(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210158476.2 (22)申请日 2022.02.21 (71)申请人 华能华家岭风力发电有限公司 地址 743305 甘肃省定西市通渭县华家岭 乡老站村 申请人 中国华能集团清洁能源技 术研究院 有限公司 (72)发明人 邸智　万芳　曹朔　曾谁飞　 黄思皖　韦玮　白新奎　满锋利　 李恭斌　薛录宏　李小翔　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 黄垚琳 (51)Int.Cl. G06T 7/00(2017.01)G06V 10/40(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/80(2022.01) (54)发明名称 一种基于计算机视觉的风机叶片缺陷检测 方法及设备 (57)摘要 本发明提出一种基于计算机视觉的风机叶 片缺陷检测方法及设备， 该方法通过构建包括基 于HnNet网络的基础特征提取模块、 多尺度池化 融合模块、 多尺度特征层融合模块、 特征解耦模 块和预测模块的风机叶片缺陷检测模 型， 进行风 机叶片缺陷检测； 使用单CCD摄像头纵向移位扫 描周期拍摄或使用CCD阵列周期拍摄形式， 获取 风机叶片局部图像， 相邻局部图像有重叠区域， 保障不丢失图像数据； 通过设置特征层解耦方 式， 为不同预测项提供充足特征量， 提高预测准 确率； 通过本发明， 能够 识别裂纹、 砂眼、 分层、 脱 粘等各种各样、 形式各异的风机叶片缺陷。 权利要求书2页 说明书6页 附图3页 CN 114565571 A 2022.05.31 CN 114565571 A 1.一种基于计算机 视觉的风机叶片缺陷检测方法， 其特 征在于， 包括： 构建风机 叶片缺陷检测模型， 所述风机 叶片缺陷检测模型包括基础特征提取模块、 多 尺度池化融合模块、 多尺度特 征层融合模块、 特 征解耦模块和预测模块； 获取具有缺陷的风机叶片表面图像并进行预处理， 形成风机叶片表面缺陷图像数据 集， 并将预处理后的风机叶片表面缺陷图像数据集输入所述风机叶片缺陷检测模型， 进行 模型训练； 将实时采集的风机叶片表面图像输入训练完成的风机叶片缺陷检测模型， 通过模型输 出结果， 对风机叶片表面 缺陷进行检测。 2.根据权利要求1所述的基于计算机视觉的风机叶片缺陷检测方法， 其特征在于， 所述 风机叶片缺陷检测模型中， 基础特征提取模块为特征提取器， 采用深度 卷积网络对风机叶片表面图像进行基础特 征提取， 得到不同尺寸和深度的特 征层； 多尺度池化融合模块用于对不同尺寸和深度的有效特征层进行池化融合， 以提高小缺 陷目标的检测率； 多尺度特 征层融合模块用于对不同尺寸和深度的有效特 征层进行 特征层融合； 特征解耦模块用于对多尺度池化融合后得到的不同尺寸的有 效特征层进行解耦， 以为 不同的预测项提供充分的特 征数据； 预测模块用于 输出预测结果。 3.根据权利要求2所述的基于计算机视觉的风机叶片缺陷检测方法， 其特征在于， 所述 特征提取器的深度卷积网络为Hn Net网络、 ResNet ‑101网络或ResNet ‑152网络。 4.根据权利要求3所述的基于计算机视觉的风机叶片缺陷检测方法， 其特征在于， 所述 HnNet网络结构的最小组件 包括卷积层、 BN、 Mish 激活函数； 其中， BN层用于实现正则化效果， 能提升模型收敛速度， 防止模型过拟合； Mish激活函数用于 提高训练稳定性和平均准确率。 5.根据权利要求2所述的基于计算机视觉的风机叶片缺陷检测方法， 其特征在于， 所述 多尺度池化融合模块由多层池化层并联形成， 基础特征提取模块提取得到的特征层输入 后， 经过每一池化层进行多尺度池化处 理。 6.根据权利要求2所述的基于计算机视觉的风机叶片缺陷检测方法， 其特征在于， 所述 多尺度特征层融合模块使用FPN和PAN网络结构对不同尺寸特征层进行融合， 提高小目标、 多目标检测率。 7.根据权利要求2所述的基于计算机视觉的风机叶片缺陷检测方法， 其特征在于， 所述 特征解耦模块通过设置多层基础卷积单元， 用于对风机叶片表面图像进行缺陷类别、 缺陷 位置及缺陷置信度的预测； 其中， 所述特征解耦模块包括输入端， 输入端连接第一多层基础 卷积单元和第二多层基础卷积单元的一端， 第二多层基础卷积单元的另一端连接第三多层 基础卷积单 元和第四多层基础卷积单 元。 8.一种基于计算机 视觉的风机叶片缺陷检测装置， 其特 征在于， 包括： 模型构建模块， 用于构建风机 叶片缺陷检测模型， 所述风机 叶片缺陷检测模型包括基 础特征提取模块、 多尺度池化融合模块、 多尺度特征层融合模块、 特征解耦模块和预测模 块；权　利　要　求　书 1/2 页 2 CN 114565571 A 2模型训练模块， 用于获取具有缺陷的风机 叶片表面图像并进行预处理， 形成风机 叶片 表面缺陷图像数据集， 并将预 处理后的风机叶片表面缺陷图像数据集输入 所述风机叶片缺 陷检测模型， 进行模型训练； 缺陷检测模块， 用于将 实时采集的风机叶片表面图像输入训练完成的风机叶片缺陷检 测模型， 通过模型输出 结果， 对风机叶片表面 缺陷进行检测。 9.一种计算机设备， 其特征在于， 包括存储器、 处理器及存储在所述存储器上并可在所 述处理器上运行的计算机程序， 所述处理器执行所述计算机程序时， 实现如权利要求 1‑7中 任一所述的方法。 10.一种非临时性计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计 算机程序被处 理器执行时实现如权利要求1 ‑7中任一所述的方法。权　利　要　求　书 2/2 页 3 CN 114565571 A 3