公开(公告)号：CN119850600B

公开(公告)日：2025-05-16

申请号：CN202510315357.7

申请日：2025-03-18

Applicant: 运达能源科技集团股份有限公司

Inventor： 王超群 ,  徐杰 ,  王欣 ,  刘伟江 ,  潘东浩

IPC: G06T7/00 ,  G01N21/88 ,  G06T5/50 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/082

Abstract: 本发明公开了一种风电机组叶片内腔故障检测方法、装置、设备及介质，应用于智能检测领域，包括：获取待检测叶片内腔图像对应的叶片特征，将叶片特征作为浅层特征；通过反向瓶颈模块提取叶片特征的深层特征；反向瓶颈模块包括异构卷积模块和动态卷积核，异构卷积模块为利用并行的大卷积核与多个小卷积核进行特征提取的模块；利用表层融合模块和高层融合模块，对浅层特征和深层特征进行融合，得到融合特征；对融合特征进行空间特征增强与深层特征进行语义特征融合，对得到的目标检测特征进行识别，确定目标故障类别。和当前人工检测相比，本发明基于表层融合模块和高层融合模块保留更加深度和全面的信息，从而提高故障检测的准确性和效率。

公开(公告)号：CN117934946A

公开(公告)日：2024-04-26

申请号：CN202410103657.4

申请日：2024-01-24

Applicant: 运达能源科技集团股份有限公司

Inventor： 王超群 ,  王欣 ,  刘伟江 ,  柴问奇 ,  潘东浩 ,  杨靖

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/52 ,  G06V10/771 ,  G06T7/00 ,  G06T3/4038 ,  G06T3/4046

Abstract: 本申请公开了一种风机叶片损伤检测方法、装置、设备及存储介质，涉及图像识别技术领域，包括：利用移动采集终端根据预先确定的拍摄规则获取目标风机叶片的拍摄图片，利用预先训练好的目标模型对应的ShuffleNet模块提取拍摄图片的初始特征；基于可变形卷积模块对初始特征进行筛选操作，以获取筛选后特征，基于特征金字塔网络模块以及筛选后特征生成并输出多尺度特征，并利用全连接分类层对多尺度特征进行变换，以得到相应的特征向量；基于特征向量对应的值判断目标风机叶片是否存在损伤，并输出相应的判断结果。由此，本申请能够快速、有效地完成风机叶片表面缺陷识别任务。

公开(公告)号：CN119850600A

公开(公告)日：2025-04-18

申请号：CN202510315357.7

申请日：2025-03-18

Applicant: 运达能源科技集团股份有限公司

Inventor： 王超群 ,  徐杰 ,  王欣 ,  刘伟江 ,  潘东浩

IPC: G06T7/00 ,  G01N21/88 ,  G06T5/50 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/082

Abstract: 本发明公开了一种风电机组叶片内腔故障检测方法、装置、设备及介质，应用于智能检测领域，包括：获取待检测叶片内腔图像对应的叶片特征，将叶片特征作为浅层特征；通过反向瓶颈模块提取叶片特征的深层特征；反向瓶颈模块包括异构卷积模块和动态卷积核，异构卷积模块为利用并行的大卷积核与多个小卷积核进行特征提取的模块；利用表层融合模块和高层融合模块，对浅层特征和深层特征进行融合，得到融合特征；对融合特征进行空间特征增强与深层特征进行语义特征融合，对得到的目标检测特征进行识别，确定目标故障类别。和当前人工检测相比，本发明基于表层融合模块和高层融合模块保留更加深度和全面的信息，从而提高故障检测的准确性和效率。