[发明专利]一种风力发电机叶片缺陷分类方法及其分类系统有效
| 申请号： | 201810296437.2 | 申请日： | 2018-04-04 |
| 公开（公告）号： | CN108510001B | 公开（公告）日： | 2022-06-10 |
| 发明（设计）人： | 仇梓峰;王爽心;刘如九;李蒙;马雨菲 | 申请（专利权）人： | 北京交通大学 |
| 主分类号： | G06V10/774 | 分类号： | G06V10/774;G06V10/764 |
| 代理公司： | 北京鸿元知识产权代理有限公司 11327 | 代理人： | 陈英俊;王楠楠 |
| 地址： | 100044*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种风力发电机叶片缺陷分类方法及其分类系统，分类方法包括以下步骤：利用在风力发电机叶片图像样本数据集上进行过训练的ResNet提取叶片的缺陷特征；利用ResNet提取的所述叶片的缺陷特征来获得频繁程度高的叶片缺陷类别信息；将提取的频繁程度高的叶片缺陷类别信息用于决策树的构建，重复迭代直至收敛后得到缺陷分类模型，并利用基于高频取样CatBoost方法对其缺陷特征进行分类；该方法能够对叶片缺陷进行准确的检测及分类，有利于风力发电的发展。 | ||
| 搜索关键词： | 一种 风力发电机 叶片 缺陷 分类 方法 及其 系统 | ||
【主权项】：
1.一种风力发电机叶片缺陷分类方法，其特征在于，包括以下步骤：S101，利用在风力发电机叶片图像样本数据集上进行过训练的ResNet提取叶片的缺陷特征；S102，利用ResNet提取的所述叶片的缺陷特征来获得频繁程度高的叶片缺陷类别信息；S103，将提取的频繁程度高的叶片缺陷类别信息用于决策树的构建，重复迭代直至收敛得到缺陷分类模型，并利用基于高频取样CatBoost方法对缺陷特征进行分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京交通大学，未经北京交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810296437.2/，转载请声明来源钻瓜专利网。
