نظرًا لانخفاض كفاءة التفتيش اليدوي على عيوب سطح ريشة التوربينات الريحية، وضعف قدرة أساليب التعلم العميق الحالية على التكيف مع البيئات المختلفة وضعف أداء الكشف عن أنواع متعددة من العيوب، نقترح طريقة ذكية للكشف ثلاثية المراحل مستندة إلى التعلم العميق باستخدام الطائرات بدون طيار الملتقطة جواً لتحقيق التعرف الفعال والدقيق على العيوب. أولاً، يتم استخراج إطارات بشكل متساو من مقاطع الفيديو الجوية، واستخدام شبكة محسنة EfficientNetV2-S لتحقيق الفرز الأولي للريش التالفة (بدقة 87.5%)؛ ثم استخدام خوارزمية التجميع Gaussian Mixture لاختيار إطارات التلف النموذجية لضغط البيانات الزائدة؛ وأخيرًا، استكمال الكشف الدقيق عن العيوب باستخدام شبكة YOLO-v11 القائمة على وحدة Transformer المجمعة واستراتيجية النقاط المرجعية الديناميكية. علاوة على ذلك، تم بناء مجموعة بيانات تحتوي على 15000 صورة بعيوب مثل التقشر والتشقق للتحقق من الطريقة المقترحة. أظهرت النتائج التجريبية أن معدل الاستدعاء للكشف في كل إطار يصل إلى 88.4%، والدقة 71.5%، فيما ارتفع معدل استدعاء الكشف على مستوى الفيديو إلى 95.0% والدقة إلى 86.4%، متفوقة بشكل ملحوظ على الطرق المقارنة؛ يمكن الكشف بفعالية عن العيوب مثل التشققات والتقشر، متجاوزة قيود التضاريس المعقدة، محققة تغطية كاملة للريش. تحل الطريقة المقترحة مشكلة الأهداف الصغيرة والتداخل البيئي، بأداء مستقر ودقة كشف عالية، مما يوفر دعمًا قويًا لصيانة ونظم التشغيل الذكية للطاقة الريحية.

عيوب سطح ريشة التوربينات الريحية;تفتيش الطائرات بدون طيار;نموذج التجميع Gaussian Mixture;YOLO-v11;EfficientNetV2