摘要
本发明涉及计算机视觉技术领域,具体涉及一种风机叶片缺陷检测方法,该方法包括:将待检测的风机叶片图像输入预先训练的风机叶片缺陷检测网络模型中,得到待检测风机叶片图像中的缺陷信息,所述缺陷信息包括缺陷位置信息和缺陷类型信息;其中,所述风机叶片缺陷检测网络模型是在YOLOV5网络模型的基础上改进得到的,具体改进之处为:采用DCM可变卷积模块替换YOLOV5网络模型第四层、第六层的C3模块,采用带有位置偏置的Transformer模块替换YOLOV5网络模型第八层的C3模块,在YOLOV5网络模型的第十二层Concat模块之后添加SimAM模块。本发明检测方法满足了风机发电组风叶叶片的实时缺陷检测要求,可以很好地在工业中部署。
技术关键词
风机叶片
检测网络模型
缺陷检测方法
缺陷位置信息
注意力机制
卷积模块
图像
样本
计算机视觉技术
随机梯度下降
可读存储介质
处理器
基础
存储器
线性
电子设备