模糊图像识别方法、装置及设备制造方法及图纸

本申请公开了一种模糊图像识别方法、装置及设备。模糊图像识别方法包括获取拍摄设备对风力发电机拍摄的图像；响应于图像中包括风力发电机的叶片，将图像输入至模糊识别模型，得到模糊识别结果，模糊识别结果用于指示图像是否为模糊图像；其中，模糊识别模型用于识别图像中的模糊因素，模糊因素包括：发光要素、镜头附加要素、叶片轮廓像素点。根据本申请实施例，可以先识别图像中是否包括叶片，若图像中包括风力发电机的叶片，则基于模糊识别模型识别图像中的模糊因素，进而根据模糊识别结果判断图像是否为模糊图像，有效避免了采用模糊图像对风力发电机的叶片的故障情况进行检测，从而提高了对风力发电机的叶片故障检测的准确度。高了对风力发电机的叶片故障检测的准确度。高了对风力发电机的叶片故障检测的准确度。

【技术实现步骤摘要】
模糊图像识别方法、装置及设备


[0001]本申请属于图像处理
，尤其涉及一种模糊图像识别方法、装置及设备。

技术介绍

[0002]风能作为一种清洁的可再生能源，风力发电在能源发展战略中起重要作用，风力发电主要是靠风力发电机将风能转化为电能。风力发电机的叶片在运行时，可能会遇到如断裂、裂纹、结冰等故障，在相关技术中，通常通过云台相机拍摄风力发电机的图像来检测风力发电机的叶片是否出现这些故障，然而云台相机拍摄时可能受其他因素影响导致拍摄得到的图像较为模糊，若基于这些模糊图像进行检测，往往会导致检测结果的准确性较低。

技术实现思路

[0003]本申请实施例提供一种模糊图像识别方法、装置及设备，以解决风力发电机的叶片故障检测的准确度较低的技术问题。
[0004]第一方面，本申请实施例提供一种模糊图像识别方法，方法包括：
[0005]获取拍摄设备对风力发电机拍摄的图像；
[0006]响应于所述图像中包括所述风力发电机的叶片，将所述图像输入至模糊识别模型，得到模糊识别结果，所述模糊识别结果用于指示所述图像是否为模糊图像；
[0007]其中，所述模糊识别模型用于识别图像中的模糊因素，所述模糊因素包括：发光要素、镜头附加要素、叶片轮廓像素点。
[0008]第二方面，本申请实施例提供了一种模糊图像识别装置，装置包括：
[0009]获取模块，用于获取拍摄设备对风力发电机拍摄的图像；
[0010]识别模块，用于响应于所述图像中包括所述风力发电机的叶片，将所述图像输入至模糊识别模型，得到模糊识别结果，所述模糊识别结果用于指示所述图像是否为模糊图像；
[0011]其中，所述模糊识别模型用于识别图像中的模糊因素，所述模糊因素包括：发光要素、镜头附加要素、叶片轮廓像素点。
[0012]第三方面，本申请实施例提供了一种电子设备，设备包括：
[0013]处理器以及存储有程序指令的存储器；
[0014]所述处理器执行所述程序指令时实现上述的方法。
[0015]第四方面，本申请实施例提供了一种存储介质，所述存储介质上存储有程序指令，所述程序指令被处理器执行时实现上述的方法。
[0016]第五方面，本申请实施例提供了一种计算机程序产品，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行上述方法。
[0017]本申请实施例的模糊图像识别方法、装置及设备，能够获取拍摄设备对风力发电机拍摄的图像；响应于图像中包括风力发电机的叶片，将图像输入至模糊识别模型，得到模糊识别结果，模糊识别结果用于指示图像是否为模糊图像；其中，模糊识别模型用于识别图
像中的模糊因素，模糊因素包括：发光要素、镜头附加要素、叶片轮廓像素点。这样，可以先识别图像中是否包括叶片，若图像中包括风力发电机的叶片，则基于模糊识别模型识别图像中的模糊因素，进而根据模糊识别结果判断图像是否为模糊图像，有效避免了采用模糊图像对风力发电机的叶片的故障情况进行检测，从而提高了对风力发电机的叶片故障检测的准确度。
附图说明
[0018]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，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。
[0019]图1是本申请一个实施例提供的模糊图像识别方法的流程示意图；
[0020]图2是模糊图像识别方法的工作逻辑的示意图；
[0021]图3是模糊识别模型的网络结构示例图；
[0022]图4是模糊识别模型提取语义特征的原理图；
[0023]图5是基于模糊识别模型获取叶片面积的处理流程图；
[0024]图6是本申请另一个实施例提供的模糊图像识别装置的结构示意图；
[0025]图7是本申请又一个实施例提供的电子设备的结构示意图。
具体实施方式
[0026]下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
[0027]需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0028]为了解决现有技术问题，本申请实施例提供了一种模糊图像识别方法、装置、设备及计算机存储介质。下面首先对本申请实施例所提供的模糊图像识别方法进行介绍。
[0029]图1示出了本申请一个实施例提供的模糊图像识别方法的流程示意图。如图1所示，该模糊化图像识别方法可以包括如下步骤：
[0030]步骤101，获取拍摄设备对风力发电机拍摄的图像；
[0031]步骤102，响应于图像中包括风力发电机的叶片，将图像输入至模糊识别模型，得到模糊识别结果，模糊识别结果用于指示图像是否为模糊图像；
[0032]其中，模糊识别模型用于识别图像中的模糊因素，模糊因素包括：发光要素、镜头
附加要素、叶片轮廓像素点。
[0033]上述各个步骤的具体实现方式将在下文中进行详细描述。
[0034]在本申请实施例中，模糊图像识别方法能够获取拍摄设备对风力发电机拍摄的图像；响应于图像中包括风力发电机的叶片，将图像输入至模糊识别模型，得到模糊识别结果，模糊识别结果用于指示图像是否为模糊图像；其中，模糊识别模型用于识别图像中的模糊因素，模糊因素包括：发光要素、镜头附加要素、叶片轮廓像素点。这样，可以先识别图像中是否包括叶片，若图像中包括风力发电机的叶片，则基于模糊识别模型识别图像中的模糊因素，进而根据模糊识别结果判断图像是否为模糊图像，有效避免了采用模糊图像对风力发电机的叶片的故障情况进行检测，从而提高了对风力发电机的叶片故障检测的准确度。
[0035]下面介绍上述各个步骤的具体实现方式。
[0036]在步骤101中，图像可以是通过云台相机或者摄像头等拍摄设备对风力发电机进行拍摄得到。
[0037]示例地，在风力发电机工作过程中，云台相机可以持续或每间隔预设时间段对风力发电机进行视频录制，图像可以是在该视频中提取的视频帧。也可以是通过云台相机按照预设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模糊图像识别方法，其特征在于，包括：获取拍摄设备对风力发电机拍摄的图像；响应于所述图像中包括所述风力发电机的叶片，将所述图像输入至模糊识别模型，得到模糊识别结果，所述模糊识别结果用于指示所述图像是否为模糊图像；其中，所述模糊识别模型用于识别图像中的模糊因素，所述模糊因素包括：发光要素、镜头附加要素、叶片轮廓像素点。2.根据权利要求1所述的方法，其特征在于，所述响应于所述图像中包括所述风力发电机的叶片，将所述图像输入至模糊识别模型，得到模糊识别结果包括：响应于所述图像中包括所述风力发电机的叶片，将所述图像输入至模糊识别模型，识别所述图像中是否包括发光要素和镜头附加要素中的至少一者；响应于所述图像中包括发光要素和镜头附加要素中的至少一者，将所述图像确定为模糊图像；响应于所述图像中不包括发光要素和镜头附加要素这两者，获取所述图像中的叶片面积和所述叶片轮廓像素点；在所述叶片面积与所述叶片轮廓像素点的关系满足预设轮廓条件的情况下，将所述图像确定为模糊图像。3.根据权利要求2所述的方法，其特征在于，所述预设轮廓条件为所述叶片面积与所述叶片轮廓像素点的数量的平方的关系满足预设阈值。4.根据权利要求2所述的方法，其特征在于，所述识别所述图像中是否包括发光要素和镜头附加要素中的至少一者，包括：将所述图像输入到模糊识别模型中的特征提取网络，通过所述特征提取网络提取所述图像中的特征，得到所述图像中的边缘特征和色彩特征；通过所述模糊识别模型中的路径聚合网络，对所述边缘特征和所述色彩特征进行特征组合，得到所述图像中的语义特征；基于所述图像中的语义特征，识别所述图像中是否包括发光要素和镜头附加要素中的至少一者。...

【专利技术属性】
技术研发人员：李岩松，宋建军，
申请(专利权)人：北京金风科创风电设备有限公司，
类型：发明
国别省市：