基于改進(jìn)YOLOv4 的風(fēng)力機(jī)葉片損傷檢測(cè)方法

打開(kāi)文本圖片集

摘 要：針對(duì)深度卷積神經(jīng)網(wǎng)絡(luò)模型因復(fù)雜度高導(dǎo)致嵌入式設(shè)備難以實(shí)現(xiàn)在線(xiàn)檢測(cè)的問(wèn)題，提出改進(jìn)的YOLOv4的風(fēng)力機(jī)葉片損傷檢測(cè)方法。首先使用MobileNetv3 網(wǎng)絡(luò)代替YOLOv4 中的CSPdarknet53 主干特征提取網(wǎng)絡(luò)進(jìn)行特征提取，并將相同shape的特征層進(jìn)行加強(qiáng)特征提??；其次在加強(qiáng)特征提取網(wǎng)絡(luò)上添加注意力機(jī)制ECA，并對(duì)YOLOv4的邊界框損失函數(shù)與分類(lèi)損失函數(shù)進(jìn)行優(yōu)化；最后，將改進(jìn)前后的算法與其他檢測(cè)算法進(jìn)行比較。（剩余10317字）