基于航拍图像与VGG16-RCNN框架的风机叶片表面损伤检测
系统与控制
2022-08-19 v2 计算机视觉与模式识别
系统与控制
图像与视频处理
摘要
本文提出一种基于图像分析的深度学习框架用于风机叶片表面损伤检测。承载约三分之一涡轮重量的涡轮叶片易受损，并可导致并网风能转换系统突发故障。风机叶片表面损伤检测需要大规模数据集以在早期阶段检测某类损伤。涡轮叶片图像通过航拍图像获取。经检查，发现图像数据集有限，因此应用图像增强以改善叶片图像数据集。该方法被建模为多类监督学习问题，并测试了卷积神经网络（CNN）、VGG16-RCNN与AlexNet等深度学习方法以确定涡轮叶片表面损伤的潜在检测能力。
引用
@article{arxiv.2108.08636,
title = {Wind Turbine Blade Surface Damage Detection based on Aerial Imagery and VGG16-RCNN Framework},
author = {Juhi Patel and Lagan Sharma and Harsh S. Dhiman},
journal= {arXiv preprint arXiv:2108.08636},
year = {2022}
}
备注
Introduction/Methodology section needs further review