基于Faster R-CNN的风机叶片缺陷图像多点检测系统设计

摘要

随着新能源风力发电生产规模逐渐扩大,对生产效益精细化的要求不断提升.针对现有电机叶片检查方式造成经济成本高、检查效率低、高空坠落安全隐患等问题,基于深度学习理论,提出了基于Faster R-CNN的胶衣脱落缺陷图像多点检测系统设计.通过对风机叶片的缺陷图片进行数据增广,丰富缺陷数据,以此来增加模型的泛化能力,同时引入GIoU、DCNv2.测试结果表明,所提算法得到的模型平均类别精度(mAP)达到92.6％,可显著提高胶衣检测的精度.