摘要
本发明公开了一种风电机组叶片内腔故障检测方法、装置、设备及介质,应用于智能检测领域,包括:获取待检测叶片内腔图像对应的叶片特征,将叶片特征作为浅层特征;通过反向瓶颈模块提取叶片特征的深层特征;反向瓶颈模块包括异构卷积模块和动态卷积核,异构卷积模块为利用并行的大卷积核与多个小卷积核进行特征提取的模块;利用表层融合模块和高层融合模块,对浅层特征和深层特征进行融合,得到融合特征;对融合特征进行空间特征增强与深层特征进行语义特征融合,对得到的目标检测特征进行识别,确定目标故障类别。和当前人工检测相比,本发明基于表层融合模块和高层融合模块保留更加深度和全面的信息,从而提高故障检测的准确性和效率。
技术关键词
风电机组叶片
故障检测方法
融合特征
故障类别
特征融合方法
加权特征
卷积模块
故障检测模型
融合方法设计
语义特征
多分辨率特征
内腔
训练数据量
链接机制
瓶颈
深度神经网络
巡检机器人
异构
系统为您推荐了相关专利信息
轻量化方法
驾驶姿态识别方法
卷积特征
关键点特征提取
融合特征
关系抽取方法
Softmax分类器
Attention机制
特征值
融合特征提取
智能物流配送系统
车联网系统
时序
融合特征
车辆
融合特征
降维特征
信息推荐方法
模态特征
计算机可执行指令