一种用于风机桨叶监测的无人机监控系统技术方案

本发明专利技术涉及发电机监测领域，公开了一种用于风机桨叶监测的无人机监控系统，包括图像采集系统和图像处理应用系统，所述图像处理应用系统通过有线或无线与图像处理应用系统相连接，本发明专利技术可以实现砂眼，裂纹和剥皮等缺陷的自动识别与监测，相对于传统监测手段和其他监测算法具有较高的准确率与较好的算法稳定性，可以快速找出缺陷，进行后期快速准确的维护。进行后期快速准确的维护。进行后期快速准确的维护。

【技术实现步骤摘要】
一种用于风机桨叶监测的无人机监控系统


[0001]本专利技术涉及发电机监测领域，尤其涉及一种用于风机桨叶监测的无人机监控系统。

技术介绍

[0002]风机桨叶目前主要是由玻璃、碳等不同性质的材料组合并优化形成的新型材料。为有效实现桨叶缺陷的快速高效监测，针对风机的桨叶材料以及缺陷类型，根据风电场实际状况，现有的检测装置很多是直接装载在叶片或者发电机组内，监测震动频率或者轴的倾斜程度以达到的监测整体装置的效果。
[0003]但是此种方式一般并不能很好检测到叶片上的裂痕、小型缺陷或者其他并不能间接检测出来的外伤，并不能完整准确的监测的风机桨叶的健康状态以及

技术实现思路

[0004]为解决勘察繁琐的技术问题，本专利技术提供一种用于风机桨叶监测的无人机监控系统。
[0005]本专利技术采用以下技术方案实现：一种用于风机桨叶监测的无人机监控系统，包括：图像采集系统和图像处理应用系统，所述图像处理应用系统通过有线或无线与图像处理应用系统相连接。
[0006]作为上述方案的进一步改进，，所述图像采集系统由由云台相机、无人机、工业运算机和控制设备等物理装置构成。
[0007]作为上述方案的进一步改进，，所述图像处理应用系统包括标定模块、图像预处理模块，增强模块、提取模块，分类模块。
[0008]一种用于风机桨叶监测的无人机监控方法，包括以下步骤：
[0009]S1：图像采集；
[0010]S2：图像预处理；
[0011]S3：图像计算标定；
[0012]S4：桨叶表面故障图像预处理；
[0013]S5：桨叶表面图像增强与动态阈值分割；
[0014]S6：桨叶表面故障特征提取与选择；
[0015]S7：桨叶表面故障分类检测与识别；
[0016]S8：故障确认和排除。
[0017]相比现有技术，本专利技术的有益效果在于：
[0018]1、通过无人机拍摄，然后通过程序系统的计算，可以快速找出缺陷，减少人工和其他投入，同时可以监测出其他设备不能识别的微小细纹或者其他微小缺陷，保证风机整体的安全，确保可以及时准确的进行维护。
[0019]2、使用了快速自适应加权中值滤波算法、图像增强算法、桨叶表面故障特征提取
与选择、桨叶表面故障分类监测与识别，并将其嵌入到人机交互平台中，该平台经过在线及离线测试，可以实现砂眼，裂纹和剥皮等缺陷的自动识别与监测，且准确率可以达到90％以上，相对于传统监测手段和其他监测算法具有较高的准确率与较好的算法稳定性，为风力发电机桨叶的无损监测提供了新的途径。
附图说明
[0020]图1为图像采集与处理系统示意图；
[0021]图2为图像处理系统简示图；
[0022]图3为针孔成像原理建立的相机成像模型示意图；
[0023]图4为Halcon的标定算法流程示意图。
具体实施方式
[0024]下面，结合附图以及具体实施方式，对本专利技术做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
[0025]实施例：
[0026]一种用于风机桨叶监测的无人机监控系统，包括：图像采集系统和图像处理应用系统，所述图像处理应用系统通过有线或无线与图像处理应用系统相连接，通过控制无人机搭载成像设备来采集风机桨叶表面图像，输送到图像处理应用系统中对图像进行处理和缺陷识别，最后输出风机桨叶质量分析报告以达到桨叶缺陷监测。
[0027]所述图像采集系统由由云台相机、无人机、工业运算机和控制设备等物理装置构成，根据风机桨叶的材料特性以及油污、砂眼等缺陷的尺寸大小等因素，在成像设备的选择上，可以选择ZenmuseZ30云台相机，采用1/2.8
″
逐行扫描的CMOS传感器，有效像素为213万，满足桨叶表面的特征成像需求，与相机配合使用的镜头可以进行30倍光学变焦、6倍字变焦，等效焦距为29～872mm，最小对焦距离为10～1200mm，在光学广角下的光学长焦的变焦移动速度为4.6s，用来搭载相机及镜头的云台的角度抖动量为
±
0.01
°
，其可控转动范围为俯仰(+30
°
至
‑
90
°
)，平移
±
320
°
，可以满足使用要求，在选择用来运输搭载到云台上的成像设备的无人机时，因为所选相机具有中等像素，高等光学变焦倍数的特点，拍摄桨叶细节时需要高倍数变焦，系统采用了经纬M600无人机，该无人机最大起飞重量可达15.1kg，在高度位置与水平位置的固定预设准确度分别为
±
500mm与
±
1500mm，可满足成像设备的要求，由于许多风场位于高原及高风速地区，对无人机工作环境要求严格。
[0028]所述图像处理应用系统包括标定模块、图像预处理模块，增强模块、提取模块，分类模块，当图像采集系统完成对风力发电机桨叶表面图像的采集后，通过USB2.0/3.0或WIFI等方式传送至由Halcon及Visual Studio 2019建造的风机桨叶图像处理应用系统中，对所拍摄的桨叶图进行标定、去噪和增强等操作，之后利用终端操控装备对无人机控制人员传递指令及存储处理后的图像和分析报告。
[0029]一种用于风机桨叶监测的无人机监控方法，包括以下步骤：
[0030]S1：图像采集，采用无人机在限定条件下进行采集，以得到稳定的数据，
[0031]S2：图像预处理，对图像进行初步的处理，方便后续查看，
[0032]S3：图像计算标定，标定确定位置，缩小查看范围，
[0033]S4：桨叶表面故障图像预处理，对表面进行处理，方便查看，
[0034]S5：桨叶表面图像增强与动态阈值分割，图像进一步增强，保证查看，
[0035]S6：桨叶表面故障特征提取与选择，自主选择，实现提取，
[0036]S7：桨叶表面故障分类检测与识别，实现分类和识别成不同的缺陷方式，方便后续的工作。
[0037]S8：故障确认和排除，需要时，可以进一步通过人工核实，并且进行后续得排出。
[0038]其中：图像处理应用系统算法的设计与实现的具体分析；
[0039]1.基于Halcon软件的相机标定过程
[0040]为了从无人机所拍摄的风机桨叶桨叶图中获取准确的世界坐标及裂纹、砂眼等缺陷的尺寸信息，需要先在特定环境下标定相机，相机依据光学成像的原理，把三维坐标中的点通过成像设备映射到二维坐标上，基于针孔成像原理建立的相机成像模型如图3所示。由空间点PW变换到图像平面上的投影点P，需要经过如下步骤。
[0041](1)通过相对位置变换关系式PC＝RPW+T来把点PW转换成摄像机坐标系下的点PC，其中R＝(α,β,γ)是旋转矩阵，T＝(tx,ty,tz)是平移向量，相机的外参即为R和T中的参数。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于风机桨叶监测的无人机监控系统，其特征在于，包括：图像采集系统和图像处理应用系统，所述图像处理应用系统通过有线或无线与图像处理应用系统相连接。2.如权利要求1所述的一种用于风机桨叶监测的无人机监控系统，其特征在于，所述图像采集系统由由云台相机、无人机、工业运算机和控制设备等物理装置构成。3.如权利要求2所述的一种用于风机桨叶监测的无人机监控系统，其特征在于，所...

【专利技术属性】
技术研发人员：黄迎辉，朱洪浩，年四成，刘世军，郭城，曹建磊，石岩，
申请(专利权)人：蚌埠学院，
类型：发明
国别省市：