[发明专利]风机叶片覆冰厚度的识别方法、设备及存储介质

权利要求书

1.一种风机叶片覆冰厚度的识别方法，其特征在于，包括：

采集包含覆冰风机叶片的第一图像，并对所述第一图像进行降噪处理，得到第二图像；其中，所述覆冰风机叶片为表面覆冰的风机叶片；

基于最大类间方差阈值分割算法，对所述第二图像进行边缘特征提取，得到所述覆冰风机叶片的第一边缘轮廓；基于最大类间方差阈值分割算法及改进权重的粒子群算法的耦合算法，对所述第二图像进行边缘特征提取，得到所述覆冰风机叶片的第二边缘轮廓；对所述第一边缘轮廓和所述第二边缘轮廓进行整合处理，得到所述覆冰风机叶片的边缘轮廓；

根据所述覆冰风机叶片的边缘轮廓和未覆冰风机叶片的边缘轮廓，确定所述风机叶片的覆冰厚度。

2.如权利要求1所述的风机叶片覆冰厚度的识别方法，其特征在于，在所述基于最大类间方差阈值分割算法及改进权重的粒子群算法的耦合算法，对所述第二图像进行边缘特征提取，得到所述覆冰风机叶片的第二边缘轮廓之前，所述方法还包括：

将所述第二图像输入至预先训练好的叶片覆冰预测模型中，得到所述第二图像各像素点的覆冰概率；

基于最大类间方差阈值分割算法及改进权重的粒子群算法的耦合算法，对所述第二图像进行边缘特征提取，得到所述覆冰风机叶片的第二边缘轮廓，包括：

基于各像素点的覆冰概率、最大类间方差阈值分割算法及改进权重的粒子群算法的耦合算法，对所述第二图像进行边缘特征提取，得到所述覆冰风机叶片的第二边缘轮廓。

3.如权利要求2所述的风机叶片覆冰厚度的识别方法，其特征在于，所述基于各像素点的覆冰概率、最大类间方差阈值分割算法及改进权重的粒子群算法的耦合算法，对所述第二图像进行边缘特征提取，得到所述覆冰风机叶片的第二边缘轮廓，包括：

当目标像素点的覆冰概率大于预设阈值时，将所述目标像素点的迭代惯性权重值的小数位数设为第一预设位数，基于最大类间方差阈值分割算法以及所述第一预设位数的改进权重的粒子群算法，对所述第二图像的边缘进行边缘特征提取，得到所述覆冰风机叶片的第二边缘轮廓；其中，所述目标像素点为所述第二图像的边缘的任意像素点；

当所述目标像素点的覆冰概率小于预设阈值时，将所述目标像素点的迭代惯性权重值的小数位数设为第二预设位数，基于最大类间方差阈值分割算法以及所述第二预设位数的改进权重的粒子群算法，对所述第二图像的边缘进行边缘特征提取，得到所述覆冰风机叶片的第二边缘轮廓；其中，所述第一预设位数大于所述第二预设位数。

4.如权利要求1所述的风机叶片覆冰厚度的识别方法，其特征在于，所述对所述第一边缘轮廓和所述第二边缘轮廓进行整合处理，得到所述覆冰风机叶片的边缘轮廓，包括：

将所述第一边缘轮廓内的区域和所述第二边缘轮廓内的区域的交集区域的轮廓，确定为所述覆冰风机叶片的边缘轮廓。

5.如权利要求1所述的风机叶片覆冰厚度的识别方法，其特征在于，所述对所述覆冰风机叶片的边缘轮廓和未覆冰风机叶片的边缘轮廓分别进行坐标校正处理后，得到所述风机叶片的覆冰厚度，包括：

将所述覆冰风机叶片的边缘轮廓和未覆冰风机叶片的边缘轮廓由像素坐标系下转换到世界坐标系下；

在世界坐标系下，针对所述覆冰风机叶片的边缘轮廓与所述未覆冰风机叶片边缘轮廓上对应同一叶片位置的每两个像素点，将该两个像素点之间的像素个数与单个像素的实际长度相乘，得到该两个像素点所对应的叶片位置的覆冰厚度。

6.如权利要求1所述的风机叶片覆冰厚度的识别方法，其特征在于，所述对所述第一图像进行降噪处理，得到第二图像，包括：

基于非局部均值滤波法，对所述第一图像进行降噪处理，得到第二图像；其中，所述第一图像为所述风机叶片的厚度方向上的图像。

7.如权利要求2所述的风机叶片覆冰厚度的识别方法，其特征在于，所述叶片覆冰预测模型为支持向量机模型，所述支持向量机模型通过多个经过降噪处理的历史覆冰图像进行训练和测试；其中，所述历史覆冰图像包括风机因覆冰厚度过厚而停机检修的覆冰图像。