В связи с низкой эффективностью ручного обнаружения дефектов на поверхности лопастей ветровых турбин, слабой адаптивностью существующих методов глубокого обучения к различным условиям и недостаточной производительностью при обнаружении многотипных дефектов предлагается трехэтапный интеллектуальный метод обнаружения на основе глубокого обучения с использованием беспилотных летательных аппаратов для эффективного и точного распознавания дефектов. Сначала из аэровидеозаписей равномерно выбираются кадры, и с помощью улучшенной сети EfficientNetV2-S проводится первичный отбор поврежденных лопастей (точность 87,5%); затем с помощью алгоритма кластеризации на основе гауссовых смесей отбираются типичные кадры с повреждениями для сжатия избыточных данных; наконец, с помощью сети YOLO-v11, основанной на интегрированном модуле Transformer и стратегии динамических якорных точек, выполняется точное обнаружение дефектов. Кроме того, создан набор данных из 15 000 изображений с дефектами, такими как отслоение и трещины, для валидации метода. Экспериментальные результаты показывают, что полнота обнаружения в одном кадре достигает 88,4%, точность — 71,5%, на уровне видео полнота увеличивается до 95,0%, точность — до 86,4%, что значительно превосходит сравниваемые методы; эффективно распознаются дефекты, такие как трещины и отслоения, преодолеваются ограничения сложного рельефа, обеспечивается полное покрытие лопасти. Предложенный метод решает проблемы обнаружения мелких целей и воздействия окружающей среды, обладает стабильной производительностью и высокой точностью обнаружения, что обеспечивает сильную поддержку для интеллектуальной эксплуатации и технического обслуживания ветроэнергетики.

дефекты поверхности лопастей турбин;обследование беспилотниками;модель кластеризации гауссовских смесей;YOLO-v11;EfficientNetV2