基于改进YOLOv11的风机叶片缺陷检测方法

基于改进YOLOv11算法的风机叶片缺陷检测方法，旨在提升风机叶片缺陷检测的准确性、实时性及计算效率；本发明构建并预处理多类型风机叶片缺陷图像数据集，对YOLOv11模型结构改良：采用集成小波变换的C3K2‑WTConv模块，增强特征提取深度，挖掘更多图像细节；引入融合混合局部通道注意力的C2PSA‑MLAC模块，提升关键信息表达能力，让模型更聚焦重要特征；以Shape‑IoU损失函数替代原有边界框回归指标，优化检测效果；经改进，本发明降低参数规模与计算负载的同时，有效提高了鲁棒性，检测精度提升约8.7%，检测效率显著增强，更好应对风机叶片缺陷检测场景的技术难题，具有良好工程实用性与推广价值。