基于改进YOLOv7算法的风机塔筒系统故障识别系统

塔筒系统(含塔筒、螺栓)是风电机组正常运行的重要基础部件,因此,对其可能存在的裂痕等安全隐患进行准确识别至关重要。然而,由于裂痕的表征不明显、辨识度低、对比度差等问题,在实际操作中带来了一定的困难。为了解决这个问题,本文提出了一种基于YOLO系列算法改进的YOLOv7-SEAttention算法模型。然后,将这种改进后的模型与Faster R-CNN,RFCN,SSD,YOLOv5,YOLOv7等多种算法模型进行了对比,并对改进算法模型的查全率(Recall)、查准率(Precision)、平均精度(Average Precision)进行了综合评价。改进后的YOLOv7-SEAttention模型在塔筒系统的表面裂痕检测上表现出了显著的优势。相比于原始的YOLOv7以及其他算法模型,它在塔筒裂痕检测方面平均精度(AP)提高了2.6%,达到了83.7%;在螺栓裂痕检测方面平均精度提高了4%,达到了84.3%。结果表明,本文改进的模型能更精准检测塔筒系统表面裂痕。