基于改进YOLOv7算法的风力涡轮机表面缺陷检测
王志
高林
杨宇
湖北民族大学 智能科学与工程学院,湖北 恩施 445000
摘要：针对风力涡轮机表面缺陷类型多、尺度差异大与特征提取困难等问题,提出了改进YOLOv7(you only look once version 7)算法用于风力涡轮机表面缺陷检测.首先,采用渐进金字塔网络(asymptotic feature pyramid network,AFPN)替换YOLOv7 网络中的路径聚合特征金字塔网络(path aggregation feature pyramid network,PAFPN),解决了多尺度融合过程中特征丢失和退化问题,并降低了模型复杂度;其次,采用扩充的高效聚合网络(efficient layer aggregation network-wide,ELAN-W)模块替换了AFPN中的基础模块,提高了模型的特征提取能力;最后,在颈部网络输入端以卷积和空间组增强(spatial group-wise enhance,SGE)注意力机制构建了卷积注意力模块,提升了模型对检测目标的定位能力和检测性能.实验结果表明,改进YOLOv7 算法对风力涡轮机表面缺陷检测的平均精度均值、检测速度分别达到了 85.4%、133.0 帧/s,相较于原版YOLOv7 算法分别提升了 1.8%、17.7%.该研究成果能够有效地提升风力涡轮机表面缺陷检测性能.
关键词：风力涡轮机YOLOv7AFPN扩充的高效聚合网络SGE巡检多尺度融合
分类号：TP183(自动化基础理论)
资助基金：国家自然科学基金(61562025)国家自然科学基金(61962019)湖北省高等学校省级教学研究项目(2017387)湖北民族大学校内科研项目(XN2317)
论文发表日期：2024-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 75-80 )
英文信息