一种风机桨叶缺陷检测方法、系统、电子设备及存储介质

本发明涉及图像分割，特别是涉及一种风机桨叶缺陷检测方法、系统、电子设备及存储介质。

背景技术：

1、风机桨叶是风机将风能转换为电能的重要部件，也是保障整个风机安全运行的关键组件。风机桨叶的工作环境比较恶劣，外界气候对叶片运行会造成很大影响，尤其是台风、雷雨、冰雪、沙尘等恶劣气候随时都可能对风机桨叶造成危害，甚至损坏风机，进而造成经济损失。

2、目前常用的风机桨叶巡检方式还是以人工巡检为主，需在风机停运时，通过望远镜观察桨叶表面是否有缺陷。这种方式工作量大且效率低，且对巡检人员专业技术要求较高。传统的风机桨叶缺陷检测一般是通过传感器提取信号特征，通过分析风机桨叶产生的信号，实现对风机桨叶缺陷的识别和定位，这些检测方法在实验室中取得了良好的成果，但实际风机桨叶运行环境要比实验室环境要恶劣复杂的多。

技术实现思路

1、本发明的目的是提供一种风机桨叶缺陷检测方法、系统、电子设备及存储介质，提高了风机桨叶缺陷的检测精度。

2、为实现上述目的，本发明提供了如下方案：

3、一种风机桨叶缺陷检测方法，包括：

4、获取待检风机桨叶的图像；

5、将所述待检风机桨叶的图像输入至风机桨叶缺陷检测模型中，得到所述待检风机桨叶的缺陷类型；所述风机桨叶缺陷检测模型是利用训练数据集对改进unet网络进行训练得到的，所述训练数据集包括多张训练用风机桨叶的图像和对应的缺陷类型，所述改进unet网络包括编码网络、卷积块注意网络和解码网络，所述编码网络为resnet34网络。

6、可选地，所述风机桨叶缺陷检测模型的训练过程，包括：

7、获取所述训练数据集；

8、构建所述改进unet网络；

9、以多张训练用风机桨叶的图像为输入，以对应的缺陷类型为输出，对所述改进unet网络进行训练，得到所述风机桨叶缺陷检测模型。

10、可选地，所述编码网络，包括：五个编码模块；

11、其中，一个编码模块包括一个卷积层、一个归一化层和一个relu激活函数；另外四个编码模块均由残差单元堆叠而成，所述残差单元包括：两个卷积层、两个归一化层和两个relu激活函数。

12、可选地，所述解码网络，包括：五个解码模块；

13、每个解码模块均包括上采样、两个卷积层、两个relu激活函数和两个归一化层。

14、可选地，所述缺陷类型包括：胶衣脱落、裂纹、雷击和边缘腐蚀。

15、一种风机桨叶缺陷检测系统，包括：

16、待检图像获取模块，用于获取待检风机桨叶的图像；

17、缺陷检测模块，用于将所述待检风机桨叶的图像输入至风机桨叶缺陷检测模型中，得到所述待检风机桨叶的缺陷类型；所述风机桨叶缺陷检测模型是利用训练数据集对改进unet网络进行训练得到的，所述训练数据集包括多张训练用风机桨叶的图像和对应的缺陷类型，所述改进unet网络包括编码网络、卷积块注意网络和解码网络，所述编码网络为resnet34网络。

18、一种电子设备，包括：

19、一个或多个处理器；

20、存储装置，其上存储有一个或多个程序；

21、当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述所述的风机桨叶缺陷检测方法。

22、一种存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如上述所述的风机桨叶缺陷检测方法。

23、根据本发明提供的具体实施例，本发明公开了以下技术效果：

24、本发明公开了一种风机桨叶缺陷检测方法、系统、电子设备及存储介质，首先获取待检风机桨叶的图像；然后将待检风机桨叶的图像输入至风机桨叶缺陷检测模型中，得到待检风机桨叶的缺陷类型；风机桨叶缺陷检测模型是利用训练数据集对改进unet网络进行训练得到的，训练数据集包括多张训练用风机桨叶的图像和对应的缺陷类型，改进unet网络包括编码网络、卷积块注意网络和解码网络，编码网络为resnet34网络，本发明将unet网络中的编码网络替换为resnet34网络，提高了风机桨叶缺陷的检测精度。

技术特征：

1.一种风机桨叶缺陷检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的风机桨叶缺陷检测方法，其特征在于，所述风机桨叶缺陷检测模型的训练过程，包括：

3.根据权利要求1所述的风机桨叶缺陷检测方法，其特征在于，所述编码网络，包括：五个编码模块；

4.根据权利要求1所述的风机桨叶缺陷检测方法，其特征在于，所述解码网络，包括：五个解码模块；

5.根据权利要求1所述的风机桨叶缺陷检测方法，其特征在于，所述缺陷类型包括：胶衣脱落、裂纹、雷击和边缘腐蚀。

6.一种风机桨叶缺陷检测系统，其特征在于，所述系统包括：

7.一种电子设备，其特征在于，包括：

8.一种存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至5中任意一项所述的风机桨叶缺陷检测方法。

技术总结
本发明公开一种风机桨叶缺陷检测方法、系统、电子设备及存储介质，涉及图像分割技术领域，所述方法包括：获取待检风机桨叶的图像；将待检风机桨叶的图像输入至风机桨叶缺陷检测模型中，得到待检风机桨叶的缺陷类型；风机桨叶缺陷检测模型是利用训练数据集对改进UNet网络进行训练得到的，训练数据集包括多张训练用风机桨叶的图像和对应的缺陷类型，改进UNet网络包括编码网络、卷积块注意网络和解码网络，编码网络为ResNet34网络，本发明将UNet网络中的编码网络替换为ResNet34网络，提高了风机桨叶缺陷的检测精度。

技术研发人员：李冰,白云山,韩宇辰,赵宽,翟永杰
受保护的技术使用者：华北电力大学（保定）
技术研发日：
技术公布日：2024/1/15