首页|期刊导航|物联网技术|面向无人机巡检的风电叶片缺陷检测方法

面向无人机巡检的风电叶片缺陷检测方法OA

中文摘要

针对风电叶片无人机巡检图像中缺陷目标弱边界、尺度变化大及复杂背景干扰强等问题,提出一种基于YOLO11s的风电叶片表面缺陷检测方法——HAF-YOLO.该方法在YOLO11s的基础上引入C3K2-DC、AIFI、C2PSA-SE和AFPN改进检测头,其中C3K2-DC用于增强不规则局部缺陷建模能力,AIFI用于加强深层语义关联,C2PSA-SE用于抑制背景干扰并突出缺陷相关响应,AFPN用于提升多尺度缺陷预测稳定性.在DTO数据集上的实验结果表明,HAF-YOLO 的 mAP@0.5 和 mAP@0.5:0.95 分别达到 0.764 和 0.413,整体检测性能优于基线模型YOLO11s;同时,模型在保持较高推理效率的前提下,对小尺度、低对比度缺陷表现出更稳定的定位能力.所提方法能够有效提升复杂背景下风电叶片缺陷检测性能,具有一定的无人机巡检应用潜力.

周晓波

贵州大学 大数据与信息工程学院,贵州 贵阳 550025

信息技术与安全科学

风电叶片表面缺陷检测无人机巡检目标检测YOLO11s多尺度特征融合

《物联网技术》 2026 (19)

4-8,5

国家自然科学基金资助项目(52578067)

10.16667/j.issn.2095-1302.2026.19.001

评论