基于改進YOLOv8的風(fēng)機槳葉缺陷檢測算法

摘要： 葉片作為風(fēng)力發(fā)電機組的重要部件，容易受到自然環(huán)境的影響，導(dǎo)致出現(xiàn)侵蝕、裂紋、膠衣脫落等損傷，從而影響風(fēng)力發(fā)電效率和機組的安全運行。針對復(fù)雜環(huán)境下風(fēng)機槳葉缺陷檢測精度較低的問題，提出了一種改進YOLOv8的風(fēng)機槳葉缺陷檢測算法。通過對骨干特征提取網(wǎng)絡(luò)中的單一模塊SPPF融入LSKA注意力機制，以增強網(wǎng)絡(luò)對于重要特征的關(guān)注度，提高模型的性能；其次，Neck部分采用加權(quán)雙向特征金字塔... （共11頁）