8月28日消息，发表于期刊《Scientific Data》的一项研究发布了CoatingDet——一个用于风电塔筒制造中涂层缺陷检测的高分辨率图像数据集。研究团队在西班牙加利西亚GRI Renewable Industries的风电塔筒制造工厂内，用移动计算机视觉系统采集了5416张涂层塔筒组件RGB图像，并叠加精细缺陷标注。

风电塔筒依赖防护涂层防腐延寿，针孔、夹杂物、划痕和污染物等小缺陷都可能破坏防护层。而单座塔筒涂层表面积可超过2000平方米，质检员需在大曲率表面长时间人工检查，耗时且易受疲劳与主观判断影响。自动化视觉检测因此被寄予厚望，但此前工业数据集多聚焦金属表面或实验室环境，缺乏真实制造场景数据。

CoatingDet覆盖五类表面：四类关键缺陷（夹杂物、针孔、划痕、污染物）加一类次要颗粒（灰尘等）。团队从图像中生成2385个图像切片、2461个标注实例，其中关键缺陷773个、颗粒1688个，并按训练/验证/测试集拆分。数据采集历时约三年，采用人工与移动系统结合的方式在质检间隙拍摄无缺陷表面。

技术验证环节，研究者测试了两种目标检测模型：轻量级YOLOv11n（面向快速检测）和基于Transformer注意力的RT-DETR（可捕获更广上下文），证明数据集可用于训练与基准评测。对风电产业链而言，涂层质量直接决定塔筒20年服役寿命内的维护成本，随着全球风电装机提速，制造端质检自动化是降本的关键抓手，此类开放数据集将显著降低AI质检系统的开发门槛。 （来源：AZoM）