SWCB-YOLO: Toward Robust and Real-Time Wind Turbine Blade Defect Detection in Unstructured Natural Environments

技术摘要：用于风力机叶片缺陷检测的 SWCB-YOLO

问题陈述
无人机（UAV）巡检已成为风力机叶片维护的标准策略；然而，在实际运行的风电场中部署深度学习检测器面临三个导致精度下降的关键挑战：

1. 非结构化环境干扰： 巡检图像受到由光反射、云层覆盖和地面植被引起的高频纹理干扰，导致误报率和漏检率上升。
2. 高长宽比缺陷： 叶片裂缝通常是细长且分叉的。标准的卷积网络具有有限的局部感受野，而具有正方形窗口的视觉 Transformer 则容易截断这些细长目标的连续结构。
3. 非线性几何畸变： 风力机叶片双曲面状的鞍形表面导致裂缝在投影到 2D 图像平面时产生非线性变形。标准的边界框回归损失缺乏处理这些畸变的几何对齐能力，特别是在叶片尖端等高曲率区域。

方法论：SWCB-YOLO
作者提出了 SWCB-YOLO，这是一种基于 YOLOv11n 基准构建的轻量级边缘检测器，旨在满足无人机边缘平台（特别是 NVIDIA Jetson Xavier NX）的计算和实时性约束。该框架集成了三个核心组件：

1. 非对称条带 Swin-TransformerV2 (AS-Swin2) 模块：

   • 机制： 该模块使用非对称条带窗口注意力（ASWA）机制取代了标准的正方形窗口注意力。它保留了标准的局部正方形窗口，同时部署了并行的垂直（$M^2 \times 1$）和水平（$1 \times M^2$）非对称分区。
   • 功能： 这些正交的条带状感受野与细长裂缝的方向相匹配，能够捕捉沿裂缝轴线的长程像素级依赖关系。它结合了一个重参数化的方向对数空间连续位置偏差（Log-CPB），以抑制背景噪声并增强裂缝边缘梯度。
   • 代价： 它以极低的额外计算成本缓解了正方形窗口常见的结构截断问题。

2. 频域-空间双域注意力 (FS-DDA)：

   • 机制： 这是一种低开销模块，通过在单个主干网络上直接将 2D 离散余弦变换（2D-DCT）频谱通道加权级联到大感受野空间注意力阶段。
   • 功能： 它将高频环境杂波（如植被、反射）与微弱的缺陷边缘解耦。频谱分支衰减高频噪声，而随后的空间分支则精细化几何连续性。这种双域方法比仅基于通道的注意力机制能更有效地分离低频背景与高频异常边缘。

3. 曲率感知形状 IoU (CA-Shape-IoU) 损失：

   • 机制： 一种仅用于训练的定位损失，其监督信息来源于底层的裂缝形态而非仅仅是轴对齐的边界框。
   • 组成部分： 它利用从地面真值多边形掩码中预计算的离线场：
     • 贝塞尔曲率权重： 在高曲率区域（如叶片尖端）应用更高的梯度惩罚以修正漂移。
     • Voronoi 骨架距离场： 将预测框边界拉向真实的裂缝骨架，以减少分叉处的误报。
     • 伸长约束： 对具有极端长宽比（$r > 8$）的目标实施尺度精度约束。
   • 推理影响： 由于形态学项是预先计算并在训练期间应用的，因此检测头保持不变，且零额外推理成本。

核心贡献

1. 形态驱动的训练损失： 本文引入了 CA-Shape-IoU，这是一种几何对齐准则，利用预计算的曲率和骨架距离场来监督轴对齐检测框。这不同于以往仅依赖框几何形状的形状感知损失，也不同于需要推理时进行分割的基于分割的骨架损失。
2. 任务特定的各向异性主干： AS-Swin2 模块通过在 SwinV2 块中结合标准正方形窗口与正交条带分区以及方向自适应位置编码，专门解决了细长缺陷的截断问题。
3. 低开销双域精细化： FS-DDA 机制实现了频域-空间分离，而无需第二个频率主干，通过将频谱加权级联到空间注意力中，维持了单主干、低延迟的设计。
4. 严格的评估协议： 为了确保公平比较，所有基准和竞争检测器都在相同的协议下（相同的划分、输入分辨率、优化器和超参数）在涵盖全年的现场数据集上从头开始重新训练。该方法也在三个公开基准测试（NEU-DET, DAGM, VisDrone-2019）上进行了验证。

结果
在来自一个 1.5MW 风电场的 5,707 幅图像的专用现场数据集上进行评估：

• 准确度： SWCB-YOLO 实现了 89.0% mAP@50 和 66.4% mAP@50:95。相比 YOLOv11n 基准，mAP@50 提升了 13.8 个百分点，mAP@50:95 提升了 25.3 个百分点。
• 效率： 该模型在 NVIDIA Jetson Xavier NX 上运行速度为 35 FPS，参数量为 3.70M，计算量为 8.70 GFLOPs。
• 消融实验洞察：
  • AS-Swin2 主干贡献了大部分增益（约 87% 的 mAP@50 提升）。
  • FS-DDA 提供了补充精细化，特别是在植被密集和多雾条件下，恢复了因频率滤波本身导致的召回率损失。
  • CA-Shape-IoU 特别提高了高 IoU 定位精度（mAP@50:95），在不增加延迟的情况下修正了几何漂移。
• 跨数据集泛化能力： 模型在 NEU-DET（+7.2% mAP）、DAGM（+4.6% mAP）和 VisDrone-2019（+3.8% mAP）上表现出正向迁移，尽管随着领域距离增加，增益有所衰减，这符合模块的专业化特性。
• 统计显著性： 配对 t 检验和 Wilcoxon 符号秩检验确认，相对于基准模型的性能提升具有统计学意义（$p < 0.001$）。

重要性与主张
本文声称 SWCB-YOLO 解决了在非结构化自然环境中检测双曲面上的微小、细长缺陷的问题，同时保持了在边缘设备上的实时推理。

• 鲁棒性： 通过集成频域滤波和各向异性注意力，该模型有效地抑制了由复杂背景（植被、反射）引起的误报，这类背景通常困扰标准检测器。
• 几何精度： CA-Shape-IoU 损失表明，引入离线形态先验（曲率和骨架距离）可以在不增加推理惩罚的情况下，显著提高弯曲目标的边界框对齐。
• 实际部署： 该框架平衡了准确性和资源约束，为需要高精度且有严格延迟和功耗预算的自动化无人机叶片巡检提供了一个可行的解决方案。

作者指出了局限性，包括对 CA-Shape-IoU 损失依赖多边形级标注（尽管该方法对中度简化的标注仍具鲁棒性），以及在结合极端运动模糊与雾气的场景中可能出现过度平滑的情况。未来的工作方向是通过半监督学习减少对标注的依赖，并探索多模态融合。