【技術實現步驟摘要】
本專利技術涉及缺陷檢測，尤其涉及一種輕量化的風力發電機組表面缺陷檢測方法。
技術介紹
1、風力發電機組產生缺陷初期，多為分布在機組表面的輕微缺陷，危害系數小，修復難度低，及時發現并修復這些缺陷，可以有效避免其進一步擴大；采取有效的檢測手段，盡早發現風力發電機組表面的缺陷并及時修復，是降低事故風險、減少經濟損失的最有效方式。
2、郝帥等提出將原始yolov5檢測框架頸部網絡中的金字塔注意力網絡(fpn+panet)結構替換為加權雙向特征金字塔網絡(bifpn)結構,使目標多尺度特征能夠有效融合,增強檢測網絡對遮擋情況下故障目標的檢測能力；qiu等結合yolo與cnn模型,將逆卷積神經網絡應用于特征金字塔的高級特征,利用cnn的中間層豐富小目標的特征表達,將提取到的多尺度卷積特征在分類模型中訓練,提高了風機表面多種缺陷檢測平均精確。
3、上述方法僅限于考慮算法對于精度的提高，但沒有考慮網絡模型的實際部署進行考慮，現階段對于部署設備進行檢測風力發電機組表面缺陷情況的網絡模型仍然有很大的需求，缺少對邊緣端部署設備友好的輕量化模型。
技術實現思路
1、針對現有方法的不足，本專利技術解決現有yolo模型改進時主要考慮檢測精度但忽略輕量化問題。
2、本專利技術所采用的技術方案是：一種輕量化的風力發電機組表面缺陷檢測方法包括以下步驟：
3、步驟一、采集風力發電機組表面缺陷數據集，并對數據集進行預處理和標注；
4、作為本專利技術的一種優選實
5、步驟二、將yolov8n的主干網絡的第三層、第五層、第七層和第九層的c2f模塊替換為c2f_star模塊；
6、作為本專利技術的一種優選實施方式，c2f_star模塊是將c2f模塊中的bottleneck模塊替換為starnet_blocks模塊。
7、作為本專利技術的一種優選實施方式，starnet_blocks模塊包括：采用4級分層架構，原始特征圖經過dwconv后分別經過兩個fc模塊，再依次經過star操作、fc模塊和dwconv，最后與原始特征圖進行特征融合。
8、步驟三、在yolov8n的頸部網絡中引入slimneck結構，減少推理時間并保持檢測精度；
9、作為本專利技術的一種優選實施方式，slimneck結構是將yolov8n的頸部網絡中第十三層、第十六層、第十九層、第二十二層的c2f模塊替換為vovgscsp模塊；將第十七層、第二十層的conv模塊替換為gsconv模塊。
10、作為本專利技術的一種優選實施方式，vovgscsp模塊將輸入特征圖進行第一次conv，再經過兩個gsconv后與第一次conv的輸出進行拼接，再經過第二次conv。
11、步驟四、利用邊框回歸損失函數對yolov8n模型進行目標定位。
12、作為本專利技術的一種優選實施方式，邊框回歸損失函數包括：powerful-iou損失函數。
13、作為本專利技術的一種優選實施方式，邊框回歸損失函數還包括：powerful-iouv2損失函數。
14、作為本專利技術的一種優選實施方式，輕量化的風力發電機組表面缺陷檢測系統，包括：存儲器，用于存儲可由處理器執行的指令；處理器，用于執行指令以實現輕量化的風力發電機組表面缺陷檢測方法。
15、作為本專利技術的一種優選實施方式，存儲有計算機程序代碼的計算機可讀介質，計算機程序代碼在由處理器執行時實現輕量化的風力發電機組表面缺陷檢測方法。
16、本專利技術的有益效果：
17、1、將yolov8n主干特征提取模塊中c2f模塊替換為c2f_star模塊，以減輕模型的同時保持準確性；
18、2、在頸部特征融合部分使用輕量化檢測結構slimneck，保持模型檢測精度的同時降低了計算負擔和參數量；
19、3、使用powerful-iouv2替換原有的邊框回歸損失函數，改善了原先損失函數受到不合理的懲罰因素的影響，提高了網絡的收斂速度；
20、4、本專利技術與標準的yolov8n網絡相比，改進后的網絡減少了對部署所需設備內存以及處理器的需求，更具備邊緣端部署的能力，并且能更好適應泛化環境下，圖像數據的檢測任務。
本文檔來自技高網...【技術保護點】
1.一種輕量化的風力發電機組表面缺陷檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的輕量化的風力發電機組表面缺陷檢測方法，其特征在于，C2f_Star模塊是將C2f模塊中的Bottleneck模塊替換為StarNet_Blocks模塊。
3.根據權利要求2所述的輕量化的風力發電機組表面缺陷檢測方法，其特征在于，StarNet_Blocks模塊采用4級分層架構，原始特征圖經過DWConv后分別經過兩個FC模塊，再依次經過star操作、FC模塊和DWConv，最后與原始特征圖進行特征融合。
4.根據權利要求1所述的輕量化的風力發電機組表面缺陷檢測方法，其特征在于，SlimNeck結構是將YOLOv8n的頸部網絡中第十三層、第十六層、第十九層、第二十二層的C2f模塊替換為VoVGSCSP模塊；將第十七層、第二十層的Conv模塊替換為GSConv模塊。
5.根據權利要求4所述的輕量化的風力發電機組表面缺陷檢測方法，其特征在于，VoVGSCSP模塊將輸入特征圖進行第一次Conv，再經過兩個GSConv后與第一次Conv的輸出進行
6.根據權利要求1所述的輕量化的風力發電機組表面缺陷檢測方法，其特征在于，邊框回歸損失函數包括：Powerful-IoU損失函數。
7.根據權利要求1所述的輕量化的風力發電機組表面缺陷檢測方法，其特征在于，邊框回歸損失函數還包括：Powerful-IoUv2損失函數。
8.根據權利要求1所述的輕量化的風力發電機組表面缺陷檢測方法，其特征在于，缺陷的類型包括污垢和損壞。
9.輕量化的風力發電機組表面缺陷檢測系統，其特征在于，包括：存儲器，用于存儲可由處理器執行的指令；處理器，用于執行指令以實現如權利要求1-8任一項所述的輕量化的風力發電機組表面缺陷檢測方法。
10.存儲有計算機程序代碼的計算機可讀介質，其特征在于，計算機程序代碼在由處理器執行時實現如權利要求1-8任一項所述的輕量化的風力發電機組表面缺陷檢測方法。
...【技術特征摘要】
1.一種輕量化的風力發電機組表面缺陷檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的輕量化的風力發電機組表面缺陷檢測方法，其特征在于，c2f_star模塊是將c2f模塊中的bottleneck模塊替換為starnet_blocks模塊。
3.根據權利要求2所述的輕量化的風力發電機組表面缺陷檢測方法，其特征在于，starnet_blocks模塊采用4級分層架構，原始特征圖經過dwconv后分別經過兩個fc模塊，再依次經過star操作、fc模塊和dwconv，最后與原始特征圖進行特征融合。
4.根據權利要求1所述的輕量化的風力發電機組表面缺陷檢測方法，其特征在于，slimneck結構是將yolov8n的頸部網絡中第十三層、第十六層、第十九層、第二十二層的c2f模塊替換為vovgscsp模塊；將第十七層、第二十層的conv模塊替換為gsconv模塊。
5.根據權利要求4所述的輕量化的風力發電機組表面缺陷檢測方法，其特征在于，vovgs...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。