買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉西安交通大學申請的專利一種基于改進YOLOv4的風機葉片缺陷檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116310272B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211719904.0，技術領域涉及：G06V10/20；該發明授權一種基于改進YOLOv4的風機葉片缺陷檢測方法是由陳玉;陳文祥;毛明鋒;祝國強;張敏;奚學磊;熊緯綺;王雙設計研發完成，并于2022-12-30向國家知識產權局提交的專利申請。

本一種基于改進YOLOv4的風機葉片缺陷檢測方法在說明書摘要公布了：本發明公開了一種基于改進CascadeR?CNN風機葉片缺陷檢測方法：步驟1：拍攝風機發電機的葉片部分，作為原始的數據集；步驟2：對原始的數據集進行以下數據增強得到數據集；步驟3：設計YOLOv4目標檢測網絡模型的主干網絡Tiny?GhostNet，并采用Tiny?GhostNet代替CascadeR?CNN網絡中的CSPDarknet53主干網絡，得到YOLOv4目標檢測網絡模型；步驟4：對步驟3構建的YOLOv4目標檢測網絡模型設計通道注意力模塊，并確定剪枝閾值；步驟5：替換YOLOv4網絡中的原始錨框；步驟6：對YOLOv4網絡模型進行訓練，前半部分采用凍結訓練，即先不訓練主干網絡Tiny?GhostNet，僅對YOLOv4網絡模型其他部分進行訓練；后半部分采用解凍訓練，即對整個YOLOv4網絡模型進行訓練；步驟7：對收集到的風機葉片圖片進行檢測，獲得缺陷檢測結果。

本發明授權一種基于改進YOLOv4的風機葉片缺陷檢測方法在權利要求書中公布了：1.一種基于改進CascadeR-CNN風機葉片缺陷檢測方法，其特征在于，包括以下步驟： 步驟1：利用無人機對處于靜止狀態的風力發電機進行水平環繞拍攝，主要拍攝風機發電機的葉片部分，作為原始的數據集； 步驟2：對原始的數據集進行以下數據增強得到數據集；其中，所述數據增強包括圖像翻轉、圖像旋轉、圖像對比度增強、圖像亮度增強、添加高斯噪聲、添加椒鹽噪聲和拉普拉斯銳化； 步驟3：設計YOLOv4目標檢測網絡模型的主干網絡Tiny-GhostNet，并采用Tiny-GhostNet代替CascadeR-CNN網絡中的CSPDarknet53主干網絡，得到YOLOv4目標檢測網絡模型；其中，設計主干網絡Tiny-GhostNet的步驟如下： 步驟3.1：Tiny-Ghostmodule設計 Tiny-Ghostmodule包括Ghostmodule1、Ghostmodule1和Ghostmodule3，其中，Ghostmodule1用于實現如下功能：將通道數為C的特征圖卷積為通道數為四分之三C的特征圖，然后在四分之三C的特征圖上通過線性運算生成一個通道數為四分之一C的特征圖，最后將四分之三C的特征圖和四分之一C的特征圖疊加到一起，輸出通道數為C的特征圖； Ghostmodule2用于實現如下功能：將通道數為C的特征圖卷積為通道數二分之一C的特征圖，然后通過線性運算生成一個通道數為二分之一C的特征圖，最后將兩部分特征圖疊加到一起，輸出通道數為C的特征圖； Ghostmodule3用于實現如下功能：將通道數為C的特征圖卷積為通道數四分之一C的特征圖，然后通過線性運算生成三個通道數為四分之一C的特征圖，最后將兩部分特征圖疊加到一起，輸出通道數為C的特征圖； 步驟3.2：Tiny-GhostBottleneck設計 Tiny-GhostBottleneck包括GhostBottleneck1、GhostBottleneck2、GhostBottleneck3這三種GhostBottleneck，每種GhostBottleneck均通過殘差結構構成；在每種GhostBottleneck中都僅使用一種對應的Ghostmodule，且每種GhostBottleneck都包括2個不同的結構：步長為1的GhostBottleneck和步長為2的GhostBottleneck，其中，步長為1的GhostBottleneck包括兩個相同的Ghostmodule；步長為2的GhostBottleneck包括兩個相同的Ghostmodule，且在兩個Ghostmodule之間加入了深度卷積DWConv層； 步驟3.3：Tiny-GhostNet設計 使用Ghostbottleneck1、GhostBottleneck2、GhostBottleneck3替換CSPDarknet53中的bottleneck，得到Tiny-GhostNet網絡，具體是：在CSPDarknet53的淺層網絡中使用GhostBottleneck1進行替換，在CSPDarknet53的中間層網絡中使用GhostBottleneck2進行替換，在CSPDarknet53的深層網絡中使用GhostBottleneck3進行替換； 步驟4：對步驟3構建的YOLOv4目標檢測網絡模型設計通道注意力模塊，并確定剪枝閾值； 步驟5：替換YOLOv4網絡中的原始錨框； 步驟6：對YOLOv4網絡模型進行訓練，前半部分采用凍結訓練，即先不訓練主干網絡Tiny-GhostNet，僅對YOLOv4網絡模型其他部分進行訓練；后半部分采用解凍訓練，即對整個YOLOv4網絡模型進行訓練； 在解凍訓練的每次訓練之后，在Tiny-GhostNet主干網絡的卷積層后面加入通道注意力模塊，進行剪枝，即刪除通道權重中低于剪枝閾值所對應的通道；模型剪枝完成之后，刪除設置在Tiny-GhostNet主干網絡的卷積層之后的通道注意力模塊，重新用步驟2得到的數據集進行下一次解凍訓練，最終得到訓練好的YOLOv4網絡模型； 步驟7：使用步驟6得到的訓練好的YOLOv4網絡目標檢測模型，對收集到的風機葉片圖片進行檢測，獲得缺陷檢測結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西安交通大學，其通訊地址為：710049 陜西省西安市咸寧西路28號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。