基于无人机机器视觉的风力机叶片损伤诊断研究

• 作者: 赵肖懿 董朝轶 周鹏 朱美佳 任靖雯 陈晓艳
• 来源期刊: 太阳能学报
• 关键词: 风力机 无人机 机器视觉 深度学习 叶片损伤诊断 L-AlexNet
• 年，卷（期）: 2021,（7）
• 页码范围: 390-397
• 页数: 8页
• 分类号: TP206+.3|TM315
• 语种: 中文
• DOI: 10.19912/j.0254-0096.tynxb.2019-0459

摘要

针对风力发电企业在线风力发电机叶片表面损伤自动诊断难的实际问题,提出利用无人机机器视觉的基于L-AlexNet深度学习框架的风力机叶片表面损伤诊断方法.为验证该方法的有效性,选用经无人机采集的8270张像素为227×227的风力机叶片图像分别对传统BP神经网络、深度卷积网络AlexNet和L-AlexNet等分类器进行训练,再采用10次、每次350张图像进行测试.诊断类别包括:背景类、无损伤或伪损伤类、存在修复类、砂眼类、裂纹类和混合损伤类.测试结果表明:L-AlexNet深度卷积网络对表面损伤诊断的平均准确率达97.0286％,较AlexNet的平均准确率高1.9144％,较传统BP神经网络的平均准确率高26.9622％.所提出的基于优化深度学习框架的自动诊断方法可有效实现对风力机叶片表面损伤的准确诊断.