迁移学习在风机桨叶缺陷检测中的应用

• 作者: 伍卫华 周亚峰 孙胜凯 帅一民 杜玉杰
• 来源期刊: 新型工业化
• 学科: 工学
• 关键词: 风机桨叶 缺陷检测 迁移学习 机器视觉 深度学习
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 机械工业
• 页码范围: 56-58
• 页数: 3页
• 分类号: TM732
• 语种: 中文
• DOI: 10.19335/j.cnki.2095-6649.2020.07.021

摘要

随着新能源的不断投入与蓬勃发展,风能作为可再生的清洁能源更是其主要部分.风力发电应用的广泛普及,对服役运行中的风机桨叶缺陷检测成为刚需.在人工智能科学技术的发展驱动下,对于服役运行中的风机桨叶缺陷检测方式,已由传统的人工复检、常规桨叶缺陷识别逐渐发展为基于视觉的无接触式智能化检测.针对基于机器视觉与深度学习算法理论相结合的风机桨叶缺陷智能检测领域,基于小样本风机桨叶缺陷的端到端检测模型构建,引入迁移学习方法理论.以实际应用场景为研究对象,进行实验研究,结果证实了该应用方法的有效性.