基于改进EfficientNet的海上风机叶片表面早期缺陷识别方法技术

本发明专利技术属于计算机视觉技术领域，具体提供一种基于改进EfficientNet的海上风机叶片表面早期缺陷识别方法，包括：构建网络模型，选择EfficientNet作为特征提取网络并对其进行改进，结合改进后的双向特征金字塔结构实现特征的提取和处理，在检测部分引入Focal‑EIOU和Focal Loss损失函数计算位置损失和分类损失；构建海上风机叶片图像数据集，对图像上的缺陷进行标注，基于所述数据集构建训练集、验证集和测试集；基于制作的图像数据集训练网络模型，得到海上风机叶片表面早期缺陷识别模型；将待识别的海上风机叶片图像输入至所述海上风机叶片图像识别模型，得到海上风机叶片缺陷检测结果。该方法能够实现海上风机叶片早期缺陷检测及分类工作，有利于叶片的检修维护工作。

【技术实现步骤摘要】

本专利技术属于计算机视觉，具体地，涉及一种基于改进efficientnet的海上风机叶片表面早期缺陷识别方法。

技术介绍

1、海上风电设备所处环境较为恶劣，设备易受湿热空气、紫外线、高盐雾海风腐蚀等环境影响。随着海上风电累计装机容量的不断增加，海上风电设备的运行维护问题受到了广泛关注。为了减少维护时间和成本，海上风电叶片检测工作应注重在缺陷扩散之前预警早期损坏。

2、传统的人工检测方法不仅对检测工人的专业水平要求较高，检测的效率也十分低下。此前，风机叶片的实时监测技术主要包括声发射监测、振动信号监测和应变监测等；离线检测技术主要包括超声扫描和红外线成像等。随着无人机技术的发展，利用无人机采集图像，再对叶片缺陷进行分析的方法成为主流。该方法不仅能降低成本，并且与声发射检测、振动检测等方法相比，检测结果更为直观。目前的目标检测算法主要分为两阶段（two-stage）和单阶段（one-stage）两大类别。两阶段算法首先生成大量候选框，再对候选框进行分类，如fast r-cnn、faster r-cnn等。单阶段目标检测将检测视为回归问题，能够同时取本文档来自技高网...

【技术保护点】

1.一种基于改进EfficientNet的海上风机叶片表面早期缺陷识别方法，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EfficientNet的海上风机叶片表面早期缺陷识别方法，其特征在于，所述步骤一中，对EfficientNet主干特征提取网络进行改进设计，包括：

3.根据权利要求1所述的一种基于改进EfficientNet的海上风机叶片表面早期缺陷识别方法，其特征在于，所述步骤一中，特征融合模块设计包括：

4.根据权利要求1所述的一种基于改进EfficientNet的海上风机叶片表面早期缺陷识别方法，其特征在于，所述步骤一中，...

【技术特征摘要】

1.一种基于改进efficientnet的海上风机叶片表面早期缺陷识别方法，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efficientnet的海上风机叶片表面早期缺陷识别方法，其特征在于，所述步骤一中，对efficientnet主干特征提取网络进行改进设计，包括：

3.根据权利要求1所述的一种基于改进efficientnet的海上风机叶片表面早期缺陷识别方法，其特征在于，所述步骤一中，特征融合模块设计包括：

4.根据权利要求1所述的一种基于改进efficientnet的海上风机叶片表面早期缺陷识别方法，其特征在于，所述步骤一中，所述目标损失函数基于focal-eiou和focal loss损失函数，选择focal-eiou损失函数和focal loss损失函数计算预测框的位置损失和分类损失。

5.根据权利要求4所述的一种基于改进efficientnet的海上风机叶片表面早期缺陷识别方法，其特征在于，通过以下公式构建所述目标损失函数：

6.根据权利要求1...

【专利技术属性】
技术研发人员：舒征宇，付军军，刘文灿，谈一洋，黄启昀，赵发金，赵化达，
申请(专利权)人：三峡大学，
类型：发明
国别省市：