[发明专利]风机叶片缺陷检测方法和装置、存储介质

权利要求书

1.一种风机叶片缺陷检测方法，其特征在于，包括：

构建叶片分割网络和叶片缺陷检测网络并进行网络训练，得到训练后的叶片分割网络模型和叶片缺陷检测网络模型；

将采集的风机叶片原始图片输入经训练的叶片分割网络模型中进行图片分割，获得包含叶片区域的分割图片；

将所述包含叶片区域的分割图片划分为多个子图片；

将所述多个子图片输入经训练的叶片缺陷检测网络模型中进行叶片缺陷检测，获得所述多个子图片中的缺陷信息；

根据所述多个子图片中的缺陷信息获得风机叶片上缺陷的类型、位置和尺寸。

2.根据权利要求1所述的风机叶片缺陷检测方法，其特征在于，构建叶片分割网络和叶片缺陷检测网络并进行网络训练，得到训练后的叶片分割网络模型和叶片缺陷检测网络模型，包括：

构建叶片分割网络；

预先采集风机叶片数据并进行人工标注，生成用于叶片分割网络的第一训练数据集；

利用所述第一训练数据集对所述叶片分割网络进行训练，得到训练后的叶片分割网络模型；

构建叶片缺陷检测网络；

预先采集风机叶片数据并进行人工缺陷数据标注，生成用于叶片缺陷检测网络的第二训练数据集；

利用所述第二训练数据集对所述叶片缺陷检测网络进行训练，得到训练后的叶片缺陷检测网络。

3.根据权利要求2所述的风机叶片缺陷检测方法，其特征在于，构建叶片分割网络，包括：

选取Mask-RCNN网络作为所述叶片分割网络，其中，所述Mask-RCNN网络使用ResNet-101作为特征提取模块，并采用在coco数据集上的预训练模型作为预训练模型。

4.根据权利要求2所述的风机叶片缺陷检测方法，其特征在于，构建叶片缺陷检测网络，包括：

选取YOLO v3网络作为所述叶片缺陷检测网络，其中，所述YOLO v3网络使用DarkNet53作为特征提取模块，并用步长为2的卷积操作替代池化层，同时添加残渣单元。

5.根据权利要求1所述的风机叶片缺陷检测方法，其特征在于，将所述包含叶片区域的分割图片划分为多个子图片，包括：

将所述包含叶片区域的分割图片划分为多个子图片，其中，每个子图片均包含叶片区域，且所述多个子图片之间存在重叠区域以使所述多个子图片拼接后的图片包含整个叶片区域。

6.根据权利要求1所述的风机叶片缺陷检测方法，其特征在于，在根据所述多个子图片中的缺陷信息获得风机叶片上缺陷的类型、位置和尺寸，还包括：

根据缺陷的类型、位置和尺寸查看叶片缺陷分级标准，以进行缺陷的类别和等级划分；

将叶片的分割图片和缺陷检测结果制作成预标注文件，以作为叶片分割网络或叶片缺陷检测网络的训练数据集。

7.一种风机叶片缺陷检测装置，其特征在于，用于执行权利要求1至6中任一项的所述风机叶片缺陷检测方法，所述装置包括叶片区域分割模块、图片尺寸切割模块、叶片缺陷检测模块和数据处理模块，其中，

所述叶片区域分割模块包括叶片分割网络模型，用于对采集的风机叶片原始图片进行图片分割，获得包含叶片区域的分割图片；

所述图片尺寸切割模块用于将所述包含叶片区域的分割图片划分为多个子图片；

所述叶片缺陷检测模块包括叶片缺陷检测网络模型，用于对所述多个子图片进行叶片缺陷检测，获得所述多个子图片中的缺陷信息；

所述数据处理模块用于根据所述多个子图片中的缺陷信息获得风机叶片上缺陷的类型、位置和尺寸。

8.根据权利要求7所述的风机叶片缺陷检测装置，其特征在于，选取Mask-RCNN网络形成叶片分割网络模型，其中，所述Mask-RCNN网络使用ResNet-101作为特征提取模块，并采用在coco数据集上的预训练模型作为预训练模型。