河北工业科技

2021, v.38;No.189(05) 401-408

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

改进的YOLOv3-Tiny网络在风机叶片损伤检测中的应用
Application of improved YOLOv3-Tiny network in fan blade damage detection

武宇平;刘海旭;吴劲芳;贾洪岩;刁嘉;朱董军;

摘要(Abstract):

为了解决YOLOv3-Tiny对无人机采集的风机叶片图像损伤检测精度不高的问题,提出一种基于深度学习的风机叶片图像损伤检测方法。首先提出一种跨越式特征联合网络结构,由卷积层和拼接层构成,将不同深度的特征信息进行融合再学习,提取目标多层级特征信息;其次引入Inception模块结构,其中4个平行通道的多个卷积核对输入的特征图进行组合和压缩,在减少网络的学习参数的同时更好地表征图像特征信息,提高小目标的检测精度。实验表明,改进后算法的检测精度提高了2.69%,在自制的数据集中mAP可以达到88.58%,并且模型的参数缩小了4倍。因此,改进的方法比传统的YOLOv3-Tiny网络具有更好的检测效果。研究结果可为基于图像的损伤检测和风机叶片损伤智能识别提供参考。

关键词(KeyWords): 计算机神经网络;缺陷检测;深度学习;风机叶片;YOLOv3-Tiny

Abstract:

Keywords:

基金项目(Foundation): 北京科技大学与国网新源张家口风光储示范电站有限公司合作研究及应用项目(SGJBXY00SJJS2000087)

作者(Author): 武宇平;刘海旭;吴劲芳;贾洪岩;刁嘉;朱董军;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享