基于深度学习与合成数据的风力涡轮特征检测
计算机视觉与模式识别
2025-07-30 v1
摘要
对于基于无人机的风力涡轮 (WT) 刀片自动化检测，准确检测 WT 及其关键特征对于无人机定位和碰撞避免至关重要。现有的深度学习方法通常依赖手动标记的真实世界图像，这限制了训练数据集在天气条件、照明、涡轮类型和图像复杂度方面的数量和多样性。本文提出一种生成合成训练数据的方法，通过可控变更视觉和环境因素来增加数据多样性，从而创建具有挑战性的学习场景。此外，我们仅使用合成 WT 图像训练一个YOLOv11特征检测网络，并采用修改后的损失函数以在图像中检测 WT 及其关键特征。得到的网络分别使用合成图像和一组真实世界 WT 图像进行评估，显示在合成和真实世界数据上均表现良好，在未见过的真实图像上实现了 0.97 的 Pose mAP50-95。
引用
@article{arxiv.2507.21611,
title = {Wind Turbine Feature Detection Using Deep Learning and Synthetic Data},
author = {Arash Shahirpour and Jakob Gebler and Manuel Sanders and Tim Reuscher},
journal= {arXiv preprint arXiv:2507.21611},
year = {2025}
}
备注
8 pages, 5 figures, accepted at ICMV 2025