基于改进YOLOv4风机叶片缺陷检测方法

摘要：

随着风电行业发展,风电设备越来越普及.风力发电设备长期处于恶劣环境下,设备叶片关键部件会发生损伤,降低整机发电效率.为了解决风力发电机叶片传统检测耗时长、效率低、精度低等问题,提出一种基于改进YOLOv4 的风机叶片缺陷检测方法.首先采用GhostNet特征提取网络更换原有YOLOv4 的特征提取网络,使得模型轻量化的同时保持良好的检测精度;其次,采用基于COCO数据集权重的迁移学习,减少模型训练时间并加快模型收敛;最后,采用Focal loss分类损失函数解决数据集缺陷类别不平衡问题,且使得目标检测模型收敛.实验结果表明,相比原有的YOLOv4,map值提高了 3.66%且能满足实时性需求.

关键词：改进YOLOv4、风机叶片、缺陷检测、特征提取

所属期刊栏目：61

分类号：TM315(电机)

在线出版日期：2023-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：94-98