[发明专利]一种基于航拍图像的风电叶片故障检测方法

说明书

本发明公开了一种基于航拍图像的风电叶片故障检测方法，以无人机航拍图像为研究对象，包括以下步骤：A、风电叶片航拍图像增强；B、构建风电叶片三维可视化模型；C、风电叶片图像缺陷检测；D、风电叶片图像缺陷区域分类；本发明采用的风电叶片故障检测方法，能节省风电叶故障检测的人力物力开销，显示故障位置，有效提高了风电叶片故障检测的准确率。

技术领域

本发明涉及风电叶片技术领域，具体为一种基于航拍图像的风电叶片故障检测方法。

背景技术

风电叶片是风力发电机的重要组成部分，也是最容易受到损伤的部件之一；高效的风电叶片故障检测方法，既能节省人力物力资源，也能将问题及时排除，使风力发电过程更加安全、顺畅。

目前针对风电叶片故障检测方法，主要有以下局限性：（1）人工叶片现场检测多采用目视法和敲击法，两种方法虽然简单，但是对检测人员有极大依赖性，对于叶片内部缺陷损伤难以进行准确判断；人工检测存在精度、速度和安全性等方面的限制，检测存在效率低下、结果不够可靠、危险性高和成本高等问题；（2）基于各种传感器检测方式不能从多角度识别出风机叶片缺陷的细节缺陷，无法给出实时检测结果且费用昂贵；（3）基于无人机航拍图像的风电叶片缺陷检测研究成果较少，没有高效的解决策略，且没有应用工程实际。

发明内容

本发明的目的在于提供一种基于航拍图像的风电叶片故障检测方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于航拍图像的风电叶片故障检测方法，包括以下步骤：

A、无人机采集风电叶片图像；

B、构建风电叶片三维可视化模型；

C、叶片图像缺陷检测；

D、叶片图像缺陷区域分类。

优选的，所述步骤A风电叶片航片图像增强方法如下：

a、输入待增强的风电叶片图像，若所述风电叶片图像为非灰度图像，则将所述风电叶片图像转换为灰度图像；

b、计算所述灰度图像的梯度值、局部信息熵值和对比度，将所述灰度图像进行融合，计算融合后的所述灰度图像局部信息值；

c、计算所述灰度图像的各个像素点阶次；

d、用自适应函数与Tiansi算子中的掩模模板组合，构成微分阶次自适应掩模算子，进而生成分数阶微分模板；

e、使用我们得到的所述分数阶微分模板与所述风电叶片图像进行卷积操作，得到增强的风电叶片图像。

优选的，所述步骤B构建风电叶片三维可视化模型方法如下：

a、将经过图像增强的风电叶片连续图像序列以及无人机搭载的相机内参数和校正参数输入SLAM子系统，SLAM子系统进行局部和全局优化，计算所述相机的位姿，生成关键帧并将所述关键帧存在KeyFrame缓冲池中；

b、所述KeyFrame缓冲池为深度估计模块在对照当前图像帧的情况下提供参考关键帧；

c、深度估计模块从序列中提取待估计帧，依次进行基于局部的深度恢复、随机初始化、空间传播和后处理，完成整体的深度恢复；

d、使用3D三维数据处理开源库，构建一个稠密点云融合模块，使用Surfel面元来表示每个三维点；依据详细位姿将当前深度图结合原始图像颜色信息通过反射投影获得点云，再转换至全局坐标系下，与全局模型进行融合生成优化的三维模型；

e、将风电叶片三维模型进行显示。

优选的，所述步骤C叶片图像缺陷检测方法如下：