基于深度学习的无人机巡检风机叶片表面缺陷智能检测方法

郑欣; 田琳; 张艳; 甘宗源; 黄威

doi:10.37188/CJLCD.2026-0002

您当前的位置：

首页 >

文章列表页 >

基于深度学习的无人机巡检风机叶片表面缺陷智能检测方法

图像处理 | 更新时间：2026-03-02

- 基于深度学习的无人机巡检风机叶片表面缺陷智能检测方法
- Intelligent detection method for surface defects on wind turbine blades based on deep learning UAV inspection
- “风电运维领域迎来新突破，相关专家提出基于深度学习的无人机航拍三阶段智能检测方法，构建15 000幅图像数据集验证，有效解决风机叶片表面缺陷检测难题，为风电智能化运维提供有力支持。”
- 液晶与显示 2026年41卷第2期页码：267-279
- 作者机构：
  
  1. 四川文理学院人工智能与大数据学院，四川达州 635000
  2. 伊犁师范大学电子工程学院，新疆伊宁 835000
  3. 四川文理学院四川革命老区发展研究中心，四川达州 635000
  4. 景德镇学院信息工程学院，江西景德镇 334000
- 作者简介：
  
  [ "\t\t\t\t\t\t\t郑欣，男，博士，副教授，2015年于电子科技大学获得博士学位，主要从事深度学习及人工智能方面的研究。E-mail： 361368485@qq.com\t\t\t\t\t\t" ]
  [ "\t\t\t\t\t\t\t黄威，男，博士，讲师，2022年于俄罗斯科学院设计与工艺信息学院获得博士学位，主要从计算机应用与计算机视觉方面的研究。E-mail：huangwei0731@163.com\t\t\t\t\t\t" ]
- 基金信息：
  
  江西省教育厅科学技术研究项目(GJJ2402304);智能医学与健康大数据四川省高校重点实验室开放基金(ZNYX2501;ZNYX2514);政务数据安全达州市重点实验室开放基金(ZSAQ202514);四川革命老区发展研究中心开放基金(SLQ2025SA04)
- DOI：10.37188/CJLCD.2026-0002
  中图分类号： TP391
- CSTR：32172.14.CJLCD.2026-0002
- 收稿：2026-01-04，
  
  修回：2026-01-22，
  
  纸质出版：2026-02-05
- 稿件说明：
移动端阅览
郑欣, 田琳, 张艳, 等. 基于深度学习的无人机巡检风机叶片表面缺陷智能检测方法[J]. 液晶与显示, 2026,41(2):267-279.

ZHENG Xin, TIAN Lin, ZHANG Yan, et al. Intelligent detection method for surface defects on wind turbine blades based on deep learning UAV inspection[J]. Chinese Journal of Liquid Crystals and Displays, 2026, 41(2): 267-279.
郑欣, 田琳, 张艳, 等. 基于深度学习的无人机巡检风机叶片表面缺陷智能检测方法[J]. 液晶与显示, 2026,41(2):267-279. DOI： 10.37188/CJLCD.2026-0002. CSTR： 32172.14.CJLCD.2026-0002.

ZHENG Xin, TIAN Lin, ZHANG Yan, et al. Intelligent detection method for surface defects on wind turbine blades based on deep learning UAV inspection[J]. Chinese Journal of Liquid Crystals and Displays, 2026, 41(2): 267-279. DOI： 10.37188/CJLCD.2026-0002. CSTR： 32172.14.CJLCD.2026-0002.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据

基于深度学习的无人机巡检风机叶片表面缺陷智能检测方法

Intelligent detection method for surface defects on wind turbine blades based on deep learning UAV inspection

DOI：10.37188/CJLCD.2026-0002