摘要
针对风机叶片表面缺陷识别率低、背景复杂及目标尺度差异大等问题,提出一种改进YOLOx-s的风机叶片缺陷检测方法.在YOLOx-s颈部输出端引入轻量型通道注意力机制提取图像深层次信息,提升缺陷检测准确率;构建特征提取能力更强的残差结构替换主干网络中的Resunit,通过调整残差结构感受野,增强对小目标缺陷的检测能力;经无人机实景拍摄采集叶片表面缺陷信息,使用Imgaug数据增强技术对数据集进行扩充.实验表明,改进后的网络模型对自建数据集的检测速度为39帧/秒,与YOLOx-s网络模型相比,mAP值从93.18%提高到96.61%.实现了风机叶片表面缺陷的高精度、高速度以及高鲁棒性检测.
基金项目
内蒙古自治区自然科学基金(2020MS06009)
维普
万方数据