典型文献
基于改进Yolov4的风电机组叶片缺陷检测算法
文献摘要：
新型能源的发展离不开风力发电.随着风电机组性能的不断优化,对叶片运维提出了更高要求.为了提升风电机组的叶片巡检效率,有必要探索自动化、智能化的风电机组叶片巡检技术.无人机巡检技术已在多个领域有所应用,基于挂载高清摄像头的无人机对风电机组叶片所拍摄的近距离图像,通过图像识别实现风电机组叶片缺陷检测.通过研究Yolov4算法在风电机组叶片无人机自动巡检系统中的应用,探索出了提升风电机组叶片缺陷检测精度的新路径.通过深度学习和计算机视觉技术,提高了风电机组叶片检测的实时性、高效性和准确性.通过实验证明,利用数据增强和改进目标检测Yolov4算法,可使风电机组叶片缺陷的检测平均精度(mAP)达83％.
文献关键词：
风机叶片;数据增强;Yolov4;残差网络;空洞卷积
中图分类号：
作者姓名：
李亦伦;成和祥;董礼;苏宝定;刘方涛
作者机构：
中国广核新能源控股有限公司;北京星闪世图科技有限公司
文献出处：
引用格式：
[1]李亦伦;成和祥;董礼;苏宝定;刘方涛-.基于改进Yolov4的风电机组叶片缺陷检测算法)[J].风机技术,2022(01):46-53
A类：
B类：
Yolov4,风电机组,叶片缺陷,缺陷检测,检测算法,新型能源,风力发电,机组性能,巡检效率,无人机巡检技术,所应,挂载,高清摄像,摄像头,近距离,距离图像,图像识别,无人机自动巡检,巡检系统,检测精度,计算机视觉技术,叶片检测,数据增强,改进目标,目标检测,mAP,风机叶片,残差网络,空洞卷积
AB值：
0.289038
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。
