改进的YOLOv5风机叶片缺陷检测方法

摘要

为了解决风力发电机叶片传统检测的耗时长,效率低,精度低等问题。为此,本文提出一种改进的YOLOv5风机叶片缺陷检测算法。首先,针对图像中复杂背景和图片模糊等影响因素,本算法采用限制对比度自适应直方图均衡化的方法,加强叶片缺陷特征,减弱这些因素对数据集的影响。其次,在主干网络中引入极化注意力机制,以增强网络对缺陷特征的敏感性,进一步提高模型检测能力。最后,在主干网络末端加入金字塔池化模块,以扩大网络不同尺度的感受能力,增强对多尺度目标的识别能力。实验结果表明,在自制风机叶片数据集中,改进的YOLOv5算法相比原有算法,召回率上升了13.7个百分点,准确率也增长了16.3个百分点,平均精度均值提高了16.5个百分点。因此,该算法可以更好地应用于风机叶片缺陷检测场景,为增强风力发电机组的操作效率和稳定性提供了有力支持。