基于深度学习与图像配准的螺栓松动检测
针对风力发电机长时间发生重复振动可能会引起自身螺栓松动,影响风力发电机的正常运作的问题,提出了一种基于深度学习与图像配准的螺栓松动检测方法,避免了人工干预.对YOLOv5s进行了改进,使用ShuffleNetV2作为Backbone,在不降低准确率的情况下检测速度提升了69.8%,实现了对图像中包含待检测螺栓区域的定位.将待检测图像和模板图像采用基于强度的方法进行配准,并通过特征增强的方式对配准后的灰度图进行处理,从而定位出松动螺栓.实验结果表明,当螺栓发生5°以上旋转时该方法能准确检测出螺栓松动.
螺栓松动、图像配准、深度学习、目标检测
44
TP274(自动化技术及设备)
2023-08-14(万方平台首次上网日期,不代表论文的发表时间)
共9页
9-17