基于深度学习的风机叶片表面缺陷识别研究

目录

声明

摘要

第1章绪论

1．1选题背景及研究意义

1．2国内外研究现状

1．2．1风力发电发展现状

1．2．2风机叶片表面缺陷检测现状

1．2．3深度学习图像识别现状

1．3叶片表面常见缺陷类别及成因

1．3．1吊装和运输过程中的损伤

1．3．2雷击损伤

1．3．3盐雾腐蚀下的损伤

1．3．4其他表面缺陷

1．4论文主要内容与章节安排

第2章风机叶片表面缺陷识别架构

2．1识别方案设计

2．2风机叶片图像数据集建立

2．2．1图像数据采集

2．2．2图像数据过滤

2．2．3图像数据标注

2．3实验平台设计

2．3．1仿真环境配置

2．3．2Python环境管理器

2．3．3基于TensorFlow的深度学习框架

2．4本章小结

第3章基于Mask-RCNN的风机叶片表面缺陷识别理论

3．1引言

3．2目标检测技术的发展

3．3Mask-RCNN算法

3．3．1Mask-RCNN模型

3．3．2评价指标

3．4迁移学习与预训练

3．4．1迁移学习理论

3．4．2迁移学习分类

3．4．3CoCo预训练

3．5本章小结

第4章基于数据增强和背景去除的风机叶片表面缺陷识别研究

4．1引言

4．2数据增强原理

4．3背景去除原理

4．3．1自适应阈值分割

4．3．2形态学处理

4．4算法仿真与分析

4．4．1仿真环境参数设置

4．4．2数据增强性能分析

4．4．3背景去除性能分析

4．5本章小结

5．1论文工作总结

5．2进一步的研究工作

参考文献

攻读硕士学位期间发表的论文

致谢