摘要
本申请公开了一种用于风力发电机叶片表面缺陷的检测方法、系统及介质,主要涉及叶片表面缺陷检测技术领域,用以解决现有的目标检测方法精度较低或计算速度相对较慢的问题。包括:将YOLOv5中主干特征提取网络中的CBL中的卷积块结构替换为深度可分离卷积结构,以及在主干特征提取网络中CSP模块中加入通道注意力机制,获得更新后的主干特征提取网络;将YOLOv5中颈部结构网络中的CSP模块中加入通道注意力机制,获得更新后的颈部结构网络;将YOLOv5中检测结构网络中的训练好的Kmeans算法替换为训练好的Kmeans++算法后,获得更新后的检测结构网络;通过更新后的YOLOv5,获得最终预测框。
技术关键词
风力发电机叶片表面
表面缺陷图像
特征提取网络
通道注意力机制
风机桨叶
颈部结构
检测结构
风力发电机桨叶
数据
初始聚类中心
非易失性计算机存储介质
模块
叶片表面缺陷
参数
算法
样本
扩展单元
系统为您推荐了相关专利信息
事件识别方法
卷积网络模型
卷积模块
管道
多尺度特征提取
注意力方法
重识别方法
行人特征
模态特征
行人重识别
超分辨成像方法
三维超声
噪声消除模块
注意力机制
特征提取网络
点云
车辆自主
道路路面
路面附着系数
RANSAC算法