风电叶片无人机巡检图像AI缺陷识别探索

风电机组叶片长期暴露于高紫外、强风沙与雨蚀环境，涂层脱落、裂纹、前缘腐蚀等缺陷若未及时发现，将逐步扩展并影响发电效率与结构安全。传统人工登塔检查成本高、周期长，无人机采集影像后仍依赖人工逐张判读，效率有限。能源AI实验室近期围绕叶片巡检图像的自动缺陷识别开展实验性探索。
要点一：基于开源检测框架构建基线模型，在自建约8000张标注样本上完成首轮训练，涂层脱落与前缘腐蚀两类高对比度缺陷的召回率超过85%，但浅色裂纹与鸟粪污渍的误报率仍偏高。
要点二：针对叶片表面纹理复杂、缺陷尺度差异大的问题，正在测试多尺度切片推理与背景抑制预处理，初步结果显示误报率下降约三成。
下一步计划：扩充雨蚀、雷击等长尾类别样本，并引入时序对比分析，利用同一叶片不同期次影像辅助判别，降低污渍类干扰。团队将持续在真实风场数据上验证方法边界，客观记录有效性与局限，进展将定期同步。