一个实时端到端探测器,用于检测超大环上的表面缺陷

科学领域:

• 机械工程 机械工程
• 电气工程 电气工程
• 计算机视觉 计算机视觉

背景情况:

• 超大尺寸的环是风力轮机中关键的承载部件.
• 这些环的表面缺陷可能导致操作中断.
• 在大型环上检测小缺陷是具有挑战性的,耗时的,并且往往不准确的.

研究的目的:

• 开发一种轻量级且准确的模型,用于检测超大风力轮发电机环上的表面缺陷.
• 为实际应用平衡模型准确性与计算效率.
• 提高风力轮机检查流程的速度和可靠性.

主要方法:

• 提出了一种使用RepViT骨干和双向特征金字塔网络 (BiFPN) 的轻量级多层次高效检测器 (LMHD).
• 引入多样视图组混合跨阶段部分网络 (DVOV-GSCSPM) 以实现高效的多级特征融合.
• 集成自校准卷积 (SCConv) 和高效局部注意 (ELA) 模块来降低复杂性.
• 利用了Powerful-IoUv2损失函数,以改善收和通用化.

主要成果:

• 在NEU-DET数据集上实现了87.0%的检测准确度.
• 演示了每秒70.4 (FPS) 的处理速度.
• 该LMHD模型提供了准确性和模型大小之间的平衡.

结论:

• 拟议的LMHD模型有效地解决了在超大风力轮发电机环上检测表面缺陷的挑战.
• 该模型的轻量级设计和高效率使其适合于现实世界的检查任务.
• 这一进步有助于改善风力轮机的维护策略和运行可靠性.