进行图像处理的方式为：首先将现场拍摄水轮机顶盖缺陷图像进行图像裁剪，然后利用图像增强技术对数据集进行扩充。
3.根据权利要求1所述的一种基于改进yolov8模型的...
【专利技术属性】
技术研发人员：吴涛，邓键，耿在明，刘辉，杨杰，嵇东雷，陈存军，张晓平，李咏超，任益明，严靖南，邱威，
申请(专利权)人：中国长江电力股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。