[发明专利]风电叶片损伤检测方法

说明书

本公开揭示了一种风电叶片损伤检测方法，包括：S1、针对风电机组叶片的区域设定M*N个数据采集区域，M和N为自然数；S2、依序采集所述数据采集区域的图像信息，图像信息至少包括有所述数据采集区域的序号信息；S3、针对不同的所述数据采集区域提取所述图像信息中的第一特征；S4、基于所述第一特征，基于特征匹配算法对多个所述数据采集区域的图像信息进行拼接，获得拼接图像帧；S5、针对所述拼接图像帧，进行图像识别，判断是否存在缺陷特征。本发明提供的风电叶片损伤检测方法，可通过针对风电机组叶片进行多次局部的数据采集，而后再拼接成整幅图像，对该整幅图像进行基于卷积神经网络算法模型的图像识别，即可确定出风电叶片上对应的损伤区域。

技术领域

本发明涉及一种图像识别方法，特别是一种风电叶片损伤检测方法。

背景技术

风能作为一种清洁可再生的环境友好型能源，已在各个领域得到广泛应用。而出于最大限度利用风能的目的，风力发电场一般选择在海上、戈壁滩以及山区等空旷地区。其中陆上风电，大多建设在风力资源较集中的区域，但这些区域通常会存在风沙天气频繁的特点，风力发电机叶片表面常年受到风沙的侵蚀而造成表面凹坑、划痕、裂纹等各种缺陷，这些缺陷若不及时加以修复往往会导致不可逆重大安全事故。目前传统叶片表面缺陷检测方法主要有敲击辩音、地面望远镜观察以及人工目测等，以上列举的多种方法或多或少存在盲区大、耗时时间较长、劳动强度较大，或者存在高空作业、效率低等弊端。

发明内容

鉴于现有技术存在的上述问题，本发明的一个方面的目的在于提供一种可通过机器视觉的方法对风电叶片损伤进行检测的风电叶片损伤检测方法。

为了实现上述目的，本发明一个方面提供的风电叶片损伤检测方法，包括：

S1、针对风电机组叶片的区域设定M*N个数据采集区域，M和N为自然数；

S2、依序采集所述数据采集区域的图像信息，所述图像信息至少包括有所述数据采集区域的序号信息；

S3、针对不同的所述数据采集区域提取所述图像信息中的第一特征；

S4、基于所述第一特征，基于特征匹配算法对多个所述数据采集区域的图像信息进行拼接，获得拼接图像帧；

S5、针对所述拼接图像帧，进行图像识别，判断是否存在缺陷特征。

作为优选，进行图像识别时，通过如下任何一种或多种来实现：图像检索算法、针对已知分类的样本图像的匹配算法或图像分类算法。

作为优选，在针对风电机组叶片进行数据采集区域划分时，通过可调云台，调整图像采集单元以叶片旋转中心区域作为第一数据采集区域，而后通过可调云台，依序形成围绕所述第一数据采集区域的其他区域；其中，M=N=3。

作为优选，提取所述图像信息中的第一特征，包括：

依据图像信息的序号信息，确定与其相邻的图片信息的第一区域；

将两副相邻图像的所述第一区域映射到同一坐标系；

基于同一坐标系，基于RGB像素匹配；

基于设定的阈值，设定匹配值高于阈值的区域为置信区域；

将所述置信区域存储为第一特征。

作为优选，基于特征匹配算法进行图像拼接时，包括：基于OpenCV的SURF算法进行图像拼接。

作为优选，进行图像识别时，包括：

针对拼接图像，提取图像中包含的第二特征；

将第二特征输入卷积神经网络算法模型进行特征识别。

作为优选，提取图像中包含的第二特征，包括：

调用风电叶片缺陷训练库文件，提取训练库文件中的关键区域；

当检测到关键区域时，记录所述关键区域的中心点坐标。

作为优选，在进行图像拼接和/或图像识别之前，还包括对图像信息进行预处理，该预处理包括：