本发明属于计算机视觉，涉及图片缺陷检测以及图像增强，具体为一种针对风力涡轮机小目标缺陷检测的图像增强方法。
背景技术：
1、图像目标检测，一般是指找出图片上目标的位置框以及识别出该目标的类别，应用场景广泛。目前为了提高图像上目标检测的性能，出现了诸多方法：其中有侧重精度的两阶段检测法，首先定位目标框，然后再对目标进行分类；侧重速度的一阶段检测法，对目标同时进行定位和分类；还有侧重精度与速度的无锚点方法等。
2、在该领域中，小目标的检测一直尤为困难。因为小目标对应的数量低、区域小、易忽略且难区分。因此，针对小目标检测也出现了很多针对性方法。比如提高图像的分辨率、使用高维特征，变换锚框尺寸以及引入图片上下文等等。但是这些工作都在原本的基础上引入了更多的计算量，既加大了模型的尺寸，也降低了检测的速度，对小目标检测任务的性能提升都比较有限。因此，还有一些方法利用图像增强技术，通过扩充训练集来提高小目标检测的性能，同时避免了应用时空间和时间的损失。
3、现有技术虽然有提出一种复制粘贴来增强小目标检测的方案，如《simple copy-paste is a strong data augmentation method for instance segmentation》，但首先其复制粘贴是随机粘贴的，这些方案都是基于coco数据集的，coco图片的一个特点就是比较日常，随机粘贴目标也不一定造成负面影响。在风力涡轮机缺陷检测这个具体任务上，由于现有的方法大多数都是针对coco数据集进行实施和分析的，只包括一些常见类别的目标检测，不具备完全的泛化能力。而风力涡轮机上的缺陷的类别和形态也和常见目标有所区别，因此需要针对性的分析与设计，现有的技术并不能解决风力涡轮机上的缺陷检测。
4、其次，由于风力涡轮机的体积高大，其缺陷更容易呈现小目标特性，所以提高风力涡轮机上的小目标缺陷检测的性能也很有必要。并且风力涡轮机上的小目标缺陷形态独特，分布于涡轮机表面，需要进行特定的小目标增强策略的设计。因此，现有的增强技术并不能解决风力涡轮机上的小目标缺陷检测。
技术实现思路
1、本发明要解决的问题是：需要对风力涡轮机的缺陷进行检测，并且由于风力涡轮机的高大特性，其缺陷更容易被视为“小目标”，而“小目标”由于区域面积小，易忽视，因此检测精度较低，因此要着重提高小目标缺陷检测的性能，从而达成对整体目标检测性能的提高。另外，现有的小目标增强方案，受限于原始数据集，并不能适用于风力涡轮机场景下的检测。
2、本发明的技术方案为：一种针对风力涡轮机小目标缺陷检测的图像增强方法，对风力涡轮机小目标缺陷检测模型的训练图像进行增强，增强后的图片再与原图片混合到一起输入目标检测模型进行训练，得到针对风力涡轮机小目标的缺陷检测模型，所述增强方法为：筛选风力涡轮机缺陷训练数据集中包含小目标缺陷的图片，将图片中的小目标缺陷区域框进行图像复制，再粘贴到图片中小目标区域周围，得到增强的包含小目标缺陷的图片，用于训练缺陷检测模型。
3、进一步的，复制的小目标缺陷与原小目标缺陷的位移距离x为：
4、
5、n为系数，取值4～6，s小目标表示小目标缺陷的面积判断阈值，即图片区域面积中小于s小目标的，即为小目标缺陷。
6、本发明的有益效果是：提供了一种对风力涡轮机缺陷进行检测的方案，并且由于风力涡轮机缺陷易呈现出“小目标”的特性，本发明针对小目标缺陷设计了特定的图像增强策略，从而提高风力涡轮机小目标缺陷检测的性能，并最终达成对风力涡轮机整体缺陷检测性能的提高，具有良好的广泛性与实用性。
7、目前应用在小目标检测任务上的增强方法有很多，为了精准的对小目标进行增强，它们大都根据小目标的掩膜进行增强，比如背景技术中的《simple copy-paste is astrong data augmentation method for instance segmentation》，通过复制掩膜粘贴到随机区域。但这类方法的基础是，数据集必须拥有目标掩膜的标注。然而风力涡轮机数据集数量较少，标注也没那么丰富，因此不具备掩膜基础。而本发明的方法选取目标的区域框进行复制粘贴，采用的是图像本身，非常适合这类没有掩膜标注的检测场景，并且也带来了有效的增强。同时，因为不需要分割，本发明的方法大大节省了计算成本。
8、此外，本发明创造性的提出了在目标周围进行粘贴的策略。一方面，目前的小目标增强技术多是随机的进行粘贴，然而在特定场景下进行随机粘贴是会引入噪声的，从上下文的角度来说很容易将目标粘贴到错误的区域，所以本发明对粘贴区域进行了指定。另一方面，区别于一般的分割出特定区域再进行粘贴的方法，本发明直接选取小目标周围的区域进行粘贴也取得了有效的改进，无需分割出风力涡轮机区域再去粘贴，甚至从实验结果可以看出，相对于聚类分割前景区域，即将复制目标限定于涡轮机区域的方案，本发明在小目标周围的区域直接进行粘贴甚至更有优势。由此，本发明的方法进一步降低了计算负担。
9、综上所述，本发明不仅能有效增强对小目标缺陷的训练集，同时还具有较低的计算量，对于风力涡轮机小目标缺陷检测而言，能够提升检测精度和效率。
1.一种针对风力涡轮机小目标缺陷检测的图像增强方法，其特征是对风力涡轮机小目标缺陷检测模型的训练图像进行增强，增强后的图片再与原图片混合到一起输入目标检测模型进行训练，得到针对风力涡轮机小目标的缺陷检测模型，所述增强方法为：筛选风力涡轮机缺陷训练数据集中包含小目标缺陷的图片，将图片中的小目标缺陷区域框进行图像复制，再粘贴到图片中小目标区域周围，得到增强的包含小目标缺陷的图片，用于训练缺陷检测模型。
2.根据权利要求1所述的一种针对风力涡轮机小目标缺陷检测的图像增强方法，其特征是复制的小目标缺陷与原小目标缺陷的位移距离x为：
3.根据权利要求1或2所述的一种针对风力涡轮机小目标缺陷检测的图像增强方法，其特征是所述增强方法包括以下步骤：
4.根据权利要求1所述的一种针对风力涡轮机小目标缺陷检测的图像增强方法，其特征是缺陷检测模型采用yolov7模型。
