基于改进的YOLOv8模型的风力涡轮机表面损伤和腐蚀检测方法技术

本发明专利技术公开了基于改进的YOLOv8模型的风力涡轮机表面损伤和腐蚀检测方法，配合无人机，通过改进的YOLOv8模型对风力涡轮机表面的损伤和腐蚀进行实时检测，改进的YOLOv8模型包括Backbone部分、Neck部分、Head部分；Backbone部分包括若干个卷积层、c2f结构、SPPF结构、用于多尺度细节增强的MSDE‑SE注意力机制模块；Neck部分包括若干综合多重注意力机制模块、Concat连接层、Upsample上采样层、GSConv卷积层；Head部分包括Detect检测模块。本发明专利技术即使在图像分辨率低、光照条件复杂的环境中，也可以增强对风力涡轮机表面损伤的实时和准确检测。

【技术实现步骤摘要】

本专利技术涉及机器视觉检测的，尤其涉及到基于改进的yolov8模型的风力涡轮机表面损伤和腐蚀检测方法。

技术介绍

1、在全球能源结构转型与环境保护的双重推动下，风力发电作为一种清洁、可再生的能源方式，得到了快速的发展。风力涡轮机作为风力发电的核心设备，其运行效率和安全性直接影响到风电场的发电效率和经济效益。风力涡轮机在运行过程中，受到风速、气候和环境因素的影响，其表面可能会出现各种损伤，如裂纹、腐蚀或磨损等。这些损伤若不及时发现和处理，可能会导致涡轮机效率下降，甚至出现安全事故。

2、目前，风力涡轮机表面损伤的检测主要依靠人工巡检或传统的监测设备。人工巡检工作量大、成本高且效率低，而且在恶劣气候条件下难以进行。传统监测设备虽然可以实现自动化监测，但通常设备成本高昂，且在复杂或遥远的风电场地理位置上的应用受限。

3、近年来，无人机技术因其灵活性高、成本相对较低并能够覆盖广阔的地理区域而在各种工业应用中显示出巨大的潜力。特别是在风力涡轮机表面损伤检测中，无人机可以搭载高分辨率摄像头和其他传感器，通过飞行获取涡轮机表面的高清图像，从而进行本文档来自技高网...

【技术保护点】

1.基于改进的YOLOv8模型的风力涡轮机表面损伤和腐蚀检测方法，其特征在于，包括：

2.根据权利要求1所述的基于改进的YOLOv8模型的风力涡轮机表面损伤和腐蚀检测方法，其特征在于，改进的YOLOv8模型包括Backbone部分、Neck部分、Head部分；

3.根据权利要求2所述的基于改进的YOLOv8模型的风力涡轮机表面损伤和腐蚀检测方法，其特征在于，改进的YOLOv8模型通过MSDE-SE注意力机制模块，采用并行方式根据不同尺度的池化窗口对特征通道执行信息压缩，并按照小尺度池化结果权重大、大尺度池化结果权重小的原则进行加权融合，融合后的结果作为每个特征通道...

【技术特征摘要】

1.基于改进的yolov8模型的风力涡轮机表面损伤和腐蚀检测方法，其特征在于，包括：

2.根据权利要求1所述的基于改进的yolov8模型的风力涡轮机表面损伤和腐蚀检测方法，其特征在于，改进的yolov8模型包括backbone部分、neck部分、head部分；

3.根据权利要求2所述的基于改进的yolov8模型的风力涡轮机表面损伤和腐蚀检测方法，其特征在于，改进的yolov8模型通过msde-se注意力机制模块，采用并行方式根据不同尺度的池化窗口对特征通道执行信息压缩，并按照小尺度池化结果权重大、大尺度池化结果权重小的原则进行加权融合，融合后的结果作为每个特征通道的特征信息。

4.根据权利要求3所述的基于改进的yolov8模型的风力涡轮机表面损伤和腐蚀检测方法，其特征在于，所述msde-se注意力机制模块不设特征通道升维和降维操作，维持通道维度保持不变。

5.根据权利要求3或4所述的基于改进的yolov8模型的风力涡轮机表面损伤和腐蚀检测方法，其特征在于，所述msde-se注意力机制模块的数学表达式如下：

6.根据权利要求2所述的基于改进的yolov8模型的风力涡轮机表面损伤和腐蚀...

【专利技术属性】
技术研发人员：陈通宝，钟广祺，黎炜轩，储悦，李权俊，夏涵，蒋一帆，苏致弘，简灿，李剑锋，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：