一种风电机组叶片表面缺陷图像分类方法

本发明公开了一种风电机组叶片表面缺陷图像分类方法，首先通过灰度校正和滤波技术均衡图像亮度并去除噪声，随后采用图像分割与裁剪方法突出叶片区域，接着提取浅层纹理与深层抽象特征并融合形成多维度特征向量，针对缺陷细微部分权重较低的问题引入注意力机制强化关键区域响应，最后利用优化后的深度学习模型进行缺陷并行分类。本发明通过多层次特征提取与加权调整显著提升了缺陷特征的显著性，结合参数优化技术加速模型收敛，最终实现对风电机组叶片缺陷的高效精准识别，为风电设备维护提供了可靠技术支持。