基于神经网络的风机叶片缺陷检测方法.pdf
雨巷****莺莺
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于神经网络的风机叶片缺陷检测方法.pdf
本发明提供了一种基于神经网络的风机叶片缺陷检测方法,包括:控制无人机以第一轨迹分别绕处于检修状态的待检测风机的各个叶片的轴线飞行,并在绕飞过程中对叶片进行拍照,得到多个待检测图像;将待检测图像输入预先训练的目标叶片缺陷检测模型,输出待检测图像的缺陷检测信息,缺陷信息包括缺陷在待检测图像中的位置以及缺陷的类别;目标叶片缺陷检测模型经由如下步骤训练得到:获取样本图像集合,将样本图像中缺陷的位置和类别作为样本标签,标记样本图像;将标记后的样本图像输入预先构建的初始叶片缺陷检测模型,将标记后的样本图像的样本标签作
一种机载式风机叶片缺陷检测方法.pdf
本发明公开了一种机载式风机叶片缺陷检测方法,包括以下步骤,首先获取风机叶片表面图像,其次将其转换为灰度图像,随后继续遍历图片所有像素,生成Tenengrad梯度矩阵,基于Tenengrad梯度阈值,进行风机叶片区域的判断,随后遍历当前图片所有像素,生成Hoyer统计值矩阵,进而根据风机叶片区域判断情况,保留步骤风机叶片区域的Hoyer统计值并将其他区域的Hoyer统计值置零,最终设置Hoyer统计值阈值,若Hoyer统计值大于该阈值,则该像素点为缺陷特征。本发明从Tenengrad梯度与Hoyer统计值出
基于BP神经网络的玻璃缺陷检测方法.pdf
本发明实施方式提供一种基于BP神经网络的玻璃缺陷检测方法,涉及玻璃缺陷检测技术领域。方法包括:获取待检测玻璃图像;从待检测玻璃图像中提取包括玻璃缺陷的目标图像;从目标图像中提取玻璃缺陷的特征参数;以玻璃缺陷的特征参数为输入,经玻璃缺陷检测模型识别待检测玻璃的缺陷类型;玻璃缺陷检测模型通过多个包括玻璃缺陷的玻璃图像样本对BP神经网络进行训练后得到。本发明上述技术方案通过采集玻璃基板的图像并提取玻璃缺陷的特征参数,利用经包括不同玻璃缺陷的图像样本训练后的BP神经网络识别玻璃缺陷的类型,对不同类别的铂金缺陷的分
一种基于视觉的风机叶片结冰检测方法.pdf
本发明具体涉及一种基于视觉的风机叶片结冰检测方法,用于解决现有风机叶片结冰检测技术无法检测风机叶片全局结冰情况,以及现有检测方法无法在循环载荷或恶劣天气持续使用的问题。本发明包括如下步骤:步骤1制备叶片分割模型;步骤1.1收集风机正常运行状态下的图片制备成分割数据集;步骤1.2训练叶片分割模型;通过优化的SOLO_R50_3x模型建立的初始叶片分割模型获取图片中仅包含叶片的精细区域mask图;然后依据定位后的精细区域mask图进行边缘提取,获得分割后的新图;步骤2根据叶片分割模型处理得到的数据制备叶片结冰
一种基于机器视觉的风机叶片缺陷自诊断定位方法.pdf
本发明公开一种基于机器视觉的风机叶片缺陷自诊断定位方法,具体面向风力发电机表面裂纹、麻面、点蚀、折断等缺陷的快速诊断、分类及定位。该方法通过CMOS摄像机、光源、控制盒及自动传输平台构成的机器视觉系统获取风机叶片各种缺陷样本数据集;采用中值滤波去除图像中的大部分噪声同时较为完整地保留了边缘细节信息;使用阈值分割和Blob分割法相结合,最大限度地减少图像处理复杂度,提高效率,快速剔除背景并标记缺陷位置;收集缺陷特征样本,依据样本特性创建基于颗粒特征向量的分类器,并对样本集合利用支持向量机进行决策分类,得到准