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！

龙图腾网获悉西安交通大学申请的专利一种基于改进YOLOv4的风机叶片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：CN116310272B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202211719904.0，技术领域涉及：G06V10/20；该发明授权一种基于改进YOLOv4的风机叶片缺陷检测方法是由陈玉;陈文祥;毛明锋;祝国强;张敏;奚学磊;熊纬绮;王双设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本一种基于改进YOLOv4的风机叶片缺陷检测方法在说明书摘要公布了：本发明公开了一种基于改进CascadeR‑CNN风机叶片缺陷检测方法：步骤1：拍摄风机发电机的叶片部分，作为原始的数据集；步骤2：对原始的数据集进行以下数据增强得到数据集；步骤3：设计YOLOv4目标检测网络模型的主干网络Tiny‑GhostNet，并采用Tiny‑GhostNet代替CascadeR‑CNN网络中的CSPDarknet53主干网络，得到YOLOv4目标检测网络模型；步骤4：对步骤3构建的YOLOv4目标检测网络模型设计通道注意力模块，并确定剪枝阈值；步骤5：替换YOLOv4网络中的原始锚框；步骤6：对YOLOv4网络模型进行训练，前半部分采用冻结训练，即先不训练主干网络Tiny‑GhostNet，仅对YOLOv4网络模型其他部分进行训练；后半部分采用解冻训练，即对整个YOLOv4网络模型进行训练；步骤7：对收集到的风机叶片图片进行检测，获得缺陷检测结果。

本发明授权一种基于改进YOLOv4的风机叶片缺陷检测方法在权利要求书中公布了：1.一种基于改进CascadeR-CNN风机叶片缺陷检测方法，其特征在于，包括以下步骤： 步骤1：利用无人机对处于静止状态的风力发电机进行水平环绕拍摄，主要拍摄风机发电机的叶片部分，作为原始的数据集； 步骤2：对原始的数据集进行以下数据增强得到数据集；其中，所述数据增强包括图像翻转、图像旋转、图像对比度增强、图像亮度增强、添加高斯噪声、添加椒盐噪声和拉普拉斯锐化； 步骤3：设计YOLOv4目标检测网络模型的主干网络Tiny-GhostNet，并采用Tiny-GhostNet代替CascadeR-CNN网络中的CSPDarknet53主干网络，得到YOLOv4目标检测网络模型；其中，设计主干网络Tiny-GhostNet的步骤如下： 步骤3.1：Tiny-Ghostmodule设计 Tiny-Ghostmodule包括Ghostmodule1、Ghostmodule1和Ghostmodule3，其中，Ghostmodule1用于实现如下功能：将通道数为C的特征图卷积为通道数为四分之三C的特征图，然后在四分之三C的特征图上通过线性运算生成一个通道数为四分之一C的特征图，最后将四分之三C的特征图和四分之一C的特征图叠加到一起，输出通道数为C的特征图； Ghostmodule2用于实现如下功能：将通道数为C的特征图卷积为通道数二分之一C的特征图，然后通过线性运算生成一个通道数为二分之一C的特征图，最后将两部分特征图叠加到一起，输出通道数为C的特征图； Ghostmodule3用于实现如下功能：将通道数为C的特征图卷积为通道数四分之一C的特征图，然后通过线性运算生成三个通道数为四分之一C的特征图，最后将两部分特征图叠加到一起，输出通道数为C的特征图； 步骤3.2：Tiny-GhostBottleneck设计 Tiny-GhostBottleneck包括GhostBottleneck1、GhostBottleneck2、GhostBottleneck3这三种GhostBottleneck，每种GhostBottleneck均通过残差结构构成；在每种GhostBottleneck中都仅使用一种对应的Ghostmodule，且每种GhostBottleneck都包括2个不同的结构：步长为1的GhostBottleneck和步长为2的GhostBottleneck，其中，步长为1的GhostBottleneck包括两个相同的Ghostmodule；步长为2的GhostBottleneck包括两个相同的Ghostmodule，且在两个Ghostmodule之间加入了深度卷积DWConv层； 步骤3.3：Tiny-GhostNet设计 使用Ghostbottleneck1、GhostBottleneck2、GhostBottleneck3替换CSPDarknet53中的bottleneck，得到Tiny-GhostNet网络，具体是：在CSPDarknet53的浅层网络中使用GhostBottleneck1进行替换，在CSPDarknet53的中间层网络中使用GhostBottleneck2进行替换，在CSPDarknet53的深层网络中使用GhostBottleneck3进行替换； 步骤4：对步骤3构建的YOLOv4目标检测网络模型设计通道注意力模块，并确定剪枝阈值； 步骤5：替换YOLOv4网络中的原始锚框； 步骤6：对YOLOv4网络模型进行训练，前半部分采用冻结训练，即先不训练主干网络Tiny-GhostNet，仅对YOLOv4网络模型其他部分进行训练；后半部分采用解冻训练，即对整个YOLOv4网络模型进行训练； 在解冻训练的每次训练之后，在Tiny-GhostNet主干网络的卷积层后面加入通道注意力模块，进行剪枝，即删除通道权重中低于剪枝阈值所对应的通道；模型剪枝完成之后，删除设置在Tiny-GhostNet主干网络的卷积层之后的通道注意力模块，重新用步骤2得到的数据集进行下一次解冻训练，最终得到训练好的YOLOv4网络模型； 步骤7：使用步骤6得到的训练好的YOLOv4网络目标检测模型，对收集到的风机叶片图片进行检测，获得缺陷检测结果。

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西安交通大学，其通讯地址为：710049 陕西省西安市咸宁西路28号；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”。