【技术实现步骤摘要】
一种风力发电叶片缺陷智能比对方法、装置及电子设备
[0001]本专利技术涉及缺陷检测
，尤其涉及一种风力发电叶片缺陷智能比对方法、装置及电子设备。
技术介绍
[0002]风力发电叶片防护，一般采用覆膜及保护漆等多种模式，在保护漆施工过程中对人工操作动作要求熟练及快捷精准，施工中需要多人高默契协同，对加工环境的风速、湿度、大气压也有一定的要求。保护漆面高标准的要求是为了让风力发电叶片在复杂的自然环境中适应多样性，以便于持久维持叶片转动发电的经济效益，减少因外界因素带来的后期频繁运维和巡检费用。
[0003]风力发电叶片保护漆施工面质量指标检测，包含保护漆施工面光滑、平整、塔接、损坏等多项检测指标，目前只能通过施工人员用肉眼对单位颗粒度作业面进行人工识别。因日光折射、灯光照射、识别角度、检测面自身高度等外界因素，存在对叶片不同部位的质量检测速度慢、准确度、遗漏率高的问题。
[0004]风力发电叶片保护漆施工工艺为多遍涂刷，对每层保护漆施工作业的质量检测，是质量保障的重点和难点，因每层施工间隔作业时间短，要实...
【技术保护点】
【技术特征摘要】
1.一种风力发电叶片缺陷智能比对方法，其特征在于，包括：获取叶片缺陷视频；将所述叶片缺陷视频逐一分帧，得到若干个最小颗粒度的分帧图片；识别出所述最小颗粒度的分帧图片中的缺陷特征元；标记所述最小颗粒度的分帧图片的缺陷特征元的位置；将所述最小颗粒度的分帧图片的缺陷特征元与构建的叶片缺陷特征元比对库匹配，得到缺陷类型比对结果；反馈所述缺陷类型比对结果至用户端。2.如权利要求1所述的风力发电叶片缺陷智能比对方法，其特征在于，所述构建叶片缺陷特征元比对库，包括：逐一识别现有叶片缺陷图片的缺陷特征元；标记所述现有叶片缺陷图片的缺陷特征元的位置及类型；基于所述叶片缺陷图片的缺陷特征元的类型将相应的所述叶片缺陷图片归类，得到叶片缺陷特征元比对库。3.如权利要求2所述的风力发电叶片缺陷智能比对方法，其特征在于，在所述逐一识别所述叶片缺陷图片的缺陷特征元之前，还包括：获取若干张待处理叶片缺陷图片；判断若干张所述待处理叶片缺陷图片是否存在重复图片和/或无效图片；当若干张所述待处理叶片缺陷图片存在重复图片和/或无效图片时，将所述重复图片和/或无效图片做记号；将有记号的待处理图片剔出，得到现有叶片缺陷图片。4.如权利要求3所述的风力发电叶片缺陷智能比对方法，其特征在于，所述逐一识别获取的叶片缺陷图片的缺陷特征元，并标记所述叶片缺陷图片的缺陷特征元的位置及类型，包括：利用卷积神经网络图形识别模型和叶片缺陷特征元比对库识别出所述叶片缺陷图片的缺陷特征元；标记出所述叶片缺陷图片的缺陷特征元及其类型；利用卷积神经网络数字识别模型识别出所述叶片缺陷图片的缺陷特征元在所述叶片缺陷图片对应的位置。5.如权利要求3所述的风力发电叶片缺陷智能比对方法，其特征在于，所述判断若干张所述待处理叶片缺陷图片是否存在重复图片和/或无效图片之前，还包括：对若干张所述待处理叶片缺陷图片进行切边、旋转、拉伸以及图像增强中的至少一种方式进行图像处理。6.如权利要求1所述的风力发电叶片缺陷智能比对方法，其特征在于，所述将所述最小颗粒度的分帧图片的缺陷特征元与构建的叶片缺陷特征元比对库匹配，得到缺陷类型比对结果，包括：将所述最小颗粒度的分帧图片的缺陷特征元与构建的叶片缺陷特征元比对库匹配，得到所述最小颗粒度的分帧图片的缺陷特征元与不同缺陷类型的相似度；判断不同缺陷类型与所述最小颗粒度的分帧图片的缺陷特征元的相似度是否超过阈值；
当不同缺陷类型与所述最小颗粒度的分帧图片的缺陷特征元的相似度超过阈值时，将所有所述相似度超过所述阈值的缺陷类型排序，得到缺陷类型比对结果。7.一种风力发电叶片缺陷智能比对装置，其特征在于，包括：获取模块，用以获取叶片缺陷视频；分帧模块，用以将所述叶片缺陷视频逐一分帧，得到若干个最小颗粒度的分帧图片；识别模块，用以识别出所述最小颗粒度的分帧图片中的缺陷特...
【专利技术属性】
技术研发人员：张华勇，刘正伟，崔园园，刘宝营，
申请(专利权)人：麦加芯彩新材料科技上海股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。