风机叶片长期暴露于紫外、雨蚀与温差环境，表面易产生裂纹、涂层脱落与前缘腐蚀；传统人工登塔检查效率低、风险高。计算机视觉实验室近期开展了基于无人机影像的叶片表面缺陷AI识别实验。
技术路线上，采用可见光相机以固定航高、固定云台角采集叶片四个面的序列影像，通过叶尖跟踪与图像拼接生成叶片展开图，再输入改进的语义分割网络完成像素级缺陷定位；针对风场现场光照多变、背景复杂的问题，引入对比度自适应增强与天空/地面背景抑制策略。
阶段性进展：
- 基于某风场两期采集的约1.2万张影像，裂纹与前缘腐蚀的像素级识别F1值分别达到0.86与0.81，单支叶片影像处理耗时约90秒；
- 小尺度裂纹漏检集中在强反光区域，下一步将补充偏振镜头采集并引入频域增强模块，同时与运维方联合制定缺陷等级标注规范，推动结果从“识别”走向“定级”。
初步判断：该方向具备替代部分人工登塔检查的潜力，但在标注一致性与边缘场景泛化上仍需持续实验验证。
评论