典型文献
基于EfficientDet的风机叶片缺陷检测方法
文献摘要：
受工作环境恶劣等原因影响,风机叶片常会出现裂纹、凹坑等缺陷.针对当前常用目标检测算法对风机叶片小尺寸缺陷检测准确率低的问题,提出一种基于EfficientDet算法的风机叶片缺陷检测方法.首先采集图像数据并建立Pascal VOC格式的风机叶片缺陷图像数据集,然后对EfficientDet算法中的主干特征提取网络进行改进,减少向下采样次数并调整有效特征层从而增强主干特征提取网络对小尺寸缺陷的检测能力,同时为特征融合网络增加融合路径提升算法的多尺度特征融合能力,选用FReLU作为激活函数实现像素级空间信息建模,并通过Mosaic数据增强和Focal Loss损失函数增加小尺寸缺陷样本对于检测器的贡献.在建立的风机叶片缺陷图像数据集上的测试结果表明改进后的算法模型平均类别精度达到了 96.15％,相较于原版的EfficientDet提升了 3.77％,对小目标的检测性能有明显提升.
文献关键词：
深度学习;目标检测;EfficientDet;图像处理;风机叶片
中图分类号：
作者姓名：
辛彦;吴国新;左云波
作者机构：
北京信息科技大学现代测控技术教育部重点实验室 北京100192
文献出处：
引用格式：
[1]辛彦;吴国新;左云波-.基于EfficientDet的风机叶片缺陷检测方法)[J].电子测量技术,2022(05):124-131
A类：
B类：
EfficientDet,风机叶片,叶片缺陷,缺陷检测方法,环境恶劣,劣等,原因影响,凹坑,目标检测算法,小尺寸,检测准确率,采集图像,Pascal,VOC,图像数据集,主干特征提取网络,下采样,有效特征,检测能力,特征融合网络,融合路径,路径提升,多尺度特征融合,融合能力,FReLU,激活函数,现像,像素级,空间信息,信息建模,Mosaic,数据增强,Focal,Loss,损失函数,检测器,算法模型,模型平均,原版,小目标,检测性能
AB值：
0.401109
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
