一种基于视频图像分析的风电机组故障自动识别方法

    公开(公告)号:CN112211793A

    公开(公告)日:2021-01-12

    申请号:CN202010864733.5

    申请日:2020-08-25

    Abstract: 本发明涉及一种基于视频图像分析的风电机组故障自动识别方法,包括如下步骤:采集风电机组内部正常运行状态的全量现场图像数据,建立图像数据特征数据库;对故障截图进行标注;建立基于视频图像的风电机组故障诊断模型,增强模型的鲁棒性;训练模型,增加对小目标的识别能力;深度学习模型封装接口,搭建B‑S结构,利用浏览器中网页对系统进行操作,调用算法接口对视频或者图片进行目标检测,完成自动识别;本发明通过在风电机组重点部分安装固定点摄像设备,采集图像数据,为风电场厂区建立正常、异常风电机组设备特征数据库,然后利用故障诊断模型实现风电机组缺陷自动陈端预警示范系统,达到自动识别、判定风电机组各类缺陷的目的。

    一种基于深度学习的金属部件表面缺陷检测方法

    公开(公告)号:CN112184619A

    公开(公告)日:2021-01-05

    申请号:CN202010863641.5

    申请日:2020-08-25

    Abstract: 本发明涉及一种基于深度学习的金属部件表面缺陷检测方法,其包括如下步骤:获取视频文件,对其进行截帧处理,将截取的图像进行剪切和/或旋转变换,使金属部件处于图片中心位置;特征提取;区域建议网络RPN,利用RPN网络获得图像中的位置信息与分类信息;通过 RPN 获得候选区域后,利用Fast‑RCNN进行检测。本发明利用 Resnet 网络进行特征提取,采用 RPN 方法提取缺陷的候选目标矩形区域,在候选区域基础上进行缺陷检测。该检测系统能有效克服金属表面的反射以及环境因素的影响;同时利用基于 Faster‑RCNN 框架的方法进行缺陷检测,较好地解决了金属表面缺陷检测能力弱的问题。

Patent Agency Ranking