PSSN-YOLO：风机表面缺陷检测模型
来源：电子测量技术杂志2025年第16期北京时间：
作者：鄯思睿，姚小敏，陈曼龙，柴玉娇，李伟
单位：陕西理工大学机械工程学院 汉中 723000
摘要：风力发电机作为清洁能源系统的核心设备，其表面容易产生各种类型的缺陷，会严重影响设备的运行效率与安全性，因此及时发现并处理其表面缺陷至关重要。针对现有算法存在的漏检、误检以及小目标检测精度不足等问题，本文提出了一种改进YOLOv8的风机表面缺陷检测算法：PSSN-YOLO。该算法首先新增一个小目标检测层，可以为模型提供更多的尺度信息；使用Slim-neck范式作为特征融合网络，提高检测精度的同时减小模型的参数量；在每个检测头前嵌入SE注意力机制，使模型更加关注有用的特征通道，增强在复杂环境中对缺陷的检测能力；最后采用归一化NWD距离改进损失函数，使模型能更好衡量检测任务中边界框之间的相似性。实验结果表明，改进后的算法相比原算法在精确率P、召回率R和mAP50上分别提高1.1%、4.4%和2.6%，在提升检测精度的同时还降低了8.97%的参数量，能够更好地满足风力发电机表面缺陷检测的实际需求。
关键词：风力发电机;缺陷检测;深度学习;YOLOv8
基金资助：陕西理工大学人才启动项目（SLGRCQD2102）资助
