【技术实现步骤摘要】
本专利技术涉及海上风电维护领域，具体涉及海上风电桩的叶片外观缺陷检测。
技术介绍
1、近年来，我国在多个海域大量装备了大型海上风电桩，随着时间的推移，受台风、暴雨、雷电等恶劣天气影响，加上潮湿高盐的海洋环境，相对于陆地环境，海上风电桩的各个部件更加容易老化和损坏；
2、一方面，风电桩叶片可能存在先天的制造方面的缺陷，另一方面，风电桩叶片也可能在后期恶劣环境下运行时遭遇各种损害，导致叶片出现表面磨损、裂纹、砂眼、刮伤这一类缺陷，而叶片作为风电桩的主要部件，上述缺陷必然会对风电桩的安全运行产生危害；
3、现有的叶片缺陷检测技术主要依赖于基于计算机视觉的目标检测方法，影响目标检测结果的主要因素包括检测图像的采集和检测模型的设计，缺陷检测作为目标检测的一个具体应用，通常采用yolo系列网络模型作为检测模型，从现有技术发展来看，yolox网络是一种广泛使用的高精度成熟目标检测模型，而影响叶片缺陷检测效果的主要因素为系统所采集的叶片图像的质量，从叶片缺陷检测的实验效果和实际应用的角度来看，影响叶片图像质量的主要因素包括图像尺寸、图像清晰度以及缺陷目标在图像中的占比；
4、采用无人机拍摄获取目标图像是当前常用的叶片图像数据的采集方式之一，然而，现有方法在利用无人机采集海洋环境下风电桩叶片图像时主要存在如下不足，我国现有安装风电桩的海域存在一些属于禁飞的区域，这两方面的原因限制了以无人机拍摄方式获取叶片图像的应用范围，其次，现有的基于无人机采集叶片图像的方法均是通过无人机近距离采集全尺寸的风电桩及叶片的图像，
5、现有的陆地风电桩叶片缺陷检测方案表明，风机叶片中的缺陷目标大多为小目标，对于当前广泛使用的基于深度学习的叶片缺陷检测方法而言，只有采用近距离拍摄部分叶片图像的方式才能够确保缺陷目标的尺寸，并确保缺陷目标在图像中的占比足够大，从而为后续缺陷目标检测提供可靠的训练样本和检测图像，为此，现有的陆地风电桩叶片缺陷检测方案在采集图像时采用分段拍摄的方式，然而这类方法在分段拍摄时采用的分段方式，必须借助于设计专门的图像拼接算法才能确定叶片与风电桩之间的对应关系，进而确定系统发现的缺陷叶片所属的风电桩，而图像拼接算法自身的复杂性必然会增加整个缺陷检测系统的复杂性和方法实现的复杂度。
技术实现思路
1、本专利技术的目的是针对现有技术存在的问题，提供一种海上风电桩叶片图像采集与缺陷检测的方法，采用无人艇拍摄点定位，动态规划无人艇采集叶片图像巡航路径，设定相机云台拍摄参数，分段式拍摄叶片大尺寸图像及图像文件按编码规则自动命名存储，检测分段式大尺寸叶片图像缺陷，自动提取并存储缺陷图像文件及其缺陷描述信息，可视化展示已标注缺陷区域的叶片图像及缺陷描述信息，该方法运用与服务器端连接的web端及无人艇数据采集端的数据与信息，其中，所述web端包括风电桩基础信息模块、无人艇数据采集规划模块及叶片缺陷检测与可视化模块，所述无人艇数据采集端包括智能无人艇平台及风电桩叶片外观图像拍摄与传输模块，所述服务器端包括叶片图像库以及模型算法库；本专利技术为海上风电桩叶片外观图像采集及叶片缺陷检测提供了一种智能、便捷、高效的方法，同时结合风电桩信息管理、无人艇现场采集图像数据管理及缺陷检测结果的直接关联，实现有缺陷叶片图像及缺陷部位和缺陷类型真实、直观的可视化展示，为风电场开展潜在风险评估，进一步制定维护与保养计划提供可靠支撑。
2、为了实现上述的目的，本专利技术的技术方案是：
3、一种海上风电桩叶片图像采集与缺陷检测的方法，采用无人艇拍摄点定位，动态规划无人艇采集叶片图像巡航路径，设定相机云台拍摄参数，拍摄叶片分段大尺寸图像及图像文件按编码规则自动命名存储，对叶片分段大尺寸图像进行缺陷检测同时缺陷图像文件按编码规则自动命名存储，可视化展示已标注缺陷区域的叶片图像，运用与服务器端相连接的web端和无人艇数据采集端的相关信息，所述web端包括风电桩基础信息模块、无人艇数据采集规划模块及叶片缺陷检测与可视化模块；所述无人艇数据采集端包括智能无人艇平台风电桩叶片外观图像拍摄与传输模块；所述服务器端包括叶片图像库以及模型算法库；并包括以下步骤：
4、步骤a)依据web端风电桩基础信息模块，利用无人艇数据采集规划模块，计算无人艇拍摄定点位置、巡航路径相关信息并获取相机云台参数包括相机最大焦距，将无人艇的拍摄点位置信息、巡航路径及相机云台参数传输至无人艇智能平台，以用于无人艇数据采集模块的后续操作，其中，web端风电桩基础信息模块包括风电桩编号、风电桩型号、风电桩位置、风电桩高度、叶片参数以及气象水文参数信息，叶片参数具体包括叶片长度、叶片朝向及叶片转速，气象水文参数包括天气情况、日光照射方向及海流参数；
5、步骤b)智能无人艇平台按照步骤a)中导入的巡检路径和拍摄点位置信息，引导无人艇到达系统设定的拍摄点位置，并利用步骤a)中导入到无人艇数据采集模块中拍摄参数，完成相机云台在指定拍摄点分段拍摄的参数设置，包括相机朝向、云台仰角、相机焦距和拍摄频率的设置；
6、步骤c)依据步骤b)所得相机云台拍摄参数，相机采用3段式分段拍摄方式连续采集风电桩叶片的大尺寸图像，同时实现图像文件按编码规则的自动命名与存储，分段拍摄叶片图像可以确保采集到的叶片图像具有足够的尺寸，以便于后续叶片缺陷检测模型能够有效识别叶片中存在的缺陷，图像文件按编码规则命名与存储既可以避免图像拼接算法所带来的复杂计算，又可以确保每个叶片在3个分段上都能有效采集，并有效确保采集到的图像与风电桩编号的一一对应；
7、步骤d)利用web端叶片缺陷检测模块，采用yolox网络逐一检测步骤c)采集的所有叶片图像，并对存在缺陷的图像文件按照缺陷文件命名编码规则进行命名后存储于缺陷图像文件库，借助于yolox网络，完成大尺寸叶片外观图像缺陷的发现、缺陷部位的标注以及缺陷类型的分类，并依据缺陷图像文件命名编码规则，利用解码推理规则推导出缺陷叶片与风电桩之间的对应关系，实现缺陷叶片原始图像、缺陷部位标注图像、叶片缺陷类型、叶片所属风电桩编号以及缺陷所在叶片分段信息，并在缺陷图像文件库中自动存储；
8、步骤e)依据步骤d)检测到的缺陷图像及存储于缺陷文件库的记录信息，利用web端叶片缺陷可视化模块，可视化展示已标注缺陷区域的叶片图像、缺陷所处部位、缺陷类型及缺陷叶片所属风电桩的编号。
9、优选地，以上所述步骤a)中，计算无人艇拍摄点具体位置并动态规划无人艇采集叶片图像巡航路径的具体操作为：
10、(1)依据web端风电桩基础信息模块风电桩高度、叶片参数中叶片朝向并结合相机最大焦距信息，以无人艇上相机安装位置本文档来自技高网...
【技术保护点】
1.一种海上风电桩叶片图像采集与缺陷检测的方法，其特征在于，采用无人艇拍摄点定位，动态规划无人艇采集叶片图像巡航路径，设定相机云台拍摄参数，拍摄叶片分段大尺寸图像及图像文件按编码规则自动命名存储，对叶片分段大尺寸图像进行缺陷检测同时缺陷图像文件按编码规则自动命名存储，可视化展示已标注缺陷区域的叶片图像，运用与服务器端相连接的web端和无人艇数据采集端的相关信息，所述web端包括风电桩基础信息模块、无人艇数据采集规划模块及叶片缺陷检测与可视化模块；所述无人艇数据采集端包括智能无人艇平台风电桩叶片外观图像拍摄与传输模块；所述服务器端包括叶片图像库以及模型算法库；并包括以下步骤：
2.根据权利要求1所述的一种海上风电桩叶片图像采集与缺陷检测的方法，其特征在于，步骤a)中，计算无人艇拍摄点具体位置并动态规划无人艇采集叶片图像巡航路径的具体操作为：
3.根据权利要求1所述的一种海上风电桩叶片图像采集与缺陷检测的方法，其特征在于，步骤b)中计算相机云台拍摄参数的具体操作为：
4.根据权利要求1所述的一种海上风电桩叶片图像采集与缺陷检测的方法，其特征在于，步
5.根据权利要求1所述的一种海上风电桩叶片图像采集与缺陷检测的方法，其特征在于，步骤d)中叶片分段大尺寸图像缺陷检测及缺陷图像文件编码规则与缺陷信息记录存储的具体操作为：
6.根据权利要求1所述的一种海上风电桩叶片图像采集与缺陷检测的方法，其特征在于，步骤(e)叶片缺陷图像信息可视化的具体操作为：
...【技术特征摘要】
1.一种海上风电桩叶片图像采集与缺陷检测的方法，其特征在于，采用无人艇拍摄点定位，动态规划无人艇采集叶片图像巡航路径，设定相机云台拍摄参数，拍摄叶片分段大尺寸图像及图像文件按编码规则自动命名存储，对叶片分段大尺寸图像进行缺陷检测同时缺陷图像文件按编码规则自动命名存储，可视化展示已标注缺陷区域的叶片图像，运用与服务器端相连接的web端和无人艇数据采集端的相关信息，所述web端包括风电桩基础信息模块、无人艇数据采集规划模块及叶片缺陷检测与可视化模块；所述无人艇数据采集端包括智能无人艇平台风电桩叶片外观图像拍摄与传输模块；所述服务器端包括叶片图像库以及模型算法库；并包括以下步骤：
2.根据权利要求1所述的一种海上风电桩叶片图像采集与缺陷检测的方法，其特征在于，步骤a)中，计算无人艇拍摄...
【专利技术属性】
技术研发人员：詹小可，於跃成，邓佳颖，徐蒲城，华伟，潘舒，李永正，
申请(专利权)人：江苏科技大学，
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。