基于改进YOLOv8的风机桨叶缺陷检测算法

来源：电子测量技术杂志2024年第13期北京时间：

作者：李冰，张易牧，魏乐涛，王月，翟永杰

单位：华北电力大学自动化系 保定 071003

摘要：叶片作为风力发电机组的重要部件，容易受到自然环境的影响，导致出现侵蚀、裂纹、胶衣脱落等损伤，从而影响风力发电效率和机组的安全运行。针对复杂环境下风机桨叶缺陷检测精度较低的问题，提出了一种改进YOLOv8的风机桨叶缺陷检测算法。通过对骨干特征提取网络中的单一模块SPPF融入LSKA注意力机制，以增强网络对于重要特征的关注度，提高模型的性能；其次，Neck部分采用加权双向特征金字塔Bi-FPN结构，并使用FasterBlock改进C2f模块，提出了Bi-YOLOv8-faster轻量级网络结构，增强模型多尺度特征融合能力，提高小目标检测精度；最后，采用辅助边框计算损失的Inner-IoU方法对损失函数进行优化，提高模型缺陷检测的准确率和泛化能力。通过对风机桨叶图像进行缺陷检测实验，结果表明，所提方法对缺陷检测的精确率提升了7.3%、mAP50提升了3.3%、参数量降低了27%。

关键词：风机桨叶;YOLOv8;注意力机制;缺陷检测;Inner-IoU

基金资助：国家自然科学基金面上项目（62373151）、国家自然科学基金联合项目（U21A20486）、中央高校基本科研业务费项目（2023JC006）、河北省自然科学基金（F2020502009，F2021502008）项目资助