买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东北电力大学;国网吉林省电力有限公司通化供电公司

摘要：本发明涉及风电技术领域，即基于知识关系抽取的风机叶片缺陷检测方法，其步骤如下：a.基于多阶动态上下文的风机叶片缺陷特征提取方法。b.基于知识关系抽取的风机叶片缺陷检测方法。所述的基于多阶动态上下文的风机叶片缺陷特征提取方法，该方法基于深度学习的骨干网络模型，包括以下步骤：1基本特征提取。2特征复杂度提升。3高级特征抽象。4骨干网络分阶段设计。所述的基于知识关系抽取的风机叶片缺陷检测模块，包括以下模块：1全局信息聚合模块。2边角信息聚合模块。3全局中心化调节。4语义关系增强模块。具有提高风机叶片缺陷检测效率和准确性的特点。

主权项：1.基于知识关系抽取的风机叶片缺陷检测方法，其特征在于步骤如下：a.基于多阶动态上下文的风机叶片缺陷特征提取方法；b.基于知识关系抽取的风机叶片缺陷检测方法；所述的基于多阶动态上下文的风机叶片缺陷特征提取方法，该方法基于深度学习的骨干网络模型，包括以下步骤：1基本特征提取：在骨干网络的浅层，模型首先学习并提取风机叶片图像的基本特征；2特征复杂度提升：随着骨干网络的逐层加深，模型能够进一步提取和组合这些基本特征，形成更为复杂的特征，如纹理特征和形状特征；3高级特征抽象：在骨干网络的深层，模型将上述复杂特征进一步抽象和组合，形成能够识别特定缺陷对象的高级特征；4骨干网络分阶段设计：将骨干网络设计为四个阶段；每个阶段都专注于提取和处理特定层次的特征，确保各阶段之间的特征传递和融合能够高效、准确地进行；即1降采样与通道扩充；2动态多阶上下文特征提取模块；3模型轻量化；所述的基于知识关系抽取的风机叶片缺陷检测方法，包括以下模块：1全局信息聚合模块：CFP中的全局信息聚合模块能够捕捉图像中的长距离依赖关系，使得模型能够充分利用全局信息来增强对小目标的检测能力；2边角信息聚合：该模块能够关注图像中的边角区域，提取并融合这些区域的特征；3全局中心化调节模块：为了使得浅层的纹理结构特征能够学习到最深层的特征的视觉中心化信息，该模块通过调节特征的中心化程度，使得模型能够更好地关注重要的特征区域；4语义关系增强模块：该模块能够构建区域之间的空间分布拓扑关系，并捕获局部的语义信息和空间信息，实现对于知识关系的抽取。

全文数据：

权利要求：

百度查询： 东北电力大学 国网吉林省电力有限公司通化供电公司 基于知识关系抽取的风机叶片缺陷检测方法