基于机器视觉的风机叶片缺陷检测

来源 :电工技术 | 被引量 : 0次 | 上传用户:shancjb
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对风机叶片缺陷难以检测的问题,提出一种基于机器视觉的风机叶片缺陷检测方法.首先,使用非局部均值方法去除图像中的背景噪声,同时平滑缺陷边缘;其次,使用自适应对比度增强方法进行图像增强,提升图像的整体质量;然后使用双阈值OTSU大津法分割增强后的图像,提取得到缺陷区域;最后,使用Canny算子和形态学变换对缺陷区域进行边缘检测,得到缺陷区域定位.试验结果表明,该算法具有一定的有效性和准确性.
其他文献
近年来,随着神经网络和深度学习在工业工程中广泛应用,计算机视觉算法在边缘端计算方面得到了极大提高.在计算机视觉领域,传统的目标检测方法通常基于低层特征训练一个特定类别的学习(如SVM),通过滑动局部窗口来检测单个类别的图像,因此可能不适用于灵敏度高、目标类型多、环境复杂的电网故障图像.对此提出在YOLOv3算法中加入FPN(特征金字塔)和Anchor的K-means聚类,使整个改进的YOLOv3算法在电气多类故障检测上比传统方法更高效、更准确.从技术角度讲,使用darknet框架并行训练YOLOv3模型,