טכנולוגיית גילוי פגמים ברבדי סקלות לשטחי הלהבים של טורבינות רוח המבוססת על האלגוריתם SASED-YOLO

למה פגמים זעירים בלהבים ענקיים חשובים

טורבינות רוח מודרניות מסתמכות על להבים ארוכים יותר ממטוס נוסעים, מסתובבים ללא הרף בתנאי מזג אוויר קשים בים. שבבים קטנים, סדקים או אזורים של קורוזיה על הלהבים הללו לא רק נראים לא טוב — הם עלולים לשאוב שקטה את תפוקת הכוח, לקצר את חיי הציוד ולהעלות את עלויות התחזוקה. מחקר זה מציג טכניקת ראייה ממוחשבת חדשה, SASED-YOLO, שנועדה לזהות במהירות ובדייקנות מגוון נזקים עדינים על משטחי להבי טורבינות רוח, אפילו כאשר הסימנים מעומעמים, זעירים או מוסתרים חלקית על ידי סנוור, לכלוך או צבע.

מבדיקות ידניות למצלמות חכמות

באופן מסורתי, בדיקות הלהבים התבססו על מומחים אנושיים התלויים על חבלים או שימוש בכלים כמו אולטרסאונד ומצלמות אינפרא-אדום. אמנם שיטות אלה יעילות במקרים מסוימים, אך הן מתקשות כאשר משטח הלהב אינו ישר, צבוע או מלוכלך, והן יכולות להיות איטיות, יקרות ומסוכנות לעובדים. בשנים האחרונות החלו מערכות למידה עמוקה לנתח תמונות או וידאו מטיסנים ומצלמות, ולסמן אוטומטית תיבות סביב פגמים. אחת המשפחות המוצלחות של שיטות כאלה נקראת YOLO, שיכולה לאתר עצמים במעבר בודד ומהיר דרך התמונה. עם זאת, גרסאות סטנדרטיות של YOLO עדיין מתקשות לזהות פגמים זעירים מאוד, להתמודד עם הבדלים גדולים בגודל הפגם או להתעלם מרקעים מבלבלים כמו עננים, השתקפויות וכתמים.

דרך חכמה יותר לראות נזק ללהב

החוקרים בונים על דגם קל משקל YOLOv8s ומעצבנים אותו ל־SASED-YOLO, תוך הוספת מספר רכיבים חדשים המיועדים לאתגרים הספציפיים של בדיקת להבים. ראשית, מודול תשומת לב שיתופי עוזר לרשת "להתמקד" באזורים סבירים לפגם ולדכא שמים, צריח או אזורים נקיים בלהב. זה מתבצע באמצעות בחינה של התמונה הן במרחב (היכן על הלהב) והן בערוצי הצבע/תכונה (איזה סוג מרקם או צבע) ושילוב של רמזים מקומיים וגלובליים. שנית, מודול פולינג רב־קני מאפשר למערכת להסתכל על פגמים דרך "חלונות" בגדלים שונים, מטלאים זעירים עד רצועות רחבות יותר של הלהב, ואז למזג את המידע כדי שמריכולת לייצג סדקים ארוכים, נקודות מפוזרות וכתמים קטנים תהיה ייצוג ברור. שלישית, הוכנס בלוק דגימה יורדת אדפטיבי כדי שכיווץ תמונות לחיסכון בחישוב לא ימחק את הקצוות הדקים והפסים העדינים שלעיתים מסמנים נזק ראשוני.

בניית ספריית פגמים ובדיקה ריאליסטית

כדי לבדוק את הגישה שלהם בקפדנות, הצוות אסף ערכת נתונים משיוף להבים משלו, WTBD818-DET, מאחר שאוספים ציבוריים קיימים היו מוגבלים מדי. היא מכילה 7,374 תמונות עם שמונה סוגי בעיות משטח, כולל סדקים, פגיעות מטחינה, קורוזיה, פגיעות ברק, כתמי שמן, crazing (שבירות פני שטח), עצמים מצורפים ו"עיניים" על המשטח (פגמים מקומיים קטנים). התמונות תוייגו בקפידה כדי לסמן לא רק איזה פגם קיים, אלא בדיוק היכן הוא נמצא על הלהב. הפגמים משתנים באופן נרחב בגודל ובמראה, וחלק מהקטגוריות כוללות דוגמאות בודדות בלבד, מה שהופך את המשימה לדומה לתנאי תעשייה אמיתיים. החוקרים אימנו את SASED-YOLO ואת מגוון דגמי זיהוי מובילים אחרים באותם תנאים, ואז השוו כמה פגמים זוהו על ידי כל מערכת, עד כמה הם היו נכונים ובאיזו מהירות פעלו.

עיניים חדות יותר מאת המזהים הקודמים

על ערכת הנתונים של הלהבים, SASED-YOLO השיג דיוק ממוצע מדוד (mean average precision) של 87.7 אחוז, כ־10.5 נקודות אחוז יותר מהמודל הבסיסי YOLOv8s וביתרון ברור על פני מערכות מתקדמות אחרות כגון RT-DETR, Mamba וגרסאות YOLO עדכניות. הוא היה חזק במיוחד בזיהוי פגמים דקים כמו סדקי שער, נקודות קורוזיה קטנות וסרטי שמן עדינים שמודלים אחרים נטו להחמיץ או לבלבל עם רעש רקע. השוואות ויזואליות מראות ש־SASED-YOLO מייצר מסגרות חוסמות (bounding boxes) נקיות יותר סביב הנזק ופחות אזעקות שווא על פסים או השתקפויות תמימות. כדי לבדוק האם השיטה יכולה להכליל מעבר לאנרגיית רוח, המחברים החילו אותה גם על ערכת נתונים ציבורית של פגמי ריתוך ומצאו שוב שהיא עלתה על מספר מזהים מתקדמים עכשוויים.

מה זה אומר עבור חוות רוח עתידיות

בעבור לא־מומחים, המסר המרכזי הוא שעבודה זו משפרת משמעותית את "העיניים" של מערכות בדיקה אוטומטיות לטורבינות רוח. על ידי שילוב תשומת לב, צפייה ברב־קנה וטיפול זהיר בפרטים, SASED-YOLO יכול לדגל ביתר אמינות על בעיות משטח קטנות או מורכבות לפני שהן מתפתחות לתקלות יקרות. אף על פי שהמודל רץ מעט לאט יותר מהגלאים המהירים ביותר בזמן אמת, רווחי הדיוק שלו הופכים אותו מתאימים לסקרים תקופתיים עם רחפנים או לניתוח לא מקוון. עם אופטימיזציה נוספת, גישות כמו זו יכולות לעזור לשמור על חוות רוח חופיות בפעולה בטוחה ויעילה, ולשפר בשקט את האמינות ועלות־התועלת של אנרגיה נקייה.

ציטוט: Lv, F., Wang, R., Wang, Y. et al. Multi-scale defect detection technology for wind turbine blade surfaces based on the SASED-YOLO algorithm. Sci Rep 16, 7334 (2026). https://doi.org/10.1038/s41598-026-37780-9

מילות מפתח: בדיקות טורבינות רוח, גילוי פגמי משטח, למידה עמוקה, ראייה ממוחשבת, אנרגיית רוח חופית