基于改进神经网络算法的海上风力涡轮机材料破损实时检测
计算机视觉与模式识别
2023-07-27 v1 图像与视频处理
摘要
海上风力涡轮机的完整性对可持续能源发电至关重要，却常因表面材料缺陷而受损。尽管已有多种检测技术，其在成本效益、效率和适用性方面仍存在局限。针对这些不足，本研究引入了一种新方法，利用改进版的 YOLOv8 目标检测模型，并辅以卷积块注意力模块（CBAM）以提升特征识别能力。优化的损失函数进一步改进了学习过程。我们使用来自 Saemangeum 海上风场的 5,432 张图像数据集以及一个公开数据集，对所提方法进行了严格测试。研究结果表明缺陷检测稳定性得到显著提升，标志着在高效涡轮机维护方面迈出了重要一步。本研究的贡献为未来研究指明了方向，有可能彻底改变可持续能源实践。
引用
@article{arxiv.2307.13765,
title = {A real-time material breakage detection for offshore wind turbines based on improved neural network algorithm},
author = {Yantong Liu},
journal= {arXiv preprint arXiv:2307.13765},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2306.16019