[发明专利]一种人工智能自动巡检风能风机叶片系统

说明书

本发明公开了一种人工智能自动巡检风能风机叶片系统，包括云端数字化管理平台和无人机全自动叶片信息采集系统，无人机全自动叶片信息采集系统包括运动控制模块、视觉信息采集模块、图像分割模块、阀值调整模块，运动控制模块控制无人机按照预定的轨道方向行驶，视觉信息采集模块采用固定在无人机上的摄像头采集风机叶片上的图像信息并将图像数据发送至图像分割模块，图像分割模块将图像信息分割成前景区域与背景区域的图像，云端数字化管理平台包括数据融合模块、特征识别模块、数据库。本发明采用图像分割模块和阀值调整模块可以对摄像头进行自动化调整焦距，使无人机在采集图像数据时更加清晰，然后通过特征识别模块提高叶片缺陷的识别效率。

技术领域

本发明涉及风机叶片巡检技术领域，特别涉及一种人工智能自动巡检风能风机叶片系统。

背景技术

叶片作为风力发电机组中一个非常关键的部件，它的气动效率决定了风力发电机组利用风能的能力。叶片高速转动时不可避免会与空气中的沙尘、颗粒产生摩擦和撞击，导致叶片前缘磨碎，前缘粘合会因此开裂。另外，随着风机运行年限的增加，叶片表面胶衣磨损、脱落后会出现砂眼和裂纹，这些缺陷都会对风机发电量产生影响。而随着缺陷的扩张甚至会导致叶片事故的发生。因此，目前需要巡检人员经常对风机的叶片进行巡检，对叶片缺陷能够及时发现，及时跟踪，及时解决，延长叶片寿命，预防不必要的故障停机及缺陷扩大化，提高风电场的上网电量，但人工巡检模式存在安全性差、工作量大、效率低，以及受观测角度影响，不能全面及时发现等问题，以及即便采用无人机巡检，由于其不够智能，也会导致采集数据不清晰，巡检数据不稳定等情况发生。

发明内容

本发明要解决的技术问题是克服现有技术的缺陷，提供一种人工智能自动巡检风能风机叶片系统，解决目前人工巡检模式存在安全性差、工作量大、效率低，以及受观测角度影响，不能全面及时发现等问题，以及即便采用无人机巡检，由于其不够智能，也会导致采集数据不清晰，巡检数据不稳定等情况发生的问题。

为了解决上述技术问题，本发明提供了如下的技术方案：

本发明一种人工智能自动巡检风能风机叶片系统，包括云端数字化管理平台和无人机全自动叶片信息采集系统，所述无人机全自动叶片信息采集系统包括运动控制模块、视觉信息采集模块、图像分割模块、阀值调整模块，所述运动控制模块控制无人机按照预定的轨道方向行驶，所述视觉信息采集模块采用固定在无人机上的摄像头采集风机叶片上的图像信息并将图像数据发送至图像分割模块，所述图像分割模块通过OTSU算法利用灰度阀值将图像信息分割成前景区域与背景区域的图像，并将前景图像的像素面积数据发送至阀值调整模块，所述阀值调整模块根据发送的像素面积数据与预设的前景像素面积数据进行比较，并根据比较结果调整摄像头的焦距，直到与预设的像素面积相同，所述无人机全自动叶片信息采集系统向云端数字化管理平台输出叶片图像信息，所述云端数字化管理平台包括数据融合模块、特征识别模块、数据库，所述数据融合模块采用加权平均进行数据融合，将原来的无人机图像进行拼接，并将拼接后的图像发送至特征识别模块，所述数据库中存储有多种叶片缺陷图像，所述特征识别模块根据数据库中的叶片缺陷图像和拼接后的图像采用HAAR+AdaBoost的检测方法识别出拼接后的图像中的叶片缺陷图像，并输出缺陷类型。

作为本发明的一种优选技术方案，还包括无限信号传输模块，所述无限信号传输模块为无人机全自动叶片信息采集系统和云端数字化管理平台之间提供信号传输通道。

作为本发明的一种优选技术方案，所述数据融合模块采用加权平均进行数据融合的公式为

其中w₁和w₂分别为待拼接图像重叠区域中对应的像素的权重，f₁(x，y)和f₂(x，y)分别为待拼接的传输图像，f(x，y)为拼接后的数据图像，满足w₁+w₂＝1,0＜w₁,w₂＜1。