[发明专利]一种基于图像处理的风力发电机叶片表面缺陷检测方法

权利要求书

1.一种基于图像处理的风力发电机叶片表面缺陷检测方法，其特征在于包括：图像采集装置、偏振片、信号传输装置和后台处理系统；

所述图像采集装置安装在每台风力发电机组的风机支架上，所述图像采集装置对准相邻风力发电机叶片，对风力发电机叶片进行图像采集，所述图像采集装置以自然光作为光源，在所述图像采集装置前加装偏振片；

所述信号传输装置将采集的叶片图像传送到所述后台处理系统，所述后台处理系统对图像进行分析和处理，确定风力发电机叶片表面状态。

2.根据权利要求1所述的基于图像处理的风力发电机叶片表面缺陷检测方法，其特征在于：所述后台处理系统对图像进行分析和处理包括以下步骤：

步骤(1)：进行风力发电机叶片图像预处理；

步骤(2)：进行风力发电机叶片表面缺陷标记，确定叶片表面缺陷的位置；

步骤(3)：进行风力发电机叶片表面缺陷的类型判别，确定叶片表面的缺陷类型。

3.根据权利要求2所述的基于图像处理的风力发电机叶片表面缺陷检测方法，其特征在于：所述步骤(1)还包括：

①利用暗通道先验和大气散射模型实现所述叶片图像的去雾去模糊；

②将所述叶片图像转换成叶片灰度图像，并对所述叶片灰度图像进行直方图归一化，采用Canny算子提取叶片区域的边缘轮廓，把所述叶片灰度图像转换成二值图，提取出叶片区域；

③将叶片区域划分为几个子区域，分别对每个子区域进行缺陷标记和类型判别。

4.根据权利要求2所述的基于图像处理的风力发电机叶片表面缺陷检测方法，其特征在于：所述步骤(2)还包括：

①基于谱残差法生成所述叶片灰度图像的显著图；

②采用基于马氏距离的显著图增强，所述叶片灰度图像中正常像素值和缺陷像素值存在较大差异，通过计算所述叶片灰度图像中每个点的像素值与整个图像像素均值的马氏距离和设定马氏距离阈值来区分正常像素点和缺陷像素点；

当马氏距离小于阈值则认为是正常像素点；否则，将像素点归为缺陷像素点；通过显著图增强，得到风力发电机叶片图像的二值图像；

③利用邻域连通标记法，对所有的目标像素点进行连通区域检测，标记出缺陷区域，并对缺陷区域进行图像形态学处理，在风力发电机叶片图像中标记出缺陷位置。

5.根据权利要求2所述的基于图像处理的风力发电机叶片表面缺陷检测方法，其特征在于：所述步骤(3)还包括：

①对风力发电机叶片图像进行二维离散傅里叶变换，得到傅里叶变换的幅度谱、相位谱和能量谱分别为：

φ(u,v)＝arctg[I(u,v)/R(u,v)]

E(u,v)＝R²(u,v)+I²(u,v)

其中F(u,v)是频域图像谱，R(u,v)，I(u,v)分别表示F(u,v)的实部和虚部；p(u,v)＝|F(u,v)|²是傅里叶功率谱，即能量谱；

傅里叶变换的频谱分布是以图像原点为对称的，具有共轭对称性，即|F(u,v)|＝|F(-u,-v)|；

②基于周向谱能量提取图像特征，利用长方环内功率谱能量占整个风力发电机叶片图像功率谱总能量的百分比作为纹理特征；

周向谱能量计算公式为：

p(u,v)＝|F(u,v)|²

设图像大小为L×W，图像中心为(L/2，W/2)，均匀地把图像功率谱分成M个等宽的长方环，则每个长方环内占总能量百分比为

其中，E_i＝∑p(u,v)，

其中，i＝0,1,…,M-1；

③利用灰度共生矩阵提取图像特征，将各个元素P(i,j)除以各元素之和S做归一化处理，得到归一化灰度共生矩阵；采用能量、相关性和熵三个不相关的特征量来提取图像的纹理特征，其中L是图像像素的灰度级，

能量：

相关性：

式中μ₁，μ₂，σ₁和σ₂分别定义为：

熵：

对风力发电机叶片图像分别求取它们灰度共生矩阵中的这三个统计量；

④采用支持向量机进行叶片表面缺陷的类型判别，以能量、相关性、熵和傅里叶频谱图长方环能量所占百分比构成特征空间，对样本进行分类和预测，确定风力发电机叶片表面状态。