基于改进Yolov4的风电机组叶片缺陷检测算法

作者：李亦伦; 成和祥; 董礼; 苏宝定; 刘方涛

来源：风机技术, 2022, 64(01): 46-53.

DOI：10.16492/j.fjjs.2022.01.0006

• 风机叶片
• 数据增强
• Yolov4
• 残差网络
• 空洞卷积

新型能源的发展离不开风力发电。随着风电机组性能的不断优化，对叶片运维提出了更高要求。为了提升风电机组的叶片巡检效率，有必要探索自动化、智能化的风电机组叶片巡检技术。无人机巡检技术已在多个领域有所应用，基于挂载高清摄像头的无人机对风电机组叶片所拍摄的近距离图像，通过图像识别实现风电机组叶片缺陷检测。通过研究Yolov4算法在风电机组叶片无人机自动巡检系统中的应用，探索出了提升风电机组叶片缺陷检测精度的新路径。通过深度学习和计算机视觉技术，提高了风电机组叶片检测的实时性、高效性和准确性。通过实验证明，利用数据增强和改进目标检测Yolov4算法，可使风电机组叶片缺陷的检测平均精度（mAP）达83%。