高空风电空中伞面的损伤检测方法及装置制造方法及图纸

本发明专利技术提供了一种高空风电空中伞面的损伤检测方法及装置，其中方法包括：获取高空风电的待测空中伞面图像；将所述待测空中伞面图像输入损伤检测模型中，得到所述待测空中伞面图像的伞面损伤信息；其中，所述损伤检测模型是以已知空中伞面图像作为样本训练得到的，所述已知空中伞面图像标注有伞面损伤信息，所述待测空中伞面图像和所述已知空中伞面图像均是通过固定在缆绳上的摄像机采集到的。本方案能够快速准确的检测出高空风能发电伞面的损伤情况。伤情况。伤情况。

【技术实现步骤摘要】
高空风电空中伞面的损伤检测方法及装置


[0001]本专利技术实施例涉及高空风能发电
，特别涉及一种高空风电空中伞面的损伤检测方法及装置。

技术介绍

[0002]高空风能发电是把轻量级飞行器(例如风筝、降落伞等)系在缆绳上放飞到高空，飞行器在风力作用下做爬升运动从而拉动发电机旋转产生电能。当达到一定高度后，飞行器通过特殊操纵降低高度回到初始位置，缆绳重绕，进入下一个循环。
[0003]降落伞是高空风能发电常见的飞行器形式，承担捕获风能带动缆绳上升的作用，是高空风能发电系统中最重要的空中设备之一。工程应用中，由于降落伞伞面长期暴露在强紫外线辐射、强日照、降雨等气象条件下，伞面容易发生损伤，如磨损、老化、伞布缝合处撕裂、伞面破裂等情况。当伞面发生损伤时，不仅会影响系统的做功发电能力，对空中系统运行的稳定性和安全性也将产生严重危害。因此，快速准确的识别伞面损伤对发电系统的安全运行具有重要意义。
[0004]因此，目前亟待需要一种高空风电空中伞面的损伤检测方法及装置来解决上述技术问题。

技术实现思路

[0005]本专利技术实施例提供了一种高空风电空中伞面的损伤检测方法及装置，能够快速准确的检测出高空风能发电伞面的损伤情况。
[0006]第一方面，本专利技术实施例提供了一种高空风电空中伞面的损伤检测方法，包括：
[0007]获取高空风电的待测空中伞面图像；
[0008]将所述待测空中伞面图像输入损伤检测模型中，得到所述待测空中伞面图像的伞面损伤信息；其中，所述损伤检测模型是以已知空中伞面图像作为样本训练得到的，所述已知空中伞面图像标注有伞面损伤信息，所述待测空中伞面图像和所述已知空中伞面图像均是通过固定在缆绳上的摄像机采集到的。
[0009]在一种可能的设计中，所述将所述待测空中伞面图像输入损伤检测模型中，包括：
[0010]将所述待测空中伞面图像依次进行灰度处理和中值滤波处理，得到处理后的空中伞面图像；
[0011]将所述处理后的空中伞面图像输入损伤检测模型中。
[0012]在一种可能的设计中，所述伞面损伤信息包括伞面破损置信度、伞面的破损面积和破损长度。
[0013]在一种可能的设计中，所述摄像机相对所述缆绳可做周向旋转且所述摄像机与所述缆绳的夹角可调整；
[0014]所述摄像机是通过如下方式采集空中伞面图像的：
[0015]按照预设的角度间隔调整所述摄像机的周向角度和俯仰角度，以使所述摄像机遍
历伞面的每个位置；
[0016]针对遍历到的每个位置，均采集当前位置的伞面图像，得到高空发电的空中伞面图像。
[0017]在一种可能的设计中，所述损伤检测模型是通过如下方式确定的：
[0018]构建基于深度学习的神经网络模型；
[0019]利用已知空中伞面图像对所述神经网络模型进行训练；
[0020]根据训练结果调整所述神经网络模型中各参数的权重，直至模型收敛，得到损伤检测模型。
[0021]在一种可能的设计中，所述神经网络模型为Fast R
‑
CNN模型。
[0022]在一种可能的设计中，所述Fast R
‑
CNN模型包括主干网络和RPN网络；
[0023]所述主干网络包括卷积层、Relu层和池化层，所述RPN网络包括Reshape层、Softmax层、Proposal层和池化层，所述主干网络用于对输入的伞面图像进行分析，所述RPN网络用于生成检测框以确定伞面图像的损伤信息。
[0024]第二方面，本专利技术实施例还提供了一种高空风电空中伞面的损伤检测装置，包括：
[0025]获取模块，用于获取高空风电的待测空中伞面图像；
[0026]检测模块，用于将所述待测空中伞面图像输入损伤检测模型中，得到所述待测空中伞面图像的伞面损伤信息；其中，所述损伤检测模型是以已知空中伞面图像作为样本训练得到的，所述已知空中伞面图像标注有伞面损伤信息，所述待测空中伞面图像和所述已知空中伞面图像均是通过固定在缆绳上的摄像机采集到的。
[0027]第三方面，本专利技术实施例还提供了一种计算设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本说明书任一实施例所述的方法。
[0028]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行本说明书任一实施例所述的方法。
[0029]本专利技术实施例提供了一种高空风电空中伞面的损伤检测方法及装置，该方法首先构建用于检测空中伞面损伤信息的损伤检测模型，然后利用已知空中伞面图像对该损伤检测模型进行训练，得到训练好的损伤检测模型。如此，对于待测空中伞面图像，只要将其输入至该损伤检测模型中，就可以得到待测空中伞面图像的伞面损伤信息。本方案，能够快速准确的检测出高空风能发电伞面的损伤情况。
附图说明
[0030]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0031]图1是本专利技术一实施例提供的一种高空风电空中伞面的损伤检测方法流程图；
[0032]图2是本专利技术一实施例提供的利用摄像机采集空中伞面图像的结构示意图；
[0033]图3是本专利技术一实施例提供的一种计算设备的硬件架构图；
[0034]图4是本专利技术一实施例提供的一种高空风电空中伞面的损伤检测装置结构图。
具体实施方式
[0035]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例，基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0036]下面描述以上构思的具体实现方式。
[0037]请参考图1，本专利技术实施例提供了一种高空风电空中伞面的损伤检测方法，该方法包括：
[0038]步骤100，获取高空风电的待测空中伞面图像；
[0039]步骤102，将待测空中伞面图像输入损伤检测模型中，得到待测空中伞面图像的伞面损伤信息；其中，损伤检测模型是以已知空中伞面图像作为样本训练得到的，已知空中伞面图像标注有伞面损伤信息，待测空中伞面图像和已知空中伞面图像均是通过固定在缆绳上的摄像机采集到的。
[0040]本专利技术实施例中，首先构建用于检测空中伞面损伤信息的损伤检测模型，然后利用已知空中伞面图像对该损伤检测模型进行训练，得到训练好的损伤检测模型。如此，对于待测空中伞面图像，只要将其输入至该损伤检测模型中，就可以得到待测空中伞面图像的伞面损伤信息。本方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高空风电空中伞面的损伤检测方法，其特征在于，包括：获取高空风电的待测空中伞面图像；将所述待测空中伞面图像输入损伤检测模型中，得到所述待测空中伞面图像的伞面损伤信息；其中，所述损伤检测模型是以已知空中伞面图像作为样本训练得到的，所述已知空中伞面图像标注有伞面损伤信息，所述待测空中伞面图像和所述已知空中伞面图像均是通过固定在缆绳上的摄像机采集到的。2.根据权利要求1所述的方法，其特征在于，所述将所述待测空中伞面图像输入损伤检测模型中，包括：将所述待测空中伞面图像依次进行灰度处理和中值滤波处理，得到处理后的空中伞面图像；将所述处理后的空中伞面图像输入损伤检测模型中。3.根据权利要求1所述的方法，其特征在于，所述伞面损伤信息包括伞面破损置信度、伞面的破损面积和破损长度。4.根据权利要求1所述的方法，其特征在于，所述摄像机相对所述缆绳可做周向旋转且所述摄像机与所述缆绳的夹角可调整；所述摄像机是通过如下方式采集空中伞面图像的：按照预设的角度间隔调整所述摄像机的周向角度和俯仰角度，以使所述摄像机遍历伞面的每个位置；针对遍历到的每个位置，均采集当前位置的伞面图像，得到高空发电的空中伞面图像。5.根据权利要求1所述的方法，其特征在于，所述损伤检测模型是通过如下方式确定的：构建基于深度学习的神经网络模型；利用已知空中伞面图像对所述神经网络模型进行训练；根据训练结果调整所述神经网络模型中各参数的权重，直至模型收敛...

【专利技术属性】
技术研发人员：张翔，李仲元，朱滨，张松，任宗栋，李晓宇，孙健，陈自祥，王琨，孟祥娟，杨亚军，
申请(专利权)人：中国电力工程顾问集团有限公司，
类型：发明
国别省市：