基于SAFPN-YOLO的风机表面缺陷检测方法

来源：电子测量技术杂志2025年第15期北京时间：

作者：金鑫，井瑞，蒋宜辰

单位：江苏师范大学电气工程及自动化学院 徐州 221116

摘要：针对传统检测方法对风力发电机表面缺陷检测能力不足的问题，本文提出一种基于SAFPNYOLO的风机表面缺陷检测算法。首先，针对航拍目标多尺度的问题，使用基于渐近融合思想的SAFPN网络替代了经典的特征金字塔融合网络，减小特征融合时信息的语义差距；其次，为了应对检测背景信息冗余的问题，在算法主干网络的深层嵌入改进的卷积模块替换原有的SCDown模块，使得模型保留对局部特征关键信息的同时，在更广阔的视野范围内提取特征；最后，为了解决纹理型缺陷难以检测与定位的问题，提出了一种可以加强空间特征交互能力和特征表达能力的注意力机制，进一步改善模型的检测性能。实验结果表明，基于SAFPN-YOLO的风机表面缺陷检测算法的mAP50达到了82.4%，相较于基线模型提高了3.3%，能够实现更加准确的风机表面缺陷检测。

关键词：风机表面;缺陷检测;特征融合;信息冗余;纹理型缺陷

基金资助：国家自然科学基金（61801197）、徐州市科技计划项目（KC22290）、江苏省高等学校自然科学基金（2024XKT0347）项目资助