基于深度学习的风力机叶片表面缺陷检测研究

作     者：蒙建国 任其科 王凯 赵祥 石炜 MENG Jianguo;REN Qike;WANG Kai;ZHAO Xiang;SHI Wei

作者机构：内蒙古科技大学机械工程学院包头014010 

出 版 物：《计算机与数字工程》 (Computer & Digital Engineering)

年 卷 期：2024年第52卷第5期

页      面：1502-1509页

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：2018年内蒙古自治区自然科学基金项目(编号:2018LH050248)资助 

主　　题：图像识别 神经网络 ResNet50 分类 RAdam 

摘      要：风力机叶片损伤的检测主要依靠目测和敲击,不仅效率低下而且很容易受到人主观判断因素的影响。由此,论文提出一种基于Rectified Adam优化器的ResNet50卷积神经网络的图像识别方法,对风力机叶片损伤图像进行分类识别。利用无人机对风力机叶片损伤位置进行拍摄,对采集到的图像进行筛选、增强得到叶片四种损伤类型的数据集,对图片进行灰度处理、去噪、阈值分割去除图片背景信息的影响。分析了VGG19、GoogleNet、ResNet50三种网络模型对于风力机叶片损伤类型的识别准确率,选择了分类准确度较高的ResNet50网络模型。对比实验了Adam和RAdam两种优化器下ResNet50对于风机叶片损伤识别的准确率,结果显示RAdam优化器下的ResNet50网络模型性能更优,为风力机叶片无损检测的自动化和数字化提供参考。