WTB-Net:基于ShuffleNet V2的轻量级风机叶片表面缺陷识别算法

作者：张睿; 文传博^*

来源：复合材料科学与工程, 2023, (08): 66-128.

DOI：10.19936/j.cnki.2096-8000.20230828.010

• 深度学习
• 图像分类
• ShuffleNet V2
• 风机叶片
• 复合材料

由于现有风机叶片(WTB)的缺陷检测技术尚未得到广泛应用，且传统检测方法的鲁棒性较差，本文提出了一种轻量级风机叶片表面缺陷识别算法WTB-Net。通过无人机拍摄华东某沿海风电场的2 569张风机叶片图像，通过筛选分类和数据扩充建立WTB表面缺陷数据集。以ShuffleNet V2核心骨干特征提取网络为基础，引入选择性卷积核注意力机制SKNet,自适应地调整感受野大小，增强有用特征，抑制无用特征。最后采用激活函数Leaky-ReLU,减少沉默神经元的出现，避免了在输入为负值时使用ReLU导致的神经元失活。实验结果表明，算法在WTB数据集上的准确度达到了98.12%,比ShuffleNet V2提高了6.53%,且模型参数量仅为1.4 M。

• 单位
  电气学院; 上海电机学院