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！

龙图腾网获悉华北电力大学(保定)申请的专利多尺度特征提取系统、方法和风机桨叶缺陷检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115170816B 。

龙图腾网通过国家知识产权局官网在2026-01-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210847879.8，技术领域涉及：G06V10/40；该发明授权多尺度特征提取系统、方法和风机桨叶缺陷检测方法是由仝卫国;仪小龙;寇德龙;翟永杰设计研发完成，并于2022-07-19向国家知识产权局提交的专利申请。

本多尺度特征提取系统、方法和风机桨叶缺陷检测方法在说明书摘要公布了：本发明涉及一种多尺度特征提取系统，所述多尺度特征提取系统包括：多层特征提取模块、多层上特征融合模块和多层下特征融合模块；所述多层特征提取模块包括N个依次连接的第一卷积层；所述多层上特征融合模块包括N‑2个依次连接的上采样层；所述多层下特征融合模块包括N‑2个依次连接的降采样层；第N个第一卷积层通过第二卷积层与第1个上采样层连接，第N‑2个上采样层与第1个降采样层连接；每个所述上采样层的输出端及每个所述降采样层的输出端均设置有残差模块。本发明实现了对多尺度特征的提取与融合，克服现有的基于风机桨叶的图像尺度进行检测的方法，对于小尺度缺陷无法实现准确的检测和定位，进而难以全面地进行风机桨叶的缺陷识别的技术缺陷。

本发明授权多尺度特征提取系统、方法和风机桨叶缺陷检测方法在权利要求书中公布了：1.一种风机桨叶缺陷检测方法，其特征在于，所述检测方法基于FasterR-CNN风机桨叶缺陷检测模型；所述FasterR-CNN风机桨叶缺陷检测模型包括：区域建议网络、目标检测网络及多尺度特征提取系统，所述多尺度特征提取系统分别与所述区域建议网络和所述目标检测网络连接，所述区域建议网络与所述目标检测网络连接； 所述多尺度特征提取系统包括：多层特征提取模块、多层上特征融合模块和多层下特征融合模块； 所述多层特征提取模块包括N个依次连接的第一卷积层； 所述多层上特征融合模块包括N-2个依次连接的上采样层； 所述多层下特征融合模块包括N-2个依次连接的降采样层； 第N个第一卷积层通过第二卷积层与第1个上采样层连接，第N-2个上采样层与第1个降采样层连接； 每个所述上采样层的输出端及每个所述降采样层的输出端均设置有残差模块； 设置在第n个上采样层的输出端的残差模块还与第N-n个第一卷积层的输出端通过第二卷积层连接；n＝1，...，N-2； 设置在第m个降采样层的输出端的残差模块还与第N-1-m个上采样层的输入端通过第三卷积层连接；m＝1，...，N-2； 残差模块包括：依次连接的特征融合层、BN层、LeakyReLU激活函数层和CA注意力机制模块； 所述CA注意力机制模块包括：依次连接的坐标信息嵌入模块和坐标注意力生成模块；坐标信息嵌入模块包括：残差块、水平平均池化和垂直平均池化，坐标注意力生成模块包括：连接+二维输入卷积、归一化+非线性化、分裂、二维输入卷积、S函数和赋权重； 所述检测方法包括如下步骤： 将带有待检测的风机桨叶的图像输入多尺度特征提取系统进行特征提取，获得多个不同尺度的第三特征图； 将多个不同尺度的第三特征图输入区域建议网络进行感兴趣区域提取，得到不同尺度的第三特征图对应的感兴趣区域； 将不同尺度的第三特征图及不同尺度的第三特征图对应的感兴趣区域输入目标检测网络，确定风机桨叶的缺陷位置和类型； 用于训练FasterR-CNN风机桨叶缺陷检测模型的模型的初始样本集获取方式为： 利用无人机的导航系统，通过预设的飞行路径使无人机飞到指定的初始位置，利用Hough变换识别出风电叶轮完整图像中的直线即叶片的边缘，通过对边缘交点的位置取平均就可以得到轮毂中心的位置，检测出轮毂中心位置后，对无人机的位姿进行修正； 无人机定位到风力发电机轮毂位置并到达检测指定距离后，以轮毂中心采集第一幅图像，然后沿一叶片方向与叶片平面保持等距离飞行，进行后续图像采集，无人机在采集图像的同时记录相对上一次采集时的水平位移和垂直位移，完成叶片正面的图像采集后，转到叶片背面进行背部图像采集，结束之后再回到原点检测下一叶片，每个叶片正反面图像均单独分为一组，在全部采集工作结束之后将6组图像和位移数据一同传输到计算机。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华北电力大学(保定)，其通讯地址为：071003 河北省保定市莲池区永华北大街619号华北电力大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。