用于三维图像识别的风机故障区域定位和筛选方法技术

本发明专利技术涉及一种用于三维图像识别的风机故障区域定位和筛选方法，所述故障区域定位方法使用边缘检测算法检测风机表面的边缘，通过递减参数的方式统计边缘点位数量变化量和边缘轮廓数量变化量，从而找到最合适的边缘检测算法的参数，边缘所在区域即为故障区域；所述故障区域筛选方法根据故障的颜色特点在HSV颜色空间构建筛选规则用于抛弃部分疑似故障区域，从而实现故障区域筛选。该方法利用三维图像中已有的信息，实现风机故障区域的定位和筛选，提高风机表面故障识别的准确率。提高风机表面故障识别的准确率。提高风机表面故障识别的准确率。

【技术实现步骤摘要】
用于三维图像识别的风机故障区域定位和筛选方法


[0001]本专利技术涉及风电场故障识别领域，具体涉及用于三维图像识别的风机故障区域定位和筛选方法。

技术介绍

[0002]随着我国海上风电场的大力发展，传统人工巡检工作量大、效率低下等问题日益凸显。而我国自主知识产权的无人机技术处于世界领先地位，无人机被广泛地应用于各种事故和故障的巡检中，使用无人机搭配摄像机、红外热像仪或激光雷达等设备对风机的各个部位拍摄图像并构建三维图像用于故障巡检，可以有效地提高深远海风电场的巡检效率和减少巡检人员的工作量。然而，如何智能化地使用三维图像识别风电场的典型故障，还有待深入研究。
[0003]本专利技术提出用于三维图像识别的风机故障区域定位和筛选方法，旨在已有的三维图像的基础上，利用其点位坐标、可见光颜色、热成像颜色、面积等信息，实现故障区域的定位和筛选部分疑似故障区域，帮助构建深远海风电场典型故障模型智能识别风电机组的表面故障，推动深远海风电场巡检智能化的发展。

技术实现思路

[0004]本专利技术提出一种用于三维图像识别的风机故障区域定位和筛选方法，利用已有的三维图像中的点位坐标、可见光颜色、热成像颜色信息，通过改进Canny算子实现故障区域定位和构建颜色筛选规则实现故障区域筛选，可以帮助构建深远海风电场典型故障模型，推动深远海风电场巡检的智能化。
[0005]为实现上述效果，本专利技术公开了一种用于三维图像识别的风机故障区域定位和筛选方法，具体包括以下内容：
[0006]S1、故障区域定位：利用边缘检测算法检测风机表面的边缘，根据检测到的边缘数量变化量num
con
和边缘点位数量变化量num
p
确定边缘检测算法所需的参数；根据各个边缘的中心坐标，确定所有边缘所在的位置，将这些边缘包围住的及其附近的区域认为是疑似故障区域；
[0007]S2、故障区域筛选：基于HSV颜色空间，构建故障可见光颜色筛选规则，筛选掉部分疑似故障区域；并保留所有由热成像颜色形成的疑似故障区域；
[0008]进一步地，所述S1中边缘检测算法为Canny算子，确定边缘检测算法所需参数的方法为：令L
canny
＝L
M
，T
canny
＝2*L
canny
；对比上一次边缘检测结果，统计num
con
和num
p
；若满足条件1：num
con
＞M
con
ornum
p
＞M
p
orL
canny
＜L
N
，输出L
canny
＝L
canny
+L
gap
，否则L
canny
＝L
canny
‑
L
gap
且再次统计num
con
和num
p
直至满足条件1。其中，T
canny
和L
canny
为Canny算子所需的高阈值和低阈值参数；L
M
为参数L
canny
的起始值，L
gap
为步进值，L
N
为终止值，M
p
为num
p
的阈值，M
con
为num
con
的阈值，以上参数的取值与三维图像的大小相关。
[0009]进一步地，所述S2中故障可见光颜色筛选规则为：首先，根据疑似故障区域的亮度
V
fault
进行判断，若V
fault
＞V
t
则认为该区域属于非故障区域，从而筛选掉该疑似故障区域；其次，根据故障的色度H
fault
进行判断，若H
fault
满足：30
‑
0.5*temp≤H
fault
≤90+1.5*tempor210
‑
0.5*temp≤H
fault
≤270+1.5*temp，则认为该区域属于故障区域。其中，V
t
为亮度阈值，temp为色度调整参数，temp取值与三维图像的亮度相关。
[0010]有益效果：本专利技术提供一种用于三维图像识别的风机故障区域定位和筛选方法，故障区域定位方法利用Canny算子边缘检测的结果调整Canny算子的参数，能够找到由于故障与周边区域的色差形成的边缘且避免产生过多的噪声，从而定位故障所在区域；故障区域筛选方法基于HSV设计颜色筛选规则，该规则通过颜色判断疑似故障区域内是否有故障，且其中的temp参数能够消除图像亮度的影响，从而提高图像识别的精度。所提方法利用已有的三维图像信息，实现风电机组表面故障区域的定位和筛选，能够帮助构建深远海风电场典型故障模型，提高模型的准确率，从而提高深远海风电场巡检的效率。
附图说明
[0011]图1为故障区域定位的流程图。
[0012]图2为故障区域筛选的流程图。
[0013]图3为本专利技术实施的结果在二维空间中的展示。
[0014]图4为本专利技术的步骤流程框图。
具体实施方式
[0015]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，所描述的实施例仅仅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其它实施例，都属于本专利技术保护的范围。
[0016]如图1
‑
4所示，本专利技术实例提供了一种用于三维图像识别的风机故障区域定位和筛选方法，该方法用于三维图像识别的完整步骤如下：
[0017]步骤一：故障区域定位：利用Canny算子检测风机表面的边缘，根据检测到的边缘数量变化量num
con
和边缘点位数量变化量num
p
确定Canny算子所需的参数，确定边缘检测算法所需参数的方法为：令L
canny
＝L
M
，T
canny
＝2*L
canny
；对比上一次边缘检测结果，统计num
con
和num
p
；若满足条件1：num
con
＞M
con
ornum
p
＞M
p
orL
canny
＜L
N
，输出L
canny
＝L
canny
+L
gap
，否则L
canny
＝L
canny
‑
L
gap
且再次统计num
con
和num
p
直至满足条件1，具体步骤如图1所示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于三维图像识别的风机故障区域定位和筛选方法，其特征在于，所述三维图像由激光点云、可见光图像和红外热图像构建而成，三维图像中含有风机表面各个点位的坐标、可见光颜色和热成像颜色信息；具体步骤如下：S1.故障区域定位：利用Canny算子检测风机表面的边缘，根据检测到的边缘数量变化量num
con
和边缘点位数量变化量num
p
确定边缘检测算法所需的参数，并将这些边缘包围住的及其附近的区域定义为疑似故障区域；S2.故障区域筛选：基于HSV颜色空间，构建故障可见光颜色筛选规则，筛选掉部分疑似故障区域，并保留所有由热成像颜色形成的疑似故障区域；S3.故障形状判断和筛选：在三维状态空间中提取剩余的疑似故障区域，利用形状因子和长短径之比判断故障的形状，筛选掉形状为规则型的疑似故障区域，最终剩余的区域为故障区域，并记录每个故障区域的面积；S4.故障类别和严重程度判断：根据故障区域的可见光颜色和形状判断故障的类别；根据故障区域的热成像颜色和面积判断故障的严重程度；S5.最后故障类别的判断结果标记在三维图像中故障所在的区域。2.根据权利要求1所述的用于三维图像识别的风机故障定位和筛选方法，其特征在于，所述S1中边缘检测算法为Canny算子，确定边缘检测算法所需参数的方法为：令L
canny
＝L
M
，T
canny
＝2*L
canny
；对比上一次边缘检测结果，统计num
con
和num
p
；若满足条件1：num
con
＞M
con
ornum
p
＞M
p
orL
canny
＜L
N
，输出L
canny
＝L
canny
+L
gap
，否则L
canny
＝L
canny
‑
L
gap
且再次统计num
con
和num
p
直至满足条件1；其中，T
canny
和L
canny
为Canny算子所需的高阈值和低阈值参数；L
M
为参数L
canny
的起始值，L
gap<...

【专利技术属性】
技术研发人员：刘泽健，郑群儒，张淼，王仁杰，吴天文，王大勇，
申请(专利权)人：深圳华工能源技术有限公司，
类型：发明
国别省市：