WTB-Net:基于ShuffleNet V2的轻量级风机叶片表面缺陷识别算法

摘要

由于现有风机叶片(WTB)的缺陷检测技术尚未得到广泛应用,且传统检测方法的鲁棒性较差,本文提出了一种轻量级风机叶片表面缺陷识别算法WTB-Net。通过无人机拍摄华东某沿海风电场的2569张风机叶片图像,通过筛选分类和数据扩充建立WTB表面缺陷数据集。以ShuffleNet V2核心骨干特征提取网络为基础,引入选择性卷积核注意力机制SKNet,自适应地调整感受野大小,增强有用特征,抑制无用特征。最后采用激活函数Leaky-ReLU,减少沉默神经元的出现,避免了在输入为负值时使用ReLU导致的神经元失活。实验结果表明,算法在WTB数据集上的准确度达到了98.12%,比ShuffleNet V2提高了6.53%,且模型参数量仅为1.4 M。