基于HSCA-YOLOv7的风电机组叶片表面缺陷检测算法

作者：李冰; 白云山; 赵宽; 郭聪彬; 翟永杰^*

来源：中国电力, 2023, 56(10): 43-52.

• 风电机组叶片
• 缺陷检测
• YOLOv7
• 注意力机制
• Focal EIoU

叶片是风电机组的关键部件之一，易受到自然环境因素的影响，出现胶衣脱落、裂纹、腐蚀等损伤，影响风力发电效率及风电机组运行安全。针对航拍风电机组叶片图像缺陷尺度不一、定位不准确、检测精度低等问题，提出了一种HSCA-YOLOv7的风电机组叶片缺陷检测算法。首先根据无人机采集的风电机组叶片图像，制作叶片数据集，采用Mosaic、MixUp方法进行数据扩增；然后将不同膨胀率的深度可分离卷积引入改进空间金字塔池化（improved spatial pyramid pooling,ISPP）模块，减少池化操作带来的细节损失；提出混合空间通道注意力（hybrid spatial channel attention,HSCA）机制，捕获全局视觉场景上下文，增大目标特征与环境语义差异，解决航拍叶片图像缺陷尺度不一的问题；采用Focal EIoU损失函数，解决预测框长宽被错误放大的问题，提高模型对叶片缺陷的定位能力。实验结果表明，所提算法的均值平均精度、均值平均召回率分别达到83.64%、71.96%，与YOLOv7基线算法相比分别提高3.37%、5%。

• 单位
  华北电力大学