一种基于深度学习的地面拍摄风机叶片实时监测方法
公开
摘要
一种基于深度学习的地面拍摄风机叶片实时监测方法，本发明公开了一种基于深度学习的地面拍摄风机叶片实时监测方法：包括以下步骤：构建云台拍摄模型，用以实时跟踪风机叶片在运行工作中的样本采集；建立远程通信系统，实现计算机、电动云台以及深度网络模型的连接；用改进的YOLOv5和Siam FC结合框架设计深度网络模型，修改损伤函数增强网络对损伤边缘的敏感度，减少YOLOv5特征提取层感受野较大的网络结构，适应小目标检测。实验表明，此方法可以在风机正常运转状态下完成对风机叶片损伤部位的检测。本发明可应用于高空设备难以维护的设施及配件损伤检测，尤其是对于实时性要求高，停机检测损失较大的工业设备，减轻由于设备故障、维修带来的损失。
基本信息
专利标题 ：
一种基于深度学习的地面拍摄风机叶片实时监测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114627074A
申请号 ：
CN202210248084.5
公开（公告）日 ：
2022-06-14
申请日 ：
2022-03-14
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
黄金杰张子亭
申请人 ：
哈尔滨理工大学
申请人地址 ：
黑龙江省哈尔滨市南岗区学府路52号哈尔滨理工大学
代理机构 ：
代理人 ：
优先权 ：
CN202210248084.5
主分类号 ：
G06T7/00
IPC分类号 ：
G06T7/00 G06T5/00 G06V10/44 G06V10/764 G06V10/82 G06K9/62 G06N3/04 G06N3/08 F03D17/00
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/00
图像分析
法律状态
2022-06-14 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
