基于图像识别和深度学习的风机叶片内腔缺陷检测方法

本发明公开了一种基于图像识别和深度学习的风机叶片内腔缺陷检测方法及系统，通过成像设备对风机叶片的内腔进行多角度和多位置的图像采集；对采集的风机叶片内腔图像数据集进行预处理；利用第一层生成对抗网络模型生成初级缺陷样本；利用第二层生成对抗网络模型生成复杂缺陷图像；使用卷积神经网络模型进行训练；将经过预处理的风机叶片内腔图像数据集输入训练好的卷积神经网络模型；基于缺陷的检测结果生成缺陷报告；当新的缺陷类型出现时，持续优化对新型缺陷的识别能力。相比现有的单一检测技术，本发明的多种网络组合方法显著提高了缺陷检测的效率和分类能力。