基于深度学习的风机视觉巡检系统研究
王俊丰1
郭京珠2
1.广东科凯达智能机器人有限公司 广东佛山 5283002.广东工业大学自动化学院 广东 广州 510006
摘要：在全球能源转型背景下,我国风力发电产业发展迅速.然而,风机长期运行于复杂环境易引发缺陷,传统人工巡检方式存在效率低、风险高等问题.基于此,文章提出了一种基于深度学习的风机视觉巡检系统,集成航线规划与视觉算法处理模块.通过设计半球形巡检航线,降低了近距离观测的撞机风险,且无需预先进行风机姿态估计,兼具普适性与高效性;通过构建图像数据集,采用改进的YOLOv8-WIoU算法实现风机缺陷检测且准确率达95％,同时结合YOLOv8-OBB算法与视觉分析技术实现了叶片扫塔的风险评估.在实际应用中,搭载H30T云台相机的大疆M350RTK无人机通过半球航线规划,可在20 min内完成单台风机巡检,验证了系统的可行性与有效性.该方案显著提升了巡检效率、精度及安全性,突破了传统方法的局限性.
关键词：风机航线规划风机缺陷检测叶片扫塔预警
论文发表日期：2025-09-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 12-15 )