一种人工智能自动巡检风能风机叶片系统技术方案

本发明专利技术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。本发明专利技术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。

【技术实现步骤摘要】
一种人工智能自动巡检风能风机叶片系统
本专利技术涉及风机叶片巡检
，特别涉及一种人工智能自动巡检风能风机叶片系统。
技术介绍
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。
技术实现思路
本专利技术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本文档来自技高网...

【技术保护点】
1.一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(1)和无人机全自动叶片信息采集系统(2)，其特征在于，所述无人机全自动叶片信息采集系统(2)包括运动控制模块(3)、视觉信息采集模块(4)、图像分割模块(5)、阀值调整模块(6)，所述运动控制模块(3)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(4)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(5)，所述图像分割模块(5)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(6)，所述阀值调整模块(6)根据发送的像素面积...

【技术特征摘要】
1.一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(1)和无人机全自动叶片信息采集系统(2)，其特征在于，所述无人机全自动叶片信息采集系统(2)包括运动控制模块(3)、视觉信息采集模块(4)、图像分割模块(5)、阀值调整模块(6)，所述运动控制模块(3)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(4)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(5)，所述图像分割模块(5)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(6)，所述阀值调整模块(6)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(2)向云端数字化管理平台(1)输出叶片图像信息，所述云端数字化管理平台(1)包括数据融合模块(7)、特征识别模块(8)、数据库(9)，所述数据融合模块(7)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(8)，所述数据库(9)中存储有多种叶片缺陷图像，所述特征识别模块(8)根据数据库(9)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。


2.根据权利要求1所述的一种人工智能...

【专利技术属性】
技术研发人员：孙海虹，陈晏，周翰，
申请(专利权)人：数笙智能科技上海有限公司，
类型：发明
国别省市：上海;31