摘要
本发明涉及风机叶片检测技术领域,具体涉及基于生成式数据集的小样本风力机叶片双光融合缺陷检测方法,包括以下步骤:S1:采集小样本风力机叶片热图像和可见光图像,采用自适应拉普拉斯金字塔融合算法进行图像融合扩充;S2:生成缺陷热图像和可见光图像样本,并划分为训练集、验证集和测试集;S3:使用训练集训练双光融合缺陷检测网络,利用验证集优化模型,测试集评估其检测性能;S4:在线采集图像,输入模型进行缺陷检测,输出缺陷类型并标注缺陷区域;本发明,通过生成式AI扩充小样本数据、构建双光融合检测模型及多支路检测结构,显著提升风力机叶片缺陷检测的准确性、全面性与鲁棒性。
技术关键词
风力机叶片
拉普拉斯金字塔
深度神经网络
缺陷检测方法
可见光图像
热图像
高斯金字塔
图像融合算法
分辨率
样本
上采样
支路
全局特征融合
高层语义特征
图像融合方法
解码器架构
数据
系统为您推荐了相关专利信息
电力设备监测方法
六氟化硫断路器
局部放电监测装置
可见光图像
局部放电绝缘缺陷
故障智能监测
成像定位方法
声源定位技术
麦克风阵列采集
可见光图像
人工智能模型
关键词
深度神经网络训练
大语言模型
生成方法
进化系统
子模块
控制策略
机器人仿真
足式机器人
预测网络模型
深度神经网络
电磁超材料结构
遗传算法求解
信息编码器