热成像与 RGB 图像在风力发电机损伤检测中的协同作用
计算机视觉与模式识别
2026-01-21 v1 人工智能
机器人学
摘要
风力涡轮机叶片 (WTB) 的检测对于确保其结构完整性和运行效率至关重要。传统的检测方法可能危险且效率低下，这促使人们使用能够进入难以到达区域并捕获高分辨率影像的无人机 (UAV)。在本研究中，我们通过整合无人机获取的热成像和 RGB 图像，来解决增强 WTB 缺陷检测的挑战。我们提出了一种多光谱图像合成方法，通过空间坐标变换、关键点检测、二进制描述符创建和加权图像叠加来结合热成像和 RGB 图像。使用一个标注了缺陷的 WTB 图像基准数据集，我们评估了几种最先进的目标检测模型。结果表明，合成图像显著提高了缺陷检测效率。具体而言，YOLOv8 模型的准确率从 91% 提高到 95%，精确率从 89% 提高到 94%，召回率从 85% 提高到 92%，F1 分数从 87% 提高到 93%。误报数量从 6 个减少到 3 个，漏检缺陷从 5 个减少到 2 个。这些发现表明，整合热成像和 RGB 图像增强了 WTB 的缺陷检测能力，有助于改进维护和提高可靠性。
引用
@article{arxiv.2412.04114,
title = {Thermal and RGB Images Work Better Together in Wind Turbine Damage Detection},
author = {Serhii Svystun and Oleksandr Melnychenko and Pavlo Radiuk and Oleg Savenko and Anatoliy Sachenko and Andrii Lysyi},
journal= {arXiv preprint arXiv:2412.04114},
year = {2026}
}
备注
Unmanned aerial vehicle, image composition, multispectral images, green energy, data quality management, weighted overlay