[发明专利]一种基于YoloV4-Lite网络的水轮机转轮叶片缺陷检测方法

权利要求书

1.一种基于YoloV4-Lite网络的水轮机转轮叶片缺陷检测方法，其特征在于，包括步骤：

S1：基于YoloV4-Lite网络构建缺陷检测网络；

所述步骤S1具体为：将YoloV4-Lite网络的主干特征提取网络CSPDarkNet53替换为MobileNetV3网络，将YoloV4-Lite网络的加强特征提取网络PaNet的1x1和3x3的标准卷积替换为深度可分离卷积，构建缺陷检测网络；所述缺陷检测网络在254层采用空间金字塔池化网络SPPNet，以进一步提取图片特征；在270层采用上采样层与181层结合，并卷积5次，作为第一个预测层；将69层与299层结合，作为第二个预测层；将268层与392层结合，作为第三个预测层；

S2：对水轮机转轮叶片的不同缺陷处进行图片采集，得到千张以上缺陷图片；

S3：对步骤S2采集的缺陷图片进行预处理，得到数据集；

S4：采用所述数据集对所述缺陷检测网络进行训练、测试和验证。

2.根据权利要求1所述的一种基于YoloV4-Lite网络的水轮机转轮叶片缺陷检测方法，其特征在于，所述步骤S3进行图像预处理包括步骤：

S31：对步骤S2采集的缺陷图片进行筛选，保留与输入尺寸要求接近的缺陷图片；

S32：对步骤S31筛选后的缺陷图片进行标签标注；

S33：将步骤S32标注后的缺陷图片修改为VOC数据格式，得到用于输入所述缺陷检测网络的数据集。

3.根据权利要求1或2所述的一种基于YoloV4-Lite网络的水轮机转轮叶片缺陷检测方法，其特征在于：所述步骤S4中，对所述缺陷检测网络进行训练的迭代次数为N+M次，其中前N代学习率为0.001，后M代学习率为0.0001。

4.根据权利要求3所述的一种基于YoloV4-Lite网络的水轮机转轮叶片缺陷检测方法，其特征在于：N＝M＝1000。

5.根据权利要求4所述的一种基于YoloV4-Lite网络的水轮机转轮叶片缺陷检测方法，其特征在于：步骤S2中采集时针对的缺陷为气蚀和裂纹。

6.根据权利要求5所述的一种基于YoloV4-Lite网络的水轮机转轮叶片缺陷检测方法，其特征在于，所述步骤S4具体包括步骤：

S41：将所述数据集分为训练集、测试集和验证集，所述训练集中包括相同数量的气蚀图像和裂纹图像；

S42：采用所述训练集对所述缺陷检测网络进行训练；

S43：采用所述测试集对训练后的所述缺陷检测网络进行测试，以及采用所述验证集对训练后的所述缺陷检测网络及用于对比的其他网络模型进行验证。

7.根据权利要求6所述的一种基于YoloV4-Lite网络的水轮机转轮叶片缺陷检测方法，其特征在于：所述缺陷检测网络的宽度乘子α＝1.0，分辨率乘子β＝1.0。