买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉湖南科技大学申请的专利基于轻量化YOLOv8的风机叶片表面损伤检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119887756B 。

龙图腾网通过国家知识产权局官网在2025-08-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510360450.X，技术领域涉及：G06T7/00；该发明授权基于轻量化YOLOv8的风机叶片表面损伤检测方法是由吕明阳;徐超洋;刘朝华;陈磊;李明设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本基于轻量化YOLOv8的风机叶片表面损伤检测方法在说明书摘要公布了：本发明公开了一种基于轻量化YOLOv8的风机叶片表面损伤检测方法，属于风电领域，包括以下步骤：构建数据集；构建面向资源受限无人机检测平台的风机叶片损伤图像检测模型；对叶片损伤图像检测模型进行训练，得到最优的叶片损伤图像检测模型；输出风机叶片表面损伤检测结果；通过性能评价指标对风机叶片表面损伤检测结果进行有效性验证。本发明在提升检测平均准确度和检测速度的同时降低了模型的计算复杂度和参数量，保证了在资源受限的无人机检测平台上实现了高平均准确度高速度的风力发电机叶片损伤检测。

本发明授权基于轻量化YOLOv8的风机叶片表面损伤检测方法在权利要求书中公布了：1.一种基于轻量化YOLOv8的风机叶片表面损伤检测方法，其特征在于，包括以下步骤： S1，构建数据集：通过无人机拍摄风机叶片图像，将无人机拍摄到的风机叶片图像进行标注，并划分出训练集、验证集和测试集； S2，构建模型：引入CBAM注意力机制模块、GSConv模块、VoV-GSCSP模块和Dysample模块改进YOLOv8，构建面向资源受限无人机检测平台的风机叶片损伤图像检测模型； 所述步骤S2具体过程为： S21：在YOLOv8主干中引入GSConv模块，利用不同卷积类型提取特征，促进特征之间的信息交互和融合； S22：在YOLOv8颈部网络首端嵌入Dysample模块进行动态上采样，这一策略不仅使模型更加轻量化，还提升了检测平均准确度； S23：在YOLOv8颈部网络尾端增加一次性聚合的跨阶段部分网络模块，即VoV-GSCSP模块，VoV-GSCSP模块以CSPNet为基础结合轻量化卷积GSConv和一次性聚合VoV，实现特征的提取和融合； S24：在VoV-GSCSP模块尾端增加CBAM注意力机制模块，自适应学习通道和空间注意力权重，提高卷积神经网络的特征表达能力； S25：得到基于轻量化YOLOv8的风机叶片表面损伤检测模型； 所述步骤S25中，得到的风机叶片损伤图像检测模型包括主干网络、颈部网络和头部网络； 所述主干网络包括依次连接的第一卷积模块、第二卷积模块、第一C2f模块、第三卷积模块、第二C2f模块、GSConv模块、第三C2f模块、第四卷积模块、第四C2f模块、SPPF模块； 所述颈部网络包括依次连接的Dysample模块、第一聚合模块、第五C2f模块、上采样模块、第二聚合模块、第六C2f模块、第五卷积模块、第三聚合模块、第七C2f模块、第六卷积模块、第四聚合模块、VoV-GSCSP模块、CBAM注意力机制模块，其中第五C2f模块和第三聚合模块连接，第二C2f模块与第二聚合模块连接，第三C2f模块与第一聚合模块连接，SPPF模块同时连接Dysample模块和第四聚合模块； 所述头部网络包括依次连接的第七卷积模块、第八卷积模块、第一Conv2d模块、Bbox.loss模块和依次连接的第九卷积模块、第十卷积模块、第二Conv2d模块、Cls.loss模块，第七卷积模块的输入端与第九卷积模块的输入端连接在一起并分别连接第六C2f模块、第七C2f模块和CBAM注意力机制模块； S3：采用训练集对风机叶片损伤图像检测模型进行训练，并采用测试集进行测试，得到最优的风机叶片损伤图像检测模型； S4：将测试集输入到最优的风机叶片损伤图像检测模型，输出风机叶片表面损伤检测结果； S5：通过性能评价指标对风机叶片表面损伤检测结果进行有效性验证。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖南科技大学，其通讯地址为：411201 湖南省湘潭市雨湖区石马头；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。