【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: ...
【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:
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。