基于改进YOLOv8的风电叶片表面损伤检测与识别方法

作者：吴博阳,毛胜轲,林特宇,等. 日期：2024-08-02/span> 浏览：220 查看PDF文档

摘要:针对风电叶片极易出现损伤和故障,且制造和维护成本高昂等问题,提出了一种基于改进YOLOv8模型的风电叶片表面损伤检测与识别方法。首先,将现场拍摄到的高清叶片图像作为实验数据集,并将其按比例随机划分为训练集、验证集和测试集;然后,在YOLOv8模型中引入了动态数据增强算法Mosaic、Mixup及离线数据增强算法Albumentations,对训练数据集进行了扩充,解决了模型在有限数据集下的泛化性问题;最后,使用
卷积注意力模块(CBAM)和梯度协调机制(GHM)/Focal loss算法等手段加强了模型的损伤检测能力,改进了样本分布不均衡问题,建立了一种先进的风电叶片表面损伤检测与识别方法,提升了YOLOv8模型对叶片损伤的检测精度。研究结果表明:改进后的YOLOv8模型在计算量和参数量都较低的情况下,其平均精度(AP)、平均召回率(AR)都超越了同等配置下的快速区域卷积神经网络(Faster RCNN)模型。改进后的YOLOv8模型在交并比(IoU)阈值为0.5时的AP和AR分别达到了73.2%和58.8%,验证了该方法在风电叶片损伤检测方面具有一定的可靠性和有效性。

关键词:风电叶片损伤识别;YOLOv8;目标检测;数据增强算法;卷积注意力模块;梯度协调机制;平均精度;平均召回率;快速区域卷积神经网络;交并比

中图分类号:TH17;TG115.28;TM315文献标识码:A文章编号:1001-4551(2024)07-1260-09


本文引用格式:

吴博阳,毛胜轲,林特宇,等.基于改进YOLOv8的风电叶片表面损伤检测与识别方法［J］.机电工程,2024,41(7):1260-1268.

WU Boyang, MAO Shengke, LIN Teyu, et al. Surface damage detection and identification method of wind turbine blades based on improved YOLOv8［J］.Journal of Mechanical & Electrical Engineering, 2024,41(7):1260-1268.