摘要:风力发电机叶片作为风力发电机中最主要的部分,它的缺陷对于风力发电机构成严重的威胁, 为了提高风机叶片缺陷检测的精确率和召回率,本文针对YOLOv8n网络,提出高效多尺度卷积模块(EMSConv)来代替残差块中的卷积模块,对图像进行分组卷积。在检测头中引入Dynamic Head的多个注意力机制,利用多个自注意力机制之间的协同作用,跨特征层实现尺度、空间以及任务感知,增强目标检测模块的表征能力。将Inner-IoU、Wise-IoU以及MPDIoU整合到一起,提出全新的Inner-Wise-MPDIoU来替代CIoU,提高网络的检测精度。在自制的风机叶片缺陷集上进行测试,实验表明,本文提出的YOLOv8-EDI在该数据集上mAP50值达到81.0%,比之原始的YOLOv8n提高了2.3%;召回率达到76.8%,提高了3.7%;同时网络结构的计算量降低了5.5%与原模型相比,YOLOv8-EDI对风机叶片缺陷有更好的定位能力和检测精度,检测速度能够满足工业大批量检测的要求。