摘要
本申请公开了一种基于机器视觉的风机缺陷检测方法及系统,属于图像数据处理技术领域,包括获取风机叶片历史拍摄的图像,生成训练数据集,基于卷积神经网络建立深度学习网络架构,建立风机叶片运动识别模型,使用暗通道先验算法进行计算处理,获取动态调整权重,基于动态调整权重对AOD‑Net模型进行训练,建立风机叶片模糊校正模型,对风机叶片进行实时拍摄,使用风机叶片运动识别模型进行运动识别校正,使用风机叶片模糊校正模型进行尘雾去除,建立缺陷检测模型,使用缺陷检测模型进行缺陷检测,能使高速运动的风机叶片也能被准确识别,使风机叶片轮廓细节清晰,进行缺陷检测时,能够及时准确分析风机叶片状态,提高风机叶片的工作性能。
技术关键词
风机叶片
去模糊图像
运动识别
缺陷检测方法
暗通道先验
校正
生成训练数据
动态
深度学习网络
缺陷分类器
透视变换矩阵
视觉
图像灰度直方图
图像数据处理技术
大气散射模型
统计特征
缺陷检测系统
系统为您推荐了相关专利信息
风机叶片
叶片气动外形设计
有限元仿真分析
翼型参数
三维模型
电池盖板
缺陷检测方法
图像识别模型
参数
计算机程序指令
检测机器人
风机叶片
超声波回波信号
多模态
数字孪生模型
焊接缺陷检测方法
深度学习算法
多分辨率特征
板块
焊接缺陷检测系统
神经网络模型
序列
像素点
缺陷检测方法
图像处理模块