基于HSCA-YOLOv7的风电机组叶片表面缺陷检测算法

叶片是风电机组的关键部件之一,易受到自然环境因素的影响,出现胶衣脱落、裂纹、腐蚀等损伤,影响风力发电效率及风电机组运行安全。针对航拍风电机组叶片图像缺陷尺度不一、定位不准确、检测精度低等问题,提出了一种HSCA-YOLOv7的风电机组叶片缺陷检测算法。首先根据无人机采集的风电机组叶片图像,制作叶片数据集,采用Mosaic、MixUp方法进行数据扩增;然后将不同膨胀率的深度可分离卷积引入改进空间金字塔池化（improved spatial pyramid pooling,ISPP）模块,减少池化操作带来的细节损失;提出混合空间通道注意力（hybrid spatial channel attention,HSCA）机制,捕获全局视觉场景上下文,增大目标特征与环境语义差异,解决航拍叶片图像缺陷尺度不一的问题;采用Focal EIoU损失函数,解决预测框长宽被错误放大的问题,提高模型对叶片缺陷的定位能力。实验结果表明,所提算法的均值平均精度、均值平均召回率分别达到83.64%、71.96%,与YOLOv7基线算法相比分别提高3.37%、5%。