基于EfficientDet的风机叶片缺陷检测方法

• 全文链接
• 请求原文

作   者：

辛彦;  吴国新;  左云波; 

作者机构：

北京信息科技大学现代测控技术教育部重点实验室; 

关键词：

图像处理;  深度学习;  目标检测;  EfficientDet;  风机叶片; 

期刊名称：

电子测量技术

i s s n：

1002-7300

年卷期：

2022 年 05 期

页   码：

124-131

摘   要：

受工作环境恶劣等原因影响，风机叶片常会出现裂纹、凹坑等缺陷。针对当前常用目标检测算法对风机叶片小尺寸缺陷检测准确率低的问题，提出一种基于EfficientDet算法的风机叶片缺陷检测方法。首先采集图像数据并建立Pascal VOC格式的风机叶片缺陷图像数据集，然后对EfficientDet算法中的主干特征提取网络进行改进，减少向下采样次数并调整有效特征层从而增强主干特征提取网络对小尺寸缺陷的检测能力，同时为特征融合网络增加融合路径提升算法的多尺度特征融合能力，选用FReLU作为激活函数实现像素级空间信息建模，并通过Mosaic数据增强和Focal Loss损失函数增加小尺寸缺陷样本对于检测器的贡献。在建立的风机叶片缺陷图像数据集上的测试结果表明改进后的算法模型平均类别精度达到了96.15%,相较于原版的EfficientDet提升了3.77%,对小目标的检测性能有明显提升。