一种风机叶片缺陷定位方法及系统技术方案

本发明专利技术涉及图像处理领域，具体涉及一种风机叶片缺陷定位方法及系统，其方法包括，构建风机叶片数学模型，拍摄风机叶片图片组；对风机叶片图片组进行缺陷识别；在缺陷风机叶片图片中标定出径向弦长参考线，并计算径向弦长参考线的实际长度与像素长度之间的转换系数；基于径向弦长参考线，根据缺陷中心点坐标以及转换系数，在风机叶片数学模型中标注出缺陷中心点的坐标。本发明专利技术利用作径向弦长参考线的方法计算出实际长度和像素长度之间的转换系数，且利用转换系数计算出缺陷相对边缘线和叶根的距离比例，从而将缺陷在图片中的位置映射至风机叶片数学模型上实现定风机叶片缺陷的定位，有利于对于风机叶片检查结果进行信息化跟踪管理。管理。管理。

【技术实现步骤摘要】
一种风机叶片缺陷定位方法及系统


[0001]本专利技术涉及图像处理领域，具体涉及一种风机叶片缺陷定位方法及系统。

技术介绍

[0002]风力发电机的叶片运行进入中期后，在反复的疲劳载荷作用下，很多叶片开始出现局部开裂、分层等的问题，部分严重的就会发生断裂。如果我们能够及时发现这些缺陷，在缺陷没有扩展前进行有效修复，就可以避免大多数叶片断裂事故的发生。
[0003]目前无人机已越来越广泛的用于工业巡检领域，成为给能源行业的企业提供安全、高效的检查和数据收集的有效手段。无人机拍摄风机叶片的照片结合人工智能图像识别算法，就可以提高叶片检查的质量和效率，增加了风场运维的安全性。
[0004]现有的基于机器视觉对风机叶片缺陷进行图像识别的技术很多，但是很少有对缺陷进行定位。

技术实现思路

[0005]本专利技术所要解决的技术问题是提供一种风机叶片缺陷定位方法及系统，可以定位出风机叶片中的缺陷。
[0006]本专利技术解决上述技术问题的技术方案如下：一种风机叶片缺陷定位方法，包括以下步骤，
[0007]S1，根据风机叶片的已知参数构建风机叶片数学模型；利用搭载有相机的无人机沿着风机叶片的表面在叶根到叶尖之间飞行拍摄一组风机叶片图片，得到风机叶片图片组；
[0008]S2，基于MaskR
‑
CNN的深度神经网络对所述风机叶片图片组进行缺陷识别，得到缺陷风机叶片图片以及所述缺陷风机叶片图片中缺陷中心点的图片坐标系坐标；其中，所述缺陷风机叶片图片为所述风机叶片图片组中具有缺陷的风机叶片图片；
[0009]S3，在所述缺陷风机叶片图片中标定出径向弦长参考线，并计算出所述径向弦长参考线在所述缺陷风机叶片图片中的像素长度；基于所述风机叶片数学模型，根据所述无人机在拍摄过程中的GPS坐标，计算出所述径向弦长参考线在风机叶片中的实际长度；将所述径向弦长参考线在风机叶片中的实际长度与在所述缺陷风机叶片图片中的像素长度作比例计算，得到实际长度和像素长度之间的转换系数；
[0010]S4，基于所述径向弦长参考线，根据缺陷中心点的图片坐标系坐标以及所述转换系数，在所述风机叶片数学模型中标注出所述缺陷风机叶片图片中缺陷中心点的坐标。
[0011]基于上述一种风机叶片缺陷定位方法，本专利技术还提供一种风机叶片缺陷定位系统。
[0012]一种风机叶片缺陷定位系统，用于实现上述所述的风机叶片缺陷定位方法，包括如下模块，
[0013]模型构建及图片拍摄模块，其用于根据风机叶片的已知参数构建风机叶片数学模
型；利用搭载有相机的无人机沿着风机叶片的表面在叶根到叶尖之间飞行拍摄一组风机叶片图片，得到风机叶片图片组；
[0014]缺陷识别模块，其用于基于MaskR
‑
CNN的深度神经网络对所述风机叶片图片组进行缺陷识别，得到缺陷风机叶片图片以及所述缺陷风机叶片图片中缺陷中心点的图片坐标系坐标；其中，所述缺陷风机叶片图片为所述风机叶片图片组中具有缺陷的风机叶片图片；
[0015]转换系数计算模块，其用于在所述缺陷风机叶片图片中标定出径向弦长参考线，并计算出所述径向弦长参考线在所述缺陷风机叶片图片中的像素长度；基于所述风机叶片数学模型，根据所述无人机在拍摄过程中的GPS坐标，计算出所述径向弦长参考线在风机叶片中的实际长度；将所述径向弦长参考线在风机叶片中的实际长度与在所述缺陷风机叶片图片中的像素长度作比例计算，得到实际长度和像素长度之间的转换系数；
[0016]缺陷定位模块，其用于基于所述径向弦长参考线，根据缺陷中心点的图片坐标系坐标以及所述转换系数，在所述风机叶片数学模型中标注出所述缺陷风机叶片图片中缺陷中心点的坐标。
[0017]本专利技术的有益效果是：在本专利技术一种风机叶片缺陷定位方法及系统中，通过基于MaskR
‑
CNN的深度学习算法，可以准确识别风机叶片上的缺陷及类型，并利用作径向弦长参考线的方法计算出实际长度和像素长度之间的转换系数，且利用转换系数计算出缺陷相对边缘线和叶根的距离比例，从而将缺陷在图片中的位置映射至风机叶片数学模型上实现定风机叶片缺陷的定位，方便后期实现可视化展示和自动化报告的生成，有利于对于风机叶片检查结果进行信息化跟踪管理。
附图说明
[0018]图1为本专利技术一种风机叶片缺陷定位方法的流程图；
[0019]图2为风机叶片数学模型的示意图；
[0020]图3为风机叶片表面为迎风面或背风面时径向弦长参考线的标定示意图；
[0021]图4为风机叶片表面为前缘面或后缘面时径向弦长参考线的标定示意图；
[0022]图5为本专利技术一种风机叶片缺陷定位系统的结构框图。
具体实施方式
[0023]以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0024]如图1所示，一种风机叶片缺陷定位方法，包括以下步骤，
[0025]S1，根据风机叶片的已知参数构建风机叶片数学模型；利用搭载有相机的无人机沿着风机叶片的表面在叶根到叶尖之间飞行拍摄一组风机叶片图片，得到风机叶片图片组；
[0026]S2，基于MaskR
‑
CNN的深度神经网络对所述风机叶片图片组进行缺陷识别，得到缺陷风机叶片图片以及所述缺陷风机叶片图片中缺陷中心点的图片坐标系坐标；其中，所述缺陷风机叶片图片为所述风机叶片图片组中具有缺陷的风机叶片图片；
[0027]S3，在所述缺陷风机叶片图片中标定出径向弦长参考线，并计算出所述径向弦长参考线在所述缺陷风机叶片图片中的像素长度；基于所述风机叶片数学模型，根据所述无
人机在拍摄过程中的GPS坐标，计算出所述径向弦长参考线在风机叶片中的实际长度；将所述径向弦长参考线在风机叶片中的实际长度与在所述缺陷风机叶片图片中的像素长度作比例计算，得到实际长度和像素长度之间的转换系数；
[0028]S4，基于所述径向弦长参考线，根据缺陷中心点的图片坐标系坐标以及所述转换系数，在所述风机叶片数学模型中标注出所述缺陷风机叶片图片中缺陷中心点的坐标。
[0029]下面对各步骤进行具体解释说明：
[0030]在所述S1中：
[0031]所述风机叶片的已知参数包括叶根节圆直径PitchDim、叶片长度BladeLength、叶片最大径向弦长MaxChordLen以及叶片最大径向弦长处至叶根距离MaxChordDis。所述风机叶片数学模型如图2所示，在所述图2中，点P1的纵坐标值代表叶根节圆直径，点P3的横坐标值代表叶片长度，点P2的纵坐标值代表叶片最大径向弦长，点P4的横坐标值代表叶片最大径向弦长处至叶根距离。
[0032]无人机沿着风机叶片的表面在叶根到叶尖之间飞行拍摄一组风机叶片图片的过程中，假设无人机在拍摄任意一帧风机叶片图片时的GPS坐标到在叶根处拍摄第一帧风机叶片图片时的GPS坐标之间在大地坐标系下的空间距离为x；当x∈(0,MaxCho本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风机叶片缺陷定位方法，其特征在于：包括以下步骤，S1，根据风机叶片的已知参数构建风机叶片数学模型；利用搭载有相机的无人机沿着风机叶片的表面在叶根到叶尖之间飞行拍摄一组风机叶片图片，得到风机叶片图片组；S2，基于MaskR
‑
CNN的深度神经网络对所述风机叶片图片组进行缺陷识别，得到缺陷风机叶片图片以及所述缺陷风机叶片图片中缺陷中心点的图片坐标系坐标；其中，所述缺陷风机叶片图片为所述风机叶片图片组中具有缺陷的风机叶片图片；S3，在所述缺陷风机叶片图片中标定出径向弦长参考线，并计算出所述径向弦长参考线在所述缺陷风机叶片图片中的像素长度；基于所述风机叶片数学模型，根据所述无人机在拍摄过程中的GPS坐标，计算出所述径向弦长参考线在风机叶片中的实际长度；将所述径向弦长参考线在风机叶片中的实际长度与在所述缺陷风机叶片图片中的像素长度作比例计算，得到实际长度和像素长度之间的转换系数；S4，基于所述径向弦长参考线，根据缺陷中心点的图片坐标系坐标以及所述转换系数，在所述风机叶片数学模型中标注出所述缺陷风机叶片图片中缺陷中心点的坐标。2.根据权利要求1所述的风机叶片缺陷定位方法，其特征在于：在所述S1中，所述风机叶片的已知参数包括叶根节圆直径、叶片长度、叶片最大径向弦长以及叶片最大径向弦长处至叶根距离。3.根据权利要求1所述的风机叶片缺陷定位方法，其特征在于：所述S3中，在所述缺陷风机叶片图片中标定出径向弦长参考线的具体步骤为，在所述缺陷风机叶片图片中，分别取叶片两条相对边缘线的中点，得到第一方向点和第二方向点，并分别标注出所述第一方向点以及所述第二方向点的图片坐标系坐标；连接所述第一方向点和所述第二方向点所得到的线段即为所述径向弦长参考线。4.根据权利要求3所述的风机叶片缺陷定位方法，其特征在于：在所述S3中，计算出所述径向弦长参考线在所述缺陷风机叶片图片中的像素长度的具体方法为，基于两点之间的距离计算公式，根据所述第一方向点以及所述第二方向点的图片坐标系坐标，计算出所述第一方向点与所述第二方向点之间的距离；其中，所述第一方向点与所述第二方向点之间的距离即为所述径向弦长参考线在所述缺陷风机叶片图片中的像素长度。5.根据权利要求3所述的风机叶片缺陷定位方法，其特征在于：在所述S3中，基于所述风机叶片数学模型，根据所述无人机在拍摄过程中的GPS坐标，计算出所述径向弦长参考线在风机叶片中的实际长度的具体步骤为，获取所述无人机在叶根处拍摄第一帧风机叶片图片时的第一GPS坐标；获取所述无人机在拍摄所述缺陷风机叶片图片时的第二GPS坐标；计算所述第二GPS坐标到所述第一GPS坐标之间在大地坐标系下的空间距离；根据所述风机叶片数学模型，计算出所述空间距离对应的径向弦长，则所述空间距离对应的径向弦长即为所述缺陷风机叶片图片的径向弦长参考线在风机叶片中的实际长度。6.根据权利要求5所述的风机叶片缺陷定位方法，其特征在于：所述S4具体为，S41，判断所述风机叶片的表面是为迎风面或背风面，还是为前缘面或后缘面；当所述风机叶片的表面为迎风面或背风面时，执行S42、S43和S44；当所述风机叶片的表面为前缘面或后缘面时，执行S42和S46；
S42，在所述缺陷风机叶片图片中计算出所述缺陷中心点到所述径向弦长参考线之间的距离；根据叶片长度、所述空间距离、所述转换系数以及所述缺陷中心点到所述径向弦长参考线之间的距离，计算出所述缺陷中心点至叶根距离的比例；S43，在所述缺陷风机叶片图片中，过所述径向弦长参考线的中点作所述径向弦长参考线的中垂线，并过所述第一方向点作所述中垂线的平行线，且计算出所述缺陷中心点到所述平行线之间的距离；根据所述径向弦长参考线在所述缺陷风机叶片图片中的像素长度以及所述缺陷...

【专利技术属性】
技术研发人员：韩梦婷，张翼龙，汪杨，郭鹏程，魏青，
申请(专利权)人：风脉能源武汉股份有限公司，
类型：发明
国别省市：