风叶片前缘材料、涂层的腐蚀、裂缝或退化，会极大地影响其空气动力学性能，对发电量产生影响。有数字显示，叶片受损可造成海上风场1.5%--8%的发电量损失。

传统模式下对叶片健康状态的检测比较困难:能使用的方式不过是借助高倍望远镜，"蜘蛛人”叶片检修平台,不依靠人工的解决方案几乎为零,安全性和监测精度都是现在的重大难题。

借助计算机视觉技术,特种飞行机器人在巡检时可以锁定叶片上1~ 3毫米的裂缝,并拍摄出清晰图传统模式下对叶片健康状态的检测比较困难:能使用的方式不过是借助高倍望远镜，"蜘蛛人”叶片

检修平台,不依靠人工的解决方案几乎为零,安全性和监测精度都是现在的重大难题。借助计算机视觉技术,特种飞行机器人在巡检时可以锁定叶片上1~ 3毫米的裂缝,并拍摄出清晰图像,甚至连停留在叶片上苍蝇的翅膀纹路都能看得十分清楚。

而搭载了”计算机视觉技术和核心控制策略”的特种飞行机器人全自动巡检方案，实现近距离捕捉毫米级缺陷,达到最佳的检测效果。

“三维自动驾驶”+ '传感器’ ,机器人的飞行路线不依靠建模,而是采用多传感器反馈信号与视觉识别相融合,实时规划路径。"核心控制策略” ,它能让特种机器人100%全自动飞行并锁定故障点。“计算机视觉技术”能够独立完成叶片巡检动作。

全自动叶片巡检方案可以不限风机的品牌、朝向、高度，在25分钟内实现3个叶片12条路径的全自动飞行,相比传统方式效率提升近10倍。