基于轻量型YOLOv5的风机桨叶检测与空间定位
应用无人机对风力发电机进行自主巡检时,需对其桨叶叶尖进行精准定位,同时因机载计算板的计算能力有限,常规目标检测算法检测效率低下.为此提出了一种基于轻量型YOLOv5的风机桨叶检测与空间定位方法,首先对YOLOv5目标检测算法进行轻量化改进,将ShuffleNetv2作为特征提取主干网络;然后利用该算法对风机全景图像中的风机轮毂和桨叶进行检测,以得到轮毂和桨叶叶尖的像素坐标;最后利用无人机位姿信息和空间平面的几何关系,对风机桨叶进行精准定位.实验表明,所改进的目标检测算法以1.536×106的参数量在大疆MANIFOLD2-C上的检测速度提升47%,可达29.4f/s,所设计的定位方法可对风机桨叶叶尖进行精准定位,水平和高度定位误差均为±5 cm,三维整体定位误差为±10 cm.
风力发电机、无人机、目标检测、YOLOv5、轻量化、深度学习、桨叶叶尖、精准定位
17
TP138;TP242(自动化基础理论)
2023-01-11(万方平台首次上网日期,不代表论文的发表时间)
共9页
1173-1181