基于深度学习的无人机巡检风机叶片表面缺陷智能检测方法
郑彪

大唐青海能源开发有限公司，青海省西宁市，810001；

摘要：针对风机叶片传统人工巡检效率低、高空作业风险较大及细微损伤识别困难等问题，构建基于无人机航拍视频与深度学习的智能巡检方法。研究从巡检图像数据集构建与质量控制入手，形成包含图像质控、叶片定位、状态粗筛、典型损伤帧抽取及多尺度精细检测的技术流程，并采用YOLOv5、DINOv2 ViT-S/14、SCN及Faster R-CNN开展实验分析。结果表明，YOLOv5单帧损伤检测的mAP@0.5达到79.37%，召回率和精确率分别为79.05%和82.39%，F1为80.69%，较Faster R-CNN表现出更好的综合检测性能。

关键词：无人机巡检；深度学习；风机叶片；缺陷检测

参考文献

[1]陈金鑫,刘文阳,吴德明,等.基于动态无人机巡检的风机叶片缺陷智能检测系统研究[J].电力设备管理,2026,(3):163-165.

[2]郭猛,李亚泽,陈澎,等.基于无人机巡检的风机叶片表面缺陷检测技术[J].电子元器件与信息技术,2025,9(11):68-71.

[3]李哲,李雨欣,董秀芬,等.基于无人机的风机叶片智能巡检及缺陷检测[J].设备管理与维修,2024,(1):152-157.

[4]谭兴国,张高明.基于无人机巡检的风机叶片表面缺陷检测技术[J].电测与仪表,2025,62(3):183-189.

[5]贺斌,贾建华,赵峰,等.无人机在风机叶片检测中的应用[J].电工技术,2019,(13):64-65.