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
华北电力大学华北电力大学(北京);