针对传统风机桨叶检测算法在复杂环境存在误检及检测精度低的问题，提出一种融合多尺度特征与注意力机制的风机桨叶缺陷检测方法。首先使用改进的骨干网络L-ResNet50进行特征提取，保留更多有效信息；然后对不同尺度特征层嵌入注意力机制模块，增强重点语义信息；最后对提取出的深层特征与浅层特征进行多尺度特征融合，进一步提高模型准确率。通过对无人机航拍采集的风机桨叶图像进行缺陷检测实验，结果表明，所提方法在复杂环境下的风机桨叶缺陷检测中平均准确率较原Faster R-CNN模型提高8.2%。
科研之友
微信
新浪微博
Facebook
分享链接
