-
题名改进YOLOv8算法在风机叶片缺陷检测上的应用
- 1
-
-
作者
曾勇杰
范必双
杨涯文
蒋冲
-
机构
长沙理工大学电气与信息工程学院
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2024年第8期26-35,共10页
-
基金
国家自然科学基金(52277077)项目资助。
-
文摘
风力发电机叶片,作为风力发电系统的核心组件,其健康状况直接关乎整个发电效率与运行安全。针对叶片缺陷检测的挑战,深入研究了YOLOv8n网络,并创新性地提出了高效多尺度卷积模块(EMSConv),该模块有效替代了传统残差块中的卷积层,通过分组卷积技术显著降低了冗余特征对检测结果的干扰,从而提升了检测的精确性。此外,在检测头部分,融入了Dynamic Head的多元化注意力机制,这些自注意力机制协同工作,跨越不同特征层,实现了对目标尺度、空间位置及检测任务的精准感知,极大地增强了目标检测模块的综合能力。还创新性地整合了Inner-IoU、Wise-IoU与MPDIoU,创造性地提出了Inner-Wise-MPDIoU,以替代传统的CIoU损失函数,这一举措不仅提高了网络的检测精度,还加速了收敛过程。在针对自制风机叶片缺陷数据集的测试中,YOLOv8-EDI展现出了卓越的性能,其mAP50值高达81.0%,相比原始YOLOv8n提升了2.3%;召回率也达到了76.8%,提升了3.7%。该模型在提升检测效果的同时,还实现了计算量的降低,降幅达5.5%,充分满足了工业环境下对风机叶片进行高效、准确、大批量检测的需求。
-
关键词
风机叶片
缺陷检测
YOLOv8n
高效多尺度卷积
Dyhead
损失函数
-
Keywords
wind turbine blades
defect detection
YOLOv8n
efficient multi-scale convolution
Dyhead
loss function
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TN98
[自动化与计算机技术—控制科学与工程]
-
-
题名融合改进Canny与RCF的齿轮零件边缘检测算法
- 2
-
-
作者
李思雨
范必双
杨涯文
朱之健
-
机构
长沙理工大学电气与信息工程学院
-
出处
《现代计算机》
2024年第18期34-39,共6页
-
文摘
随着智能制造的发展,齿轮作为工业常用零件,其边缘检测对于确保零件质量具有关键意义。传统的Canny边缘检测算法对弱边缘信息丢失较为严重,不能满足高精度的测量要求。为了提高测量精度,提出了一种基于改进Canny与RCF融合的方法。算法先通过RCF网络对齿轮边缘进行检测,然后将Canny算法得出的结果与改进RCF网络检出的关键边缘进行融合得到最终边缘。实验结果表明,改进的算法对于齿轮的边缘检测的精度和抗噪性有更好的效果。
-
关键词
齿轮零件
边缘检测
改进RCF算法
改进Canny算法
融合算法
-
Keywords
gear parts
edge detection
RCF algorithm
improved Canny algorithm
fusion algorithm
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TH132.41
[自动化与计算机技术—计算机科学与技术]
-
