Identificação e Localização de Falhas nas Lâminas de Turbinas Eólicas Usando Aprendizado Profundo

Este estudo aborda os desafios inerentes à manutenção e inspeção de turbinas eólicas por meio da aplicação de metodologias de aprendizado profundo para detecção de falhas nas Lâminas de Turbinas Eólicas (LTEs). Especificamente, esta pesquisa se concentra na detecção de defeitos nas lâminas de LTEs de pequeno porte devido à indisponibilidade de turbinas eólicas comerciais. Esta pesquisa comparou arquiteturas populares de localização de objetos, YOLO e Mask R-CNN, para identificar o modelo mais eficaz na detecção de defeitos comuns em LTEs, incluindo rachaduras, buracos e erosão. O modelo YOLOv9 C emergiu como o mais eficaz, com as maiores pontuações de mAP50 e mAP50-95 de 0.849 e 0.539, respectivamente. Modificações no Mask R-CNN, especificamente integrando uma rede ResNet18-FPN, reduziram a complexidade computacional em 32 camadas e alcançaram um mAP50 de 0.8415. Os resultados destacam o potencial do aprendizado profundo e da visão computacional na melhoria da análise e inspeção de falhas em LTEs.