[發(fā)明專利]基于改進的YOLOv5的風(fēng)機槳葉故障檢測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210734091.6
• 申請日: 2022-06-27
• 公開（公告）號: CN115049856A
• 公開（公告）日: 2022-09-13
• 發(fā)明（設(shè)計）人: 王寧;王恩路;王雁冰;韓則胤;楊健;王鐵志
• 申請（專利權(quán)）人: 中廣核（北京）新能源科技有限公司
• 主分類號: G06V10/56
• 分類號: G06V10/56;G06N3/04;G06N3/08;G06V10/774;G06V10/82
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 杜陽陽

1.一種基于改進的YOLOv5的風(fēng)機槳葉故障檢測方法，其特征在于，包括：

采集風(fēng)機槳葉數(shù)據(jù)集；

采用AutoAugment方法對所述數(shù)據(jù)集中樣本圖像進行數(shù)據(jù)增強，獲得第一數(shù)據(jù)增強后的數(shù)據(jù)集；

采用Retinex算法對所述第一數(shù)據(jù)增強后的數(shù)據(jù)集中圖像進行數(shù)據(jù)增強，獲得第二數(shù)據(jù)增強后的數(shù)據(jù)集；

采用所述第二數(shù)據(jù)增強后的數(shù)據(jù)集訓(xùn)練改進的YOLOv5，獲得風(fēng)機槳葉故障檢測模型；所述改進的YOLOv5包括在Neck部分的跳轉(zhuǎn)連接處添加自適應(yīng)注意力模塊，以及在Neck部分的上采樣部分添加特征增強模塊；

采用所述風(fēng)機槳葉故障檢測模型對待檢測風(fēng)機槳葉進行。

2.根據(jù)權(quán)利要求1所述的基于改進的YOLOv5的風(fēng)機槳葉故障檢測方法，其特征在于，所述自適應(yīng)注意力模塊用于通過自適應(yīng)平均池化層獲得不同尺度的多個上下文特征。

3.根據(jù)權(quán)利要求1所述的基于改進的YOLOv5的風(fēng)機槳葉故障檢測方法，其特征在于，所述特征增強模塊包括多分支卷積層和一個分支池化層，所述多分支卷積層用于對輸入特征圖提供不同大小的感受野，所述分支池化層用于對所述多分支卷積層的輸出進行特征融合。

4.根據(jù)權(quán)利要求1所述的基于改進的YOLOv5的風(fēng)機槳葉故障檢測方法，其特征在于，所述采用AutoAugment方法對所述數(shù)據(jù)集中樣本圖像進行數(shù)據(jù)增強，獲得第一數(shù)據(jù)增強后的數(shù)據(jù)集之前，具體還包括：

分別通過空間幾何變換和RGB顏色擾動的方法對所述數(shù)據(jù)集中樣本圖像進行數(shù)據(jù)增強；所述空間幾何變換包括對樣本圖像進行水平或垂直翻轉(zhuǎn)、隨機裁剪、旋轉(zhuǎn)和放射變換。

5.根據(jù)權(quán)利要求1所述的基于改進的YOLOv5的風(fēng)機槳葉故障檢測方法，其特征在于，所述風(fēng)機槳葉故障檢測模型的輸出包括故障類型和槳葉位置，所述故障類型包括腐蝕、擦痕、裂紋、涂層剝落、表面斑點和表面砂眼。

6.根據(jù)權(quán)利要求1所述的基于改進的YOLOv5的風(fēng)機槳葉故障檢測方法，其特征在于，還包括：將所述風(fēng)機槳葉故障檢測模型部署到無人機的移動終端上，部署到無人機的移動終端上的所述風(fēng)機槳葉故障檢測模型用于對所述無人機采集的風(fēng)機槳葉圖像進行實時故障檢測。

7.一種基于改進的YOLOv5的風(fēng)機槳葉故障檢測系統(tǒng)，其特征在于，包括：

數(shù)據(jù)集采集模塊，用于采集風(fēng)機槳葉數(shù)據(jù)集；

第一數(shù)據(jù)增強模塊，用于采用AutoAugment方法對所述數(shù)據(jù)集中樣本圖像進行數(shù)據(jù)增強，獲得第一數(shù)據(jù)增強后的數(shù)據(jù)集；

第二數(shù)據(jù)增強模塊，用于采用Retinex算法對所述第一數(shù)據(jù)增強后的數(shù)據(jù)集中圖像進行數(shù)據(jù)增強，獲得第二數(shù)據(jù)增強后的數(shù)據(jù)集；

改進的YOLOv5訓(xùn)練模塊，用于采用所述第二數(shù)據(jù)增強后的數(shù)據(jù)集訓(xùn)練改進的YOLOv5，獲得風(fēng)機槳葉故障檢測模型；所述改進的YOLOv5包括在Neck部分的跳轉(zhuǎn)連接處添加自適應(yīng)注意力模塊，以及在Neck部分的上采樣部分添加特征增強模塊；

風(fēng)機槳葉故障檢測模塊，用于采用所述風(fēng)機槳葉故障檢測模型對待檢測風(fēng)機槳葉進行。

8.根據(jù)權(quán)利要求7所述的基于改進的YOLOv5的風(fēng)機槳葉故障檢測系統(tǒng)，其特征在于，所述自適應(yīng)注意力模塊用于通過自適應(yīng)平均池化層獲得不同尺度的多個上下文特征。

9.根據(jù)權(quán)利要求7所述的基于改進的YOLOv5的風(fēng)機槳葉故障檢測系統(tǒng)，其特征在于，所述特征增強模塊包括多分支卷積層和一個分支池化層，所述多分支卷積層用于對輸入特征圖提供不同大小的感受野，所述分支池化層用于對所述多分支卷積層的輸出進行特征融合。

10.根據(jù)權(quán)利要求7所述的基于改進的YOLOv5的風(fēng)機槳葉故障檢測系統(tǒng)，其特征在于，所述風(fēng)機槳葉故障檢測模型的輸出包括故障類型和槳葉位置，所述故障類型包括腐蝕、擦痕、裂紋、涂層剝落、表面斑點和表面砂眼。