改进YOLOv5s的风力涡轮机表面缺陷检测

摘要：

针对传统方式检测风力涡轮机表面缺陷时出现的精度不足、泛化性较差问题,提出了一种改进YOLOv5s的风力涡轮机表面缺陷检测模型.在网络结构方面,首先在主干特征提取网络引入改进的MobileNetv3网络,用于协调并平衡模型的轻量化和精度关系;其次采用BiFPN式的融合方式,增强神经网络的多尺度适应能力,提高融合速度和效率;最后为轻量化的自适应调节特征权重,运用ECAnet通道注意力机制,进一步提高神经网络的特征提取能力.在损失函数方面,将边框回归的损失函数修改为αIoU Loss,进一步提升了 bbox回归精度.实验结果表明,基于YOLOv5s的改进算法可以在复杂环境下快速准确地识别风机表面的缺陷目标,能够满足实时目标检测的实际应用需求.

关键词：风力涡轮机、YOLOv5s、轻量化目标检测、注意力机制、多尺度融合

所属期刊栏目：37

分类号：TP391.41;TM315(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;江苏省一流本科课程《电路分析基础》无锡学教学改革重点课题项目

在线出版日期：2023-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：40-49