风电叶片无人机巡检AI缺陷识别方案初探

风电叶片长期暴露于紫外、雨蚀与温差环境，表面易产生裂纹、前缘腐蚀与涂层脱落；传统吊篮人工巡检效率低、风险高。实验室近期围绕无人机影像开展叶片缺陷AI识别的实验性探索。
进展要点：
· 已在某风电场采集约12000张巡检影像，构建覆盖裂纹、前缘腐蚀、雷击痕迹等六类缺陷的标注数据集；实验环境下表面裂纹识别准确率达89%，误报主要来自污渍与反光干扰。
· 针对高空拍摄角度多变问题，采用旋转与尺度增强策略扩充样本，小目标缺陷召回率提升约7个百分点。
下一步计划：引入叶片分割前置模块以剔除塔筒与背景干扰，并联合运维团队开展现场验证，评估复杂风况下的成像质量与识别稳定性。目前结果仍属实验阶段，距规模化应用尚有距离。