買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉湖南科技大學申請的專利基于輕量化YOLOv8的風機葉片表面損傷檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119887756B 。

龍圖騰網通過國家知識產權局官網在2025-08-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510360450.X，技術領域涉及：G06T7/00；該發明授權基于輕量化YOLOv8的風機葉片表面損傷檢測方法是由呂明陽;徐超洋;劉朝華;陳磊;李明設計研發完成，并于2025-03-26向國家知識產權局提交的專利申請。

本基于輕量化YOLOv8的風機葉片表面損傷檢測方法在說明書摘要公布了：本發明公開了一種基于輕量化YOLOv8的風機葉片表面損傷檢測方法，屬于風電領域，包括以下步驟：構建數據集；構建面向資源受限無人機檢測平臺的風機葉片損傷圖像檢測模型；對葉片損傷圖像檢測模型進行訓練，得到最優的葉片損傷圖像檢測模型；輸出風機葉片表面損傷檢測結果；通過性能評價指標對風機葉片表面損傷檢測結果進行有效性驗證。本發明在提升檢測平均準確度和檢測速度的同時降低了模型的計算復雜度和參數量，保證了在資源受限的無人機檢測平臺上實現了高平均準確度高速度的風力發電機葉片損傷檢測。

本發明授權基于輕量化YOLOv8的風機葉片表面損傷檢測方法在權利要求書中公布了：1.一種基于輕量化YOLOv8的風機葉片表面損傷檢測方法，其特征在于，包括以下步驟： S1，構建數據集：通過無人機拍攝風機葉片圖像，將無人機拍攝到的風機葉片圖像進行標注，并劃分出訓練集、驗證集和測試集； S2，構建模型：引入CBAM注意力機制模塊、GSConv模塊、VoV-GSCSP模塊和Dysample模塊改進YOLOv8，構建面向資源受限無人機檢測平臺的風機葉片損傷圖像檢測模型； 所述步驟S2具體過程為： S21：在YOLOv8主干中引入GSConv模塊，利用不同卷積類型提取特征，促進特征之間的信息交互和融合； S22：在YOLOv8頸部網絡首端嵌入Dysample模塊進行動態上采樣，這一策略不僅使模型更加輕量化，還提升了檢測平均準確度； S23：在YOLOv8頸部網絡尾端增加一次性聚合的跨階段部分網絡模塊，即VoV-GSCSP模塊，VoV-GSCSP模塊以CSPNet為基礎結合輕量化卷積GSConv和一次性聚合VoV，實現特征的提取和融合； S24：在VoV-GSCSP模塊尾端增加CBAM注意力機制模塊，自適應學習通道和空間注意力權重，提高卷積神經網絡的特征表達能力； S25：得到基于輕量化YOLOv8的風機葉片表面損傷檢測模型； 所述步驟S25中，得到的風機葉片損傷圖像檢測模型包括主干網絡、頸部網絡和頭部網絡； 所述主干網絡包括依次連接的第一卷積模塊、第二卷積模塊、第一C2f模塊、第三卷積模塊、第二C2f模塊、GSConv模塊、第三C2f模塊、第四卷積模塊、第四C2f模塊、SPPF模塊； 所述頸部網絡包括依次連接的Dysample模塊、第一聚合模塊、第五C2f模塊、上采樣模塊、第二聚合模塊、第六C2f模塊、第五卷積模塊、第三聚合模塊、第七C2f模塊、第六卷積模塊、第四聚合模塊、VoV-GSCSP模塊、CBAM注意力機制模塊，其中第五C2f模塊和第三聚合模塊連接，第二C2f模塊與第二聚合模塊連接，第三C2f模塊與第一聚合模塊連接，SPPF模塊同時連接Dysample模塊和第四聚合模塊； 所述頭部網絡包括依次連接的第七卷積模塊、第八卷積模塊、第一Conv2d模塊、Bbox.loss模塊和依次連接的第九卷積模塊、第十卷積模塊、第二Conv2d模塊、Cls.loss模塊，第七卷積模塊的輸入端與第九卷積模塊的輸入端連接在一起并分別連接第六C2f模塊、第七C2f模塊和CBAM注意力機制模塊； S3：采用訓練集對風機葉片損傷圖像檢測模型進行訓練，并采用測試集進行測試，得到最優的風機葉片損傷圖像檢測模型； S4：將測試集輸入到最優的風機葉片損傷圖像檢測模型，輸出風機葉片表面損傷檢測結果； S5：通過性能評價指標對風機葉片表面損傷檢測結果進行有效性驗證。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人湖南科技大學，其通訊地址為：411201 湖南省湘潭市雨湖區石馬頭；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。