导读
无人机拍摄的高分辨率图像中，风电叶片只占画面的一小部分，缺陷更是仅占像素总量的0.1%～1%——传统检测器直接在全图上做推理，背景干扰大、小目标漏检多。
湖南大学Li等人在IEEE Sensors Journal上提出KGP-YOLO，采用"先过滤再检测"的两阶段架构：第一步用关键点定位网络KGP-Net自适应裁出叶片区域，第二步在YOLOv11中嵌入双层路由交叉注意力（BRCA）模块增强深层特征提取。在自建的SY-PLUS数据集和两个公开数据集DTU、Blade30上，KGP-YOLO分别达到87.3%、92.4%和88.5%的mAP50，均为同对比方法中最高，同时推理速度保持在35～43 FPS，兼顾了精度与实时性。
论文信息
- 标题：Wind Turbine Blade Surface Defect Detection via UAV High-Resolution Images
- 作者：Xiaobing Li, Baoyuan Deng, Yunze He, Qi Chen, Yongjie Zhang, Bei Zhang, Xiaofei Zhang
- 机构：湖南大学电气与信息工程学院、湖南大学人工智能与机器人学院、湖南大学深圳研究院、北京航空航天大学自动化科学与电气工程系
- 发表：IEEE Sensors Journal, Vol. 26, No. 2, January 2026
- DOI：10.1109/JSEN.2025.3639650
一、高分辨率无人机图像中的叶片缺陷检测为何困难？
风电叶片长期暴露在盐雾腐蚀、雷击、雨蚀等恶劣环境中，表面会出现微裂纹、沙孔、涂层脱落等缺陷。这些缺陷初期面积可能不到叶片表面的0.1%，但若不及时检测，会快速扩展为穿透性裂纹，造成严重经济损失。
利用无人机搭载相机采集叶片图像并自动检测缺陷，是目前的主流方案。但这一场景面临两个核心难题：
小目标检测难：出于安全距离限制，无人机与叶片保持一定距离拍摄，导致缺陷在1920×1080高分辨率图像中仅占0.1%～1%的像素面积。在本文使用的三个数据集中，像素面积小于32×32的小缺陷占比高达39%～47%。传统方法如全局裁剪（Global Crop）会将高分辨率图像均匀切割为多个小块，但叶片在画面中呈细长形态，大量裁剪块只包含背景，不仅浪费计算资源，还可能引入噪声。
复杂缺陷识别难：涂层脱落、表面腐蚀、油污等不同类型缺陷的形态和纹理差异较大，而一些非缺陷干扰物（如保护涂层纹理、临时标记）在外观上与真实缺陷高度相似，容易导致误检和漏检。三个数据集中背景干扰比例达到30%～80%。
图片来源于原论文
二、KGP-YOLO的"先过滤再检测"整体架构
针对上述两个难题，作者提出KGP-YOLO，采用 "过滤器+检测器"（Filter-then-Detect） 的两阶段架构：
第一阶段——KGP-Net过滤器：将高分辨率无人机图像输入 关键点感知几何引导预处理网络（Keypoint-aware Geometric-guided Preprocessing Network, KGP-Net） 。该网络预测叶片上的4个关键点（2个中心点和2个边界点），通过几何计算确定叶片的中轴线和宽度，然后沿中轴线自适应裁剪出仅包含叶片的子图像块。这一步的核心作用是排除大量无关背景，使后续检测器只需处理叶片区域。
第二阶段——YOLOv11+BRCA检测器：裁剪后的叶片图像块被送入集成了 双层路由交叉注意力（Bi-level Routing Cross-Attention, BRCA） 模块的YOLOv11。BRCA被嵌入YOLOv11骨干网络的最后一层，通过动态稀疏注意力机制增强网络对缺陷深层特征的提取能力。检测完成后，检测结果根据几何信息映射回原始高分辨率图像中的对应位置。
简单来说，KGP-Net负责"在哪里看"，YOLOv11+BRCA负责"看到什么"。
图片来源于原论文
三、两个核心模块：关键点定位裁剪与双层路由交叉注意力
KGP-Net：用关键点定位实现自适应叶片裁剪
KGP-Net以 ConvNeXt V2为骨干网络，包含4个阶段（通道数分别为96、192、384、768），每个阶段使用7×7深度可分离卷积扩大感受野，以捕获大尺度叶片在航拍图像中的空间结构。
网络的输出是4个关键点坐标：2个中心点确定叶片主轴方向，2个边界点确定叶片宽度。为消除尺度依赖，作者将关键点坐标归一化为[0,1]区间内的偏移量作为学习目标，使用 Smooth L1 Loss训练。获取关键点后，裁剪窗口的宽度设为叶片主轴长度的1/4，沿主轴生成4个采样点，产生4个裁剪块。
相比传统全局裁剪方法，KGP-Net的优势体现在精度和效率两方面（以下数据基于SY-PLUS数据集，搭配YOLOv11检测器）：
| 裁剪方法 | Precision | Recall | mAP50 | 输出图像数/输入图像数 |
|---|---|---|---|---|
| Global Crop | 84.7 | 70.4 | 84.2 | 12 |
| KGP-Net | 81.4 | 81.2 | 86.2 | 4 |
KGP-Net的mAP50比全局裁剪高2.0%，Recall高10.8%，而处理的图像数量仅为全局裁剪的1/3（4块 vs 12块），带来约3倍的效率提升。
KGP-Net的关键点定位精度通过 归一化平均误差（Normalized Mean Error, NME） 评估，以叶片宽度为归一化因子。在三个数据集的测试集上，NME分别为0.058（SY-PLUS）、0.062（DTU）和0.046（Blade30）。
BRCA：双层路由交叉注意力
BRCA模块基于 BiFormer的双层路由注意力（Bi-level Routing Attention, BRA）机制设计，被集成在YOLOv11骨干网络的最后一层。其工作流程分为三个阶段：
- 阶段1——跨区域相关性计算：将特征图划分为S²个不重叠区域，对每个区域计算Query和Key的均值，构建区域亲和度矩阵，筛选出语义最相关的区域对
- 阶段2——动态路由索引生成：通过Top-k操作选择每个区域最相关的k个区域，形成稀疏注意力结构
- 阶段3——细粒度特征计算：基于路由索引从全局Key和Value中聚合token级别的键值对，计算稀疏注意力输出
这种机制的核心特点是 动态稀疏：不像全局注意力需要计算所有token之间的关系，BRCA只在语义相关的区域之间建立连接，在捕获长距离依赖的同时控制计算开销。
在架构实现上，BRCA模块首先通过1×1卷积将通道维度扩大2倍，然后分为两条支路：一条经过多个BiFormerBlock进行注意力计算并与原始特征拼接实现多尺度聚合，另一条保留原始特征用于跳跃连接。最终通过卷积层降维输出。
四、消融实验：KGP-Net和BRCA各贡献了多少？
消融实验在SY-PLUS数据集上进行，基线模型为YOLOv11：
| Baseline | KGP | BRCA | Precision | Recall | mAP50 | FPS |
|---|---|---|---|---|---|---|
| ✓ | — | — | 80.0 | 78.0 | 79.9 | 45.2 |
| ✓ | ✓ | — | 81.4 | 81.2 | 86.2 | 39.6 |
| ✓ | — | ✓ | 80.5 | 79.8 | 81.3 | 42.1 |
| ✓ | ✓ | ✓ | 83.5 | 83.6 | 87.3 | 35.2 |
几个关键观察：
- KGP-Net贡献最大：单独添加KGP-Net使mAP50从79.9%提升至86.2%（+6.3%），Recall从78.0%提升至81.2%（+3.2%）。去除背景干扰、让检测器专注于叶片区域，贡献了最大幅度的mAP提升
- BRCA提供补充增益：单独添加BRCA使mAP50从79.9%提升至81.3%（+1.4%），验证了稀疏注意力对复杂缺陷特征提取的有效性
- 两者组合效果最优：KGP-Net + BRCA使mAP50达到87.3%（相比基线+7.4%），Precision和Recall也同时提升
- 速度代价可控：完整模型的FPS从45.2降至35.2，参数量从2.6M增至3.1M，FLOPs从6.4G增至7.2G
三个数据集上的完整对比实验结果汇总如下（对比方法包括YOLOv5～v12、Faster-RCNN、Cascade R-CNN、RT-DETR和ESOD共10种方法）：
| 数据集 | KGP-YOLO mAP50 | vs YOLOv11基线 | vs 次优方法ESOD | FPS |
|---|---|---|---|---|
| SY-PLUS | 87.3% | +7.4% | +5.2% | 35.2 |
| DTU | 92.4% | +1.9% | +1.4% | 42.6 |
| Blade30 | 88.5% | +10.5% | +5.1% | 41.8 |
在所有三个数据集上，KGP-YOLO的mAP50均高于全部对比方法。值得注意的是，在Blade30数据集上，KGP-YOLO相比YOLOv11基线提升了10.5%。Blade30数据集采集自海上和丘陵地形等多种环境，背景更复杂——KGP-Net的叶片区域裁剪在此场景下发挥了更大作用。
从可视化对比来看，在SY-PLUS数据集上，YOLOv11和ESOD均漏检了部分小涂层脱落缺陷，DETR在处理保护涂层和临时标记时产生了误检，而KGP-YOLO在这些场景中表现更稳定。在DTU和Blade30数据集上也观察到类似趋势。
图片来源于原论文
五、总结与思考
本文提出的KGP-YOLO针对无人机高分辨率图像中的风电叶片缺陷检测，设计了"先过滤再检测"的两阶段方案：KGP-Net通过关键点定位和几何裁剪自适应提取叶片区域，BRCA模块通过动态稀疏注意力增强YOLOv11的深层特征提取能力。在三个数据集（1个自建 + 2个公开）上均取得了对比方法中最高的mAP50。
方法设计上的亮点：
- "过滤-检测"范式的有效性：将"定位感兴趣区域"和"区域内精细检测"解耦，是处理高分辨率图像中小目标检测问题的一种有效思路。消融实验显示，仅KGP-Net一项就带来了+6.3%的mAP提升，说明在工业检测场景中，减少背景干扰的价值可能大于单纯提升检测器本身的能力
- 关键点描述叶片几何的效率：用4个关键点（而非bounding box）描述叶片的细长形态，裁剪效率比全局裁剪提升约3倍，这一设计充分利用了叶片的形状先验
- BRCA的轻量化增益：在引入注意力机制的同时，参数量仅增加约0.5M，FLOPs增加约0.8G，保持了模型的轻量性
值得关注的局限：
- 作者在结论中指出，将模型部署到无人机搭载的边缘计算设备上仍面临挑战，需要进一步研究轻量化方案以在加速推理的同时保持检测精度
- 实验硬件为RTX 2080 Ti台式工作站，实际无人机端的推理性能有待验证
- 三个数据集的图像分辨率均为1920×1080，对于更高分辨率（如4K）场景的适用性未做讨论
- KGP-Net的关键点标注需要人工完成（四边形标注），大规模数据集构建的标注成本值得关注
