SNMSDA-YOLO11损伤识别模型

轻量高精度

针对风力机叶片损伤的轻量化检测模型，通过引入多尺度空洞注意力与SlimNeck结构，在保持高精度的同时显著降低计算消耗。

Wenjing, Xu · Yao, Jiachi · 王衍学 · 柳超 · Xinyu, Liu · 蒋东翔

Applied Soft Computing Journal 2025

参数信息

精度

94.9 %

技术优势

精度够用

模型在实验中达到了94.9%的识别精度，能够可靠地检测风机叶片的多种损伤形式。

计算更快

采用SlimNeck结构优化模型，在保持精度的同时显著提升计算速度和效率，降低部署成本。

小损伤也能抓

引入多尺度空洞注意力机制，增强对不同尺度损伤特征的自适应提取能力，改善小尺度损伤的检测。

样本少也能训

使用随机噪声、图像锐化和饱和度调整三种数据增强方法，克服风机损伤样本稀缺的问题。

应用场景

• 风电叶片巡检：自动识别叶片表面裂纹、剥落等损伤，替代人工高空巡检。
• 工业视觉检测：提供轻量高精度检测模型，可集成到工业相机或无人机系统。
• 机械故障诊断：通过图像识别叶片损伤，辅助判断风机健康状态。
• 智能运维：实现叶片损伤的自动检测，降低停机巡检成本。