风机叶片表面缺陷实例分割数据集 | 实例分割 | 风电

展开完整预览图 ↓

【风机叶片表面缺陷实例分割数据集 | 实例分割 | 风电】
本数据集面向风力发电机组叶片的巡检与缺陷识别，采用实例分割方式标注叶片各区域部位及损伤类型，共涵盖 14 个类别、总计 847 张标注图像。类别覆盖雷击损伤、聚氨酯胶带损伤、漏油、压力面与吸力面、前缘层压板损伤、漆面损伤等叶片关键区域与缺陷类型，适用于风电机组叶片健康监测与缺陷检测算法的开发与评估。

数据集概览

检测类别与标注分布

本数据集包含 14 个检测类别：

• 雷击损伤（Lighting-Strike）
• 聚氨酯胶带损伤（聚氨酯胶带部位损伤）
• 漏油（OIL LEAKAGE）
• 压力面（叶片压力面区域）
• 吸力面（叶片吸力面区域）
• 前缘层压板损伤（叶片前缘层压板缺陷）
• 漆面损伤（叶片表面漆面缺陷）

技术规格

• 标注格式：YOLO TXT 格式，每行标注为 class x_center y_center width height，坐标值归一化至 [0, 1]
• 数据划分：按照标准比例划分训练集、验证集与测试集，可直接用于模型训练与性能评估
• 数据来源：Roboflow Universe 平台

应用场景

1. 叶片巡检：对风电叶片外观与关键部位进行自动巡检，及时发现雷击、漏油等缺陷隐患。
2. 健康监测：基于实例分割结果持续监测叶片各部位状态，辅助机组健康评估与运维决策。
3. 缺陷分级维护：对前缘层压板、漆面等损伤精准定位与分级，支撑检修与维护计划制定。

数据集特点

• 高质量标注：采用实例分割方式对叶片各区域部位及损伤进行像素级精细标注，缺陷边界刻画准确，标注质量高。
• 真实场景数据：图像覆盖叶片多个关键几何区域及多种真实损伤形态，贴近现场巡检场景，具备较强的工程实用性。

获取方式

数据集下载

本数据集提供了百度网盘下载链接，登录后即可查看：

相关推荐

• YOLOv8训练数据集推荐