​新型人工智能工具对风力机叶片缺陷的识别和分类准确率达到85%

   通信小金        

对风力发电的需求不断增长,同时也需要检查涡轮机叶片并识别可能影响运行效率的缺陷。


​新型人工智能工具对风力机叶片缺陷的识别和分类准确率达到85%


从视觉热成像到超声波,各种各样的叶片检查技术已被试验,但都显示出缺点。


大多数检查过程仍然需要工程师进行人工检查,这涉及到获取大量高分辨率图像。这样的检查不仅费时,受光照条件的影响,而且是危险的。


拉夫堡大学的计算机科学家们开发了一种新的工具,利用人工智能(AI)来分析风力涡轮机叶片的图像,以定位和突出缺陷区域。


更好的是,该系统得到了软件解决方案提供商Railston & Co Ltd的支持和输入,已经接受了“培训”,以分类缺陷的类型,如裂纹、侵蚀、空洞和“其他”,这有可能导致更快和更适当的响应。


该工具目前可以分析从人工或无人机检查中获取的图像和视频。


未来的研究将进一步探索在无人机上使用人工智能工具,以消除人工检查的需要。


研究负责人乔治娜·科斯马博士和博士生张佳军训练了人工智能系统,利用该项目的工业合作伙伴Railston & Co Ltd获取的923张图像数据集来检测不同类型的缺陷。


使用图像增强和增强方法,以及AI算法(即Mask R-CNN深度学习算法),系统分析图像,然后突出缺陷区域,并按类型进行标记。


在开发完这个系统后,研究人员输入223张新图像进行测试。该工具对风力机叶片缺陷识别和分类的测试精度达到85%左右。


该研究结果发表在《成像杂志》上,题为“图像增强掩膜R-CNN:一种深度学习管道与新的评估措施用于风力涡轮机叶片缺陷检测和分类”。


本文还提出了一套新的评估缺陷检测系统的措施,这是迫切需要的基于人工智能的缺陷检测和现有的系统仍处于起步阶段。


对于这项研究,项目负责人科斯马博士说:“人工智能是一种检测和分析缺陷的强大工具,无论缺陷是在风力涡轮机叶片还是其他表面。


“使用人工智能,我们可以自动化识别和评估损害的过程,更好地利用专家的时间和努力。


“当然,要建立人工智能模型,我们需要工程师们贴上标签的图像,而Railston有限公司提供了这样的图像和专业知识,使这个项目成为可能。”


张佳军补充道:“缺陷检测对人工智能来说是一项具有挑战性的任务,因为相同类型的缺陷可以在大小和形状上有所不同,而且每张图像都是在不同的条件下捕获的(如光照、遮挡、图像温度等)。


“图像经过预处理,以增强基于人工智能的检测过程。目前,我们正通过探索改进图像预处理和扩展人工智能算法,进一步提高准确性。”


Railston & Co Ltd的杰森•沃特金斯(Jason Watkins)表示,“拉夫堡大学(Loughborough University)团队的研究结果让公司深受鼓舞”。


他说:“人工智能有潜力改变工业检查和维护的世界。除了对损伤类型进行分类,我们还计划开发新的算法,以更好地检测损伤的严重程度,以及损伤的大小和在空间中的位置。


“我们希望这将转化为更好的客户成本预测。”


拉夫堡的专家们除了进一步探索如何将该技术应用于无人机检查之外,还计划在研究的基础上培训该系统,以检测缺陷的严重程度。他们也希望评估该工具在其他表面的性能。

最新评论(0)条评论
不吐不快,我来说两句

还没有人评论哦,抢沙发吧~

相关新闻推荐