深度学习算法在风电机组叶片智能巡检缺陷识别中的应用
作 者：
张子富；陈洪峰；张 健
摘 要：
风电机组叶片是风机核心部件，长期户外环境易产生各类缺陷，传统人工巡检效率低、风险高、漏检率高。文章基于深度学习开展叶片缺陷识别研究，明确缺陷分类与特征、规范数据采集及数据集构建，优化目标检测与语义分割算法，验证算法性能并量化环境影响，探讨工程落地要点。实验表明，优化后的 YOLOv8 算法离散型缺陷检测 F1 分数达 92.3%，U-Net++ 算法连续型缺陷分割精度达 91.7%，可满足工程需求，为叶片智能巡检提供技术支撑。
来 源：
《信息产业报道》 2026-04