【技术实现步骤摘要】
本专利技术涉及图像分析，具体涉及一种基于图像数据的风电叶片故障检测方法。
技术介绍
1、风电叶片是风电机组中将自然界风能转换为风力发电机组电能的核心部件，风电叶片的制造需要高精度的工艺和材料，以保证其在恶劣的环境条件下能够正常工作，其质量会直接影响风力发电机的效率、可靠性，所以需对其进行故障检测便于及时防范以及维修。
2、风力发电主要将风能转化为电能，因此在强风天气，叶片会受到更大的风力压力，从而会产生凹陷区域，会导致故障发生，现有技术在对风电叶片表面进行故障检测时，通常采用聚类算法对像素点进行聚类，获得凹陷故障区域，然而由于图像具有噪声，导致凹陷故障区域与其他区域的对比度弱，从而无法准确获取聚类结果，并且会影响故障检测结果的准确性。
技术实现思路
1、为了解决现有技术对图像中的像素点进行聚类时，由于凹陷故障区域与其他区域对比度弱，造成聚类结果不准确，进而影响故障检测结果准确性的技术问题，本专利技术的目的在于提供一种基于图像数据的风电叶片故障检测方法，所采用的技术方案具体如下：
2、获取仅包含风电叶片的灰度图像，获取所述灰度图像中每个像素点的灰度梯度方向；
3、根据所述灰度图像中像素点灰度值的分布情况以及波动情况获得每个像素点的凹陷特征值；在所述灰度图像中任选一个像素点作为待测像素点；根据所述灰度图像中像素点灰度值的变化趋势获得待测像素点对应的变化路径和路径方向；根据待测像素点与对应的变化路径上其他像素点的凹陷特征值之间的差异，以及灰度梯度方向之
4、在以待测像素点为中心的预设邻域内，根据待测像素点与对应的所有邻域像素点的路径方向之间的差异，以及递进变化度之间的差异，获得待测像素点的渐变影响度；根据待测像素点的变化路径上与对应的所有邻域像素点的变化路径上终点像素点之间的位置分布，获得待测像素点的聚集离散值；根据待测像素点的聚集离散值和对应的变化路径上其他像素点的渐变影响度获得待测像素点的凹陷程度值；
5、根据每个像素点的凹陷程度值对每个像素点的灰度值进行更新，获得增强图像；根据所述增强图像中所有像素点的灰度值对所有像素点进行聚类，获得聚类结果进行故障检测。
6、进一步地，所述根据所述灰度图像中像素点灰度值的分布情况以及波动情况获得每个像素点的凹陷特征值，包括：
7、将所述灰度图像均匀划分为预设第一数量个分块图像；
8、将每个分块图像中所有像素点灰度值的方差作为灰度方差；根据每个像素点的灰度值和其所属分块图像的灰度方差，获得每个像素点的灰度影响度，所述灰度影响度和灰度方差呈正相关，所述灰度影响度和像素点的灰度值呈负相关；
9、在每个分块图像中，将所有像素点按照灰度值进行有序排列，获得排列序列，将所述排列序列中每个像素点与相邻的像素点之间灰度值差异的均值，作为每个像素点的灰度差异值；
10、根据每个像素点的灰度影响度和灰度差异值获得凹陷特征值，其中，所述灰度影响度和灰度差异值均与凹陷特征值呈正相关。
11、进一步地，所述根据所述灰度图像中像素点灰度值的变化趋势获得待测像素点对应的变化路径和路径方向，包括：
12、在以待测像素点为中心的预设邻域内，以待测像素点为起点，灰度值最小的邻域像素点为终点，获得待测像素点对应的初始路径以及路径方向；
13、当沿着路径方向，当待测像素点对应的初始路径上下一个像素点的灰度值小于或等于上一个像素点的灰度值时，延伸所述初始路径，直至初始路径上下一个像素点的灰度值大于上一个像素点的灰度值时，停止延伸，获得待测像素点的变化路径。
14、进一步地，所述根据待测像素点与对应的变化路径上其他像素点的凹陷特征值之间的差异，以及灰度梯度方向之间的差异，获得待测像素点的递进变化度，包括：
15、将待测像素点对应的变化路径上除待测像素点外的其他像素点作为对比像素点；
16、根据待测像素点与对应的每个对比像素点的凹陷特征值获得延续因子，所述延续因子和待测像素点的凹陷特征值呈正相关，所述延续因子与每个对比像素点的凹陷特征值呈负相关；将待测像素点与对应的每个对比像素点的灰度梯度方向的差异作为梯度方向偏差值，将待测像素点与对应的每个对比像素点的延续因子和梯度方向偏差值的乘积，作为待测像素点与对应的每个对比像素点的递进因子；
17、将待测像素点与对应的所有对比像素点的递进因子的均值作为均值特征值，将待测像素点的所有递进因子与对应的均值特征值的差异累加后进行负相关映射并归一化的值，作为待测像素点的递进变化度。
18、进一步地，所述根据待测像素点与对应的所有邻域像素点的路径方向之间的差异，以及递进变化度之间的差异，获得待测像素点的渐变影响度，包括：
19、将待测像素点与对应的每个邻域像素点的路径方向之间的差异作为路径方向偏差值，将待测像素点与对应的每个邻域像素点的递进变化度之间的差异作为递进变化差异值；
20、将待测像素点与对应的每个邻域像素点的路径方向偏差值和递进变化差异值相乘后的值，作为待测像素点与对应的每个邻域像素点的渐变因子；
21、将待测像素点与对应的所有邻域像素点的渐变因子累加后进行负相关映射并归一化的值，作为待测像素点的渐变影响度。
22、进一步地，所述根据待测像素点的变化路径上与对应的所有邻域像素点的变化路径上终点像素点之间的位置分布，获得待测像素点的聚集离散值，包括：
23、将待测像素点对应的终点像素点与所有邻域像素点对应的终点像素点作为目标像素点；
24、计算所有目标像素点两两之间欧式距离的累加值，将所述累加值进行归一化后的值作为待测像素点的聚集离散值。
25、进一步地，所述待测像素点的凹陷程度值的公式模型包括：
26、；其中，表示待测像素点的凹陷程度值，表示待测像素点的聚集离散值，表示待测像素点的变化路径上第个对比像素点的渐变影响度，表示待测像素点的变化路径上的对比像素点总数，表示对数函数，表示预设第一正整数，表示预设第二正整数。
27、进一步地，所述根据每个像素点的凹陷程度值对每个像素点的灰度值进行更新，获得增强图像，包括：
28、将每个像素点的凹陷程度值进行归一化后的值与预设灰度值相乘并向下取整，获得每个像素点的更新灰度值；所有像素点的更新灰度值组成增强图像。
29、进一步地，所述根据所述增强图像中所有像素点的灰度值对所有像素点进行聚类，获得聚类结果进行故障检测，包括：
30、基于手肘法获得所述增强图像中像素点聚类时的最优k值；
31、利用k-means聚类算法根据所述最优k值和增强图像中所有像素点的灰度值对所有像素点进行聚类，获得聚类结果；
32、计算所述聚类结果中每个聚类簇中所有像素点的灰度值的均值，作为故障指标；根据所述故障指标对所有聚类簇进行降序排序，将前预设第二数量个聚类簇本文档来自技高网...
【技术保护点】
1.一种基于图像数据的风电叶片故障检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于图像数据的风电叶片故障检测方法，其特征在于，所述根据所述灰度图像中像素点灰度值的分布情况以及波动情况获得每个像素点的凹陷特征值，包括：
3.根据权利要求1所述的一种基于图像数据的风电叶片故障检测方法，其特征在于，所述根据所述灰度图像中像素点灰度值的变化趋势获得待测像素点对应的变化路径和路径方向，包括：
4.根据权利要求1所述的一种基于图像数据的风电叶片故障检测方法，其特征在于，所述根据待测像素点与对应的变化路径上其他像素点的凹陷特征值之间的差异，以及灰度梯度方向之间的差异，获得待测像素点的递进变化度，包括：
5.根据权利要求1所述的一种基于图像数据的风电叶片故障检测方法，其特征在于，所述根据待测像素点与对应的所有邻域像素点的路径方向之间的差异，以及递进变化度之间的差异，获得待测像素点的渐变影响度，包括：
6.根据权利要求1所述的一种基于图像数据的风电叶片故障检测方法，其特征在于，所述根据待测像素点的变化路径上与对应的所
7.根据权利要求4所述的一种基于图像数据的风电叶片故障检测方法，其特征在于，所述待测像素点的凹陷程度值的公式模型包括：
8.根据权利要求1所述的一种基于图像数据的风电叶片故障检测方法，其特征在于，所述根据每个像素点的凹陷程度值对每个像素点的灰度值进行更新，获得增强图像，包括：
9.根据权利要求1所述的一种基于图像数据的风电叶片故障检测方法，其特征在于，所述根据所述增强图像中所有像素点的灰度值对所有像素点进行聚类，获得聚类结果进行故障检测，包括：
10.根据权利要求1所述的一种基于图像数据的风电叶片故障检测方法，其特征在于，所述获取所述灰度图像中每个像素点的灰度梯度方向，包括：
...【技术特征摘要】
1.一种基于图像数据的风电叶片故障检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于图像数据的风电叶片故障检测方法，其特征在于，所述根据所述灰度图像中像素点灰度值的分布情况以及波动情况获得每个像素点的凹陷特征值，包括：
3.根据权利要求1所述的一种基于图像数据的风电叶片故障检测方法，其特征在于，所述根据所述灰度图像中像素点灰度值的变化趋势获得待测像素点对应的变化路径和路径方向，包括：
4.根据权利要求1所述的一种基于图像数据的风电叶片故障检测方法，其特征在于，所述根据待测像素点与对应的变化路径上其他像素点的凹陷特征值之间的差异，以及灰度梯度方向之间的差异，获得待测像素点的递进变化度，包括：
5.根据权利要求1所述的一种基于图像数据的风电叶片故障检测方法，其特征在于，所述根据待测像素点与对应的所有邻域像素点的路径方向之间的差异，以及递进变化度之间的差异，获得待测像素点的渐变影响度...
【专利技术属性】
技术研发人员：朱天财，姜坤，刘家朋，辛志强，林一鸣，
申请(专利权)人：红叶风电设备营口有限公司，
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。