近日，土木与水利工程学院科研团队在风力机叶片运行状态监测研究方向取得新进展，2023级博士生赵文海以通讯作者和第一作者先后在结构工程领域国际顶级学术期刊《Mechanical Systems and Signal Processing》（影响因子：8.9，中国科学院一区Top）在线发表《Large-scale wind turbine blade operational condition monitoring based on UAV and improved YOLOv5 deep learning model》《Wind turbine blade rotational condition monitoring based on RBs-YOLO deep learning model》两篇论文。论文指导教师为李万润教授。

风力机叶片作为风力机结构的关键部件，其运行状态关乎整机的安全性能。该科研团队创新性地提出了一种基于人工智能的风力机叶片无标记编码监测方法。该方法将无人机技术与深度学习算法相结合，以视频帧序列中的像素元作为感知单元，对风力机叶片实施精准分割、检测与跟踪，成功实现了非接触式、无损伤、低成本且高精度的叶片状态监测，试验验证和现场实测性能良好，为运行状态下的风力机叶片状态监测提供了新思路。该成果已在多座风场得到推广应用，累计节省运维成本5000余万元。

该科研团队将持续深耕风力发电结构智能监测领域，依托国家自然科学基金项目平台，进一步优化AI算法模型与无人机协同监测系统，推动风电设备全生命周期健康管理技术向更高精度、更低成本方向迭代，为我国“双碳”目标下的新能源产业安全高效发展提供技术赋能。

(图/文：洪娜； 审核：赵炜)