本發(fā)明屬于風(fēng)力發(fā)電裝置無(wú)損檢測(cè)技術(shù)領(lǐng)域,特別涉及基于無(wú)人機(jī)圖像分析的風(fēng)力發(fā)電裝置葉片缺陷檢測(cè)方法,包括:制作訓(xùn)練樣本集;以自適應(yīng)閾值分割算法對(duì)訓(xùn)練樣本集進(jìn)行預(yù)處理,得到二值化樣本集;對(duì)二值化樣本集提取LBP特征,建立LBP特征集;利用LBP特征集訓(xùn)練SVM分類器的同時(shí),利用麻雀搜索算法進(jìn)行SVM懲罰因子和核函數(shù)參數(shù)的優(yōu)化得到LBP?SVM模型文件;加載LBP?SVM模型文件,對(duì)待檢測(cè)的無(wú)人機(jī)圖像進(jìn)行金字塔多尺度滑框檢測(cè),最終得到缺陷的類型以及位置。本發(fā)明能夠從無(wú)人機(jī)圖像分析中快速且精確的檢測(cè)風(fēng)力發(fā)電裝置葉片缺陷,從而提高風(fēng)力發(fā)電裝置葉片缺陷的檢測(cè)效率和檢測(cè)精度。
聲明:
“基于無(wú)人機(jī)圖像分析的風(fēng)力發(fā)電裝置葉片缺陷檢測(cè)方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請(qǐng)聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)