RDSS-YOLO损伤检测网络

实时分割风机损伤

一个同时做实时检测与语义分割的神经网络，并配套损伤尺寸量化方法，用于风机表面损伤的无人机巡检。

胡伟飞 · Fang, Jianhao · Yaxuan, Zhang · 刘振宇 · Verma, Amrit Shankar · 刘宏伟 · 从飞云 · 谭建荣

Renewable Energy 2025

参数信息

平均精度（mAP）

95.7 %

精度

93.9 %

召回率

96.8 %

平均交并比

81.5 %

叶片裂纹平均相对误差

7.24 %

前缘侵蚀平均相对误差

13.06 %

油漆剥落平均相对误差

9.44 %

技术优势

全局搜索更强

新网络克服了传统算法全局搜索能力低的问题，从而提升了对风机表面损伤的检测性能。

检测与分割一体

RDSS-YOLO同时完成实时检测和语义分割，无需额外模型即可获得损伤区域轮廓，为尺寸量化提供直接输入。

损伤尺寸可量化

提出的损伤尺寸量化方法利用分割结果计算风机表面损伤的真实尺寸，对裂纹、前缘侵蚀和油漆剥落的平均相对误差分别低至7.24%、13.06%和9.44%。

已落地三个风场

开发的数字孪生系统已在三个不同风电场成功应用，实现了风机表面特征的实时检测与语义分割，证明其在真实环境中可用。

应用场景

• 风机运维与检测：将损伤检测与量化集成到日常巡检流程中，自动生成损伤报告，减少人工攀爬检查。
• 无人机巡检：作为无人机视觉模块，实现风机静止与旋转状态下的实时表面损伤检测，提升巡检效率与安全性。
• 深度学习视觉检测：用一个网络同时完成实时检测与语义分割，并输出损伤真实尺寸，替代传统多阶段视觉检测方案。
• 工业物联网：开发的数字孪生系统连接无人机与风场数据，为风机健康管理提供实时可视化和远程监控能力。