一种基于机器视觉的风机叶片缺陷检测方法及系统技术方案

本发明专利技术公开了一种基于机器视觉的风机叶片缺陷检测方法及系统，方法包括：获取风机叶片的目标图像；对目标图像进行不均匀光照图像增强，得到第一增强图像；对第一增强图像按照若干不同的滤波方向进行Gabor变换，得到缺陷对比度增强图像；获取缺陷对比度增强图像的灰度梯度向量，根据灰度梯度向量确定风机叶片表面的缺陷位置。本发明专利技术通过对风机叶片的目标图像进行不均匀光照增强，降低了光照不均匀对表面缺陷检测结果的影响，通过对滤除不均匀光照后的目标图像进行滤波方向不同的若干方向Gabor变换，使目标图像中的缺陷得到增强，提高了基于机器视觉的风机叶片缺陷检测准确率，且检测到的缺陷更加完整。

【技术实现步骤摘要】
一种基于机器视觉的风机叶片缺陷检测方法及系统
本专利技术涉及缺陷检测
，尤其涉及一种基于机器视觉的风机叶片缺陷检测方法及系统。
技术介绍
风力发电机一般坐落于偏远的地区和恶劣的工作环境，从而导致叶片经常受到强烈的外力和遭受频繁的故障。据统计，2012年所有风电机事故中有19.4％归因于叶片故障，每次叶片故障都可能导致超过七天的停机时间。因此，在风机叶片出厂前进行高效而准确的表面缺陷检测至关重要，有助于减少实际应用的故障率。传统的风机叶片表面缺陷检测技术主要有声发射传感器技术，应变测量技术，超声波技术，振动传感器技术，红外热成像技术。虽然上述方法已经得到广泛的开发和利用，但是这些检测技术都是针对较明显缺陷的检测，对于叶片表面早期缺陷检测方案较少。近年来，机器视觉技术的发展为产品外观质量检测提供了新的解决方案，基于机器视觉的表面缺陷检测方法能通过图像直观的呈现缺陷尺寸和位置，有助于发现早期缺陷。视觉检测效果取决于输入图像的质量，由于风机叶片尺寸较大，且存在不规则曲面，采用基于机器视觉检测方法不可避免的会出现光照不均匀，缺陷与非缺陷相似度高，造成缺陷检测误差大。因此，现有技术还有待于改进和发展。
技术实现思路
鉴于上述现有技术的不足，本专利技术的目的在于提供一种基于机器视觉的风机叶片缺陷检测方法及系统，以解决采用基于机器视觉检测方法对风机叶片表面缺陷进行检测时，不可避免会出现光照不均匀，缺陷与非缺陷相似度高，造成缺陷检测误差大的问题。本专利技术解决技术问题所采用的技术方案如下：一种基于机器视觉的风机叶片缺陷检测方法，其中，包括步骤：获取风机叶片的目标图像；对所述目标图像进行不均匀光照图像增强，得到第一增强图像；对于所述第一增强图像，分别按照若干预设滤波方向进行Gabor变换，以得到若干第二增强图像；其中，所述若干预设滤波方向中各预设滤波方向互不相同；根据所述若干第二增强图像得到所述目标图像对应的缺陷对比度增强图像；获取所述缺陷对比度增强图像的灰度梯度向量，根据所述灰度梯度向量确定所述风机叶片的表面缺陷位置。所述的基于机器视觉的风机叶片缺陷检测方法，其中，所述对所述目标图像进行不均匀光照图像增强，得到第一增强图像的步骤包括：采用导向滤波将所述目标图像分解为卡通图和纹理图；通过预先建立的光照模型对所述卡通图进行不均匀光照图像增强，得到结构图；将所述结构图与所述纹理图相加融合，得到第一增强图像。所述的基于机器视觉的风机叶片缺陷检测方法，其中，所述采用导向滤波将所述目标图像分解为卡通图和纹理图的步骤包括：根据所述目标图像和所述导向滤波中的导向图，确定卡通图；根据所述目标图像和所述卡通图，确定纹理图。所述的基于机器视觉的风机叶片缺陷检测方法，其中，所述根据所述目标图像和所述导向滤波中的导向图，得到卡通图的步骤包括：构建导向滤波中输出图像与所述导向图的对应关系；根据所述输出图像与所述导向图的对应关系以及所述输出图像与所述目标图像之间的关系，确定导向滤波系数；根据所述导向滤波系数和所述输出图像与所述导向图的对应关系，确定卡通图。所述的基于机器视觉的风机叶片缺陷检测方法，其中，所述根据若干第二增强图像得到所述目标图像对应的缺陷对比度增强图的步骤包括：对所述若干第二增强图像进行等比例融合，得到所述目标图像对应的缺陷对比度增强图像。所述的基于机器视觉的风机叶片缺陷检测方法，其中，所述若干预设滤波方向包括0°、45°、90°以及135°。所述的基于机器视觉的风机叶片缺陷检测方法，其中，所述获取所述缺陷对比度增强图像的灰度梯度向量，根据所述灰度梯度向量确定所述风机叶片的表面缺陷位置的步骤包括：获取所述缺陷对比度增强图像在水平方向和垂直方向的灰度梯度向量；根据所述缺陷对比度增强图像在水平方向和垂直方向的灰度梯度向量，采用阈值分割法将所述缺陷对比度增强图像转换为二值化图像；根据所述二值化图像确定所述风机叶片的表面缺陷位置。所述的基于机器视觉的风机叶片缺陷检测方法，其中，所述对于所述第一增强图像，分别按照若干预设滤波方向进行Gabor变换，以得到若干第二增强图像的步骤之前包括：采用正弦函数对所述第一增强图像的灰度进行归一化处理，得到归一化图像；对所述归一化图像的灰度进行拉伸得到拉伸图像，并将所述拉伸图像作为第一增强图像。一种基于机器视觉的风机叶片缺陷检测的系统，其中，包括：图像获取装置及计算机终端；其中所述计算机终端包括：处理器、与处理器通信连接的存储介质，所述存储介质适于存储多条指令；所述处理器适于调用所述存储介质中的指令，以执行实现上述所述的风机叶片缺陷检测方法的步骤。所述的基于机器视觉的风机叶片缺陷检测的系统，其中，所述图像获取装置包括：支架、摄像机、置物台以及旋转机构；所述摄像机固定于所述支架上，所述置物台设置于所述摄像机下方并固定于所述旋转机构上；所述旋转机构包括水平旋转轴、旋转台以及垂直旋转驱动机构；所述水平旋转轴两端分别与所述置物台和所述旋转台连接，所述旋转台的上表面和下表面分别与所述水平旋转轴和所述垂直旋转驱动机构连接。有益效果：本专利技术通过对风机叶片的目标图像进行不均匀光照增强，降低了光照不均匀对表面缺陷检测结果的影响，通过对滤除不均匀光照后的目标图像进行滤波方向不同的若干方向Gabor变换，使目标图像中的缺陷得到增强，提高了基于机器视觉的风机叶片缺陷检测准确率，且检测到的缺陷更加完整。附图说明图1是本专利技术实施例一中提供的一种基于机器视觉的风机叶片缺陷检测方法的一个实施例的流程图；图2是风机叶片的目标图像；图3是图2中的目标图像经过不均匀光照图像增强和若干方向Gabor变换后，得到的缺陷对比度增强图像；图4是图2中的目标图像基于机器视觉的风机叶片缺陷检测结果图；图5是图3中的缺陷对比度增强图像基于机器视觉的风机叶片缺陷检测结果图；图6是滤波方向为0°的Gabor核的示意图；图7是滤波方向为45°的Gabor核的示意图；图8是滤波方向为90°的Gabor核的示意图；图9是滤波方向为135°的Gabor核的示意图；图10是本专利技术实施例二中提供的一种图像获取装置的正视图；图11是本专利技术实施例二中提供的一种图像获取装置的侧视图；图12是本专利技术实施例三中提供的一种计算机终端的功能原理图。附图中各标记：1、支架；2、摄像机；3、置物台；4、旋转机构；5、条形光源；11、第一水平支架；12、第一垂直伸缩支架；13、第二水平支架；14、第二垂直伸缩支架；41、水平旋转轴；42、旋转台；43、垂直旋转驱动机构；431、垂直旋转杆；432、垂直旋转轴；433、滑动皮带。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的风机叶片缺陷检测方法，其特征在于，包括步骤：/n获取风机叶片的目标图像；/n对所述目标图像进行不均匀光照图像增强，得到第一增强图像；/n对于所述第一增强图像，分别按照若干预设滤波方向进行Gabor变换，以得到若干第二增强图像，其中，所述若干预设滤波方向中各预设滤波方向互不相同；/n根据所述若干第二增强图像得到所述目标图像对应的缺陷对比度增强图像；/n获取所述缺陷对比度增强图像的灰度梯度向量，根据所述灰度梯度向量确定所述风机叶片的表面缺陷位置。/n

【技术特征摘要】
1.一种基于机器视觉的风机叶片缺陷检测方法，其特征在于，包括步骤：
获取风机叶片的目标图像；
对所述目标图像进行不均匀光照图像增强，得到第一增强图像；
对于所述第一增强图像，分别按照若干预设滤波方向进行Gabor变换，以得到若干第二增强图像，其中，所述若干预设滤波方向中各预设滤波方向互不相同；
根据所述若干第二增强图像得到所述目标图像对应的缺陷对比度增强图像；
获取所述缺陷对比度增强图像的灰度梯度向量，根据所述灰度梯度向量确定所述风机叶片的表面缺陷位置。


2.根据权利要求1所述的基于机器视觉的风机叶片缺陷检测方法，其特征在于，所述对所述目标图像进行不均匀光照图像增强，得到第一增强图像的步骤包括：
采用导向滤波将所述目标图像分解为卡通图和纹理图；
通过预先建立的光照模型对所述卡通图进行不均匀光照图像增强，得到结构图；
将所述结构图与所述纹理图相加融合，得到第一增强图像。


3.根据权利要求2所述的基于机器视觉的风机叶片缺陷检测方法，其特征在于，所述采用导向滤波将所述目标图像分解为卡通图和纹理图的步骤包括：
根据所述目标图像和所述导向滤波中的导向图，确定卡通图；
根据所述目标图像和所述卡通图，确定纹理图。


4.根据权利要求1所述的基于机器视觉的风机叶片缺陷检测方法，其特征在于，所述根据所述目标图像和所述导向滤波中的导向图，确定卡通图的步骤包括：
构建导向滤波中输出图像与所述导向图的对应关系；
根据所述输出图像与所述导向图的对应关系以及所述输出图像与所述目标图像之间的关系，确定导向滤波系数；
根据所述导向滤波系数和所述输出图像与所述导向图的对应关系，确定卡通图。


5.根据权利要求1所述的基于机器视觉的风机叶片缺陷检测方法，其特征在于，所述根据若干第二增强图像得到所述目标图像对应的缺陷对比度增强图的步骤包括：
对所述若干第二增强图像进行等比例融合，得到所述目标图像...

【专利技术属性】
技术研发人员：彭业萍，王伟江，曹广忠，郭小勤，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44