【技术实现步骤摘要】
本专利技术涉及结构表面缺陷目标检测，具体涉及一种基于特征重组网络的风电机组叶片裂纹缺陷检测方法。
技术介绍
1、在风电行业中，风电机组叶片是将风能转化为机械能的关键组件之一，它会受到外界环境、各种人为和非人为因素的影响。在叶片运行过程中，容易出现裂纹、剥离和侵蚀等结构缺陷。现有的叶片检测主要通过人眼观察和主观经验判断是否存在裂纹，导致评价结果一致性较差，难以保证叶片质量的稳定性。因此，在叶片检测过程中引入裂纹智能识别模型，对裂纹、剥离和侵蚀等缺陷进行目标检测，及时发现并减少人工误判、漏判，准确判定叶片质量，对确保风电机组安全可靠运行具有重要意义。
2、基于深度学习的目标检测方法主要分成两大类：两阶段目标检测(two-stage)和单阶段目标检测(one-stage)。常见的两阶段算法包括r-cnn、fast r-cnn、faster r-cnn等。两阶段目标检测模型在检测精度方面有着一定的优势，但模型较复杂、推理速度较慢，难以满足风电场景下裂纹缺陷的实时检测要求。单阶段目标检测方法主要包括yolo和ssd等。相比于两阶段目标...
【技术保护点】
1.一种基于特征重组网络的风电机组叶片裂纹缺陷检测方法，其特征在于，获取待检测的风电机组叶片图像，输入至经过预先训练的特征重组网络模型，得到待检测的风电机组叶片图像的裂纹缺陷识别结果；
2.根据权利要求1所述的基于特征重组网络的风电机组叶片裂纹缺陷检测方法，其特征在于，所述特征重组网络模型中：
3.根据权利要求2所述的基于特征重组网络的风电机组叶片裂纹缺陷检测方法，其特征在于，所述C2f-FE模块包括级联的第一卷积层、Split拆分模块、若干个快速卷积注意力模块、连接层和第二卷积层，其中，Split拆分模块的两个拆分输出分别作为第一个快速卷积模...
【技术特征摘要】
1.一种基于特征重组网络的风电机组叶片裂纹缺陷检测方法，其特征在于，获取待检测的风电机组叶片图像，输入至经过预先训练的特征重组网络模型，得到待检测的风电机组叶片图像的裂纹缺陷识别结果；
2.根据权利要求1所述的基于特征重组网络的风电机组叶片裂纹缺陷检测方法，其特征在于，所述特征重组网络模型中：
3.根据权利要求2所述的基于特征重组网络的风电机组叶片裂纹缺陷检测方法，其特征在于，所述c2f-fe模块包括级联的第一卷积层、split拆分模块、若干个快速卷积注意力模块、连接层和第二卷积层，其中，split拆分模块的两个拆分输出分别作为第一个快速卷积模块和连接层的输入，各个快速卷积模块的输出也均作为连接层的输入，第二卷积层的输出作为c2f-fe模块的输出。
4.根据权利要求3所述的基于特征重组网络的风电机组叶片裂纹缺陷检测方法，其特征在于，所述快速卷积注意力模块包括级联的1个3×3部分卷积层、2个1×1卷积层和1个ema高效多尺度注意力模块，ema高效多尺度注意力模块的输出与快速卷积模块的输入进行叠加后，作为快速卷积模块的输出。
5.根据权利要求2所述的基于特征重组网络的风电机组叶片裂纹缺陷检测方法，其特征在于，所述大核选择性网络包括级联的多个大核选择性单元；每个大核选择性单元包括依次连接的第一归一化层、大核选择子块、第二归一化...
【专利技术属性】
技术研发人员：余晓霞，张愉，张志刚，张洪铭，兰家水，
申请(专利权)人：重庆理工大学，
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。