基于改进YOLO算法的风机叶片表面损伤检测  

作　　者：李帅 李龙 

机构地区：[1]大连交通大学软件学院,辽宁大连116028 [2]中国兵器工业集团北方华锦化学工业股份有限公司销售总公司,辽宁盘锦124000

出　　处：《机器人技术与应用》2025年第1期45-52,共8页Robot Technique and Application

摘　　要：针对风机叶片维护成本高的问题,本文将目标检测技术用于检测风机叶片损伤,为精确定位损伤位置提供可行性方案,降低因停机检修带来的经济损失,保障风机的可靠运行。本文基于改进YOLOv8算法提出一种新颖的风机叶片损伤检测模型YOLOv8-BE。在骨干网络中结合双重路由注意力机制,在训练过程中提升特征图之间的关联度,提升检测的精度。采用EIoU损失函数代替CIoU损失函数,提高模型的定位能力。在风机叶片损伤数据集上,对比YOLOv8s网络,YOLOv8-BE的mAP值提升2.1%,精确率提升3.7%,召回率提升0.7%。与YOLOv3、YOLOv4和YOLOv5s等模型相比,本文提出的模型检测精度最高,mAP为90.7%,精确率为94%,召回率为84.6%。通过实例分析和比较,验证了本文方法的有效性和优越性。这些研究成果可应用于风机叶片损伤的检测,减少风机叶片维护成本,具有一定的研究价值。

关 键 词：目标检测 YOLOv8 深度学习 风机叶片 表面损伤检测 双层路由注意力 EIoU 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TK83[自动化与计算机技术—计算机科学与技术]