[发明专利]风电机组外观缺陷的检测方法、平台、无人机以及系统

说明书

本发明实施例提供了一种风电机组外观缺陷的检测方法、平台、无人机以及系统。所述方法包括：步骤1，无人机根据风电机组的风机状态确定无人机的飞行航线；步骤2，所述无人机沿着所述飞行航线进行自动巡检，拍摄所述风电机组的风机的视频流；步骤3，根据当前网络连接状态，选择所述无人机给平台实时推送所述视频流或所述无人机飞行完成后给所述后台推送所述视频流。本发明能够提高检测的自动化水平。

技术领域

本发明涉及检测领域，尤其涉及一种风电机组外观缺陷的检测方法、平台、无人机以及系统。

背景技术

我国的风力发电效率与发达国家相比还有一定差距，主要是由风机故障频发而造成的停机。我国自本世纪初开始大力发展风电行业至今，首批风机已经接近寿命极限，甚至部分风机已经超出保质期，这边造成风机的故障层出不穷。其中，造成故障最为严重、检测难度最大、维护成本最高的部件损伤当属风机叶片，由于风力的不断作用，风机叶片也是最容易受损的部位，叶片容易出现裂纹，进而增加风机运行阻力，减少风机发电量，严重时会导致叶片断裂进而导致严重的安全事故。

发明内容

本发明的实施例提供了一种风电机组外观缺陷的检测方法、平台、无人机以及系统，能够提高检测的自动化水平。

一种风电机组外观缺陷的检测方法，包括：

步骤1，无人机根据风电机组的风机状态确定无人机的飞行航线；

步骤2，无人机沿着所述飞行航线进行自动巡检，拍摄所述风电机组的风机的视频流；

步骤3，根据当前网络连接状态，选择给平台实时推送所述视频流或飞行完成后给所述后台推送所述视频流。

所述的方法，还包括：

步骤4，所述后台接收到所述视频流后，对所述视频流进行分析，识别出所述视频流中包含有风电机组缺陷的第一视频帧信息；

步骤5，所述后台保存所述第一视频帧信息，所述第一视频帧信息包括：所述视频帧的标识、风电机组缺陷类型、缺陷目标中的一个或者多个的任意组合；

步骤6，所述后台输出所述第一视频帧信息。

所述步骤1包括：

当风电机组的风机在静态状态下，飞行航线为：无人机贴合叶片以预定速度飞行；

当风电机组的风机在转动状态下，飞行航线为：在垂直于叶片所在平面并穿过叶片轮毂中心的轴线上，以距离所述叶片轮毂中心预定安全距离的位置处为起点，向远处以预定速度飞行。

所述的方法，其还包括：

步骤7，当识别出所述视频流中包含有风电机组缺陷的第二视频帧信息时，与所述第一视频帧信息进行比较；当所述第二视频帧信息与所述第一视频帧信息的风电机组缺陷类型、风电机组缺陷目标均一致时，则不保存所述第二视频帧信息。

所述步骤4具体为：使用YOLOV3算法进行检测；该步骤具体包括：

收集所述风电机组的风机叶片的带有缺陷的巡检视频或图像，作为训练素材；

进行标注，将所述训练素材中的缺陷部位通过画框方式标注出来，生成模型训练需要的训练样本；

对标注后获得的训练样本发送给所述平台进行迭代训练，训练完成后，得到针对风电机组得风机叶片的缺陷的检测模型；

对所述检测模型进行测试和调优，选择精度符合模型发布要求的，将模型植入到YOL OV3算法模型中，进行检测。

所述步骤7具体为：使用DeepSort多目标追踪算法进行处理，具体包括：

基于YOLOV3的目标检测算法，识别出第二视频帧的缺陷目标，以此作为第一目标框；