基于改进YOLOv10n的风机叶片缺陷检测研究

来源：计算机测量与控制杂志2026年第1期北京时间：

作者：陈治锐,焦良葆,孟琳,高阳,顾嘉炜

摘要：针对风机叶片缺陷检测中存在的多尺度目标敏感度低、复杂背景干扰严重、定位精度不足等问题，现提出一种改进YOLOv10n的缺陷检测算法，在SPPF模块中嵌入大核注意力机制LSKA，构建多尺度特征增强网络，有效解决了叶片表面反光导致的误检问题；设计通道优先注意力机制CPCA，通过建立跨维度交互通道选择模型提升了对微小缺陷特征的响应能力；将模型原损失函数替换为Wise-MPDIoU损失函数，融合动态权重调整策略与形状感知约束。实验结果表明，在无人机采集的风机叶片数据集上，改进算法mAP@0.5达到84.1%，较基准模型提升2.9个百分点，为风电设备智能运维提供了可靠的技术方案。

关键词：目标检测;金属表面缺陷;深度学习;注意力机制;损失函数

基金资助：江苏省产学研合作项目 (BY20230656)