System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,尤其一种风力发电机偏航角计算方法及装置。
技术介绍
1、风力发电机桨叶在工作过程中受到强风负荷、沙粒冲刷、雷击、大气氧化与潮湿空气腐蚀等因素的影响,不可避免的会出现气孔、裂缝、磨损、腐蚀等问题,如不及时进行处理会导致桨叶断裂,严重威胁着机组安全运行,所以需要对风力机叶片的健康状况进行监控。
2、现有的,风力发电机的机桨叶巡检主要通过“蜘蛛人”、望远镜观察等传统方法,即便是使用无人机进行巡检,自动化程度也不高,需要巡检员直接通过视频影像进行观察,人工成本高、效率和准确率也难以保证,此外,在进行巡检时需要风力发电机暂停运作,耗时长、价格昂贵。
技术实现思路
1、本专利技术提供了一种风力发电机偏航角计算方法及装置,以解决现有风力发电机巡检自动化成本不高,导致成本高、效率低的技术问题。
2、为了解决上述技术问题,本专利技术实施例提供了一种风力发电机偏航角计算方法,包括:
3、获取第一数据集,并根据深度卷积神经网络和所述第一数据集构建第一分割模型;所述第一数据集包括风力发电机的桨叶图像和机舱图像及对应的标签;
4、获取待检测风力发电机的实时图像,根据所述第一分割模型获取所述待检测风力发电机的桨叶和机舱信息;
5、根据所述待检测风力发电机的桨叶和机舱信息进行区域直线提取,计算所述待检测风力发电机的偏航角。
6、本专利技术根据第一分割模型对风力发电机的实时图像进行语义分割,从而对风力发电机机舱和桨叶进
7、进一步的,所述获取第一数据集,具体为:
8、根据预设检测规则,控制无人机对各个风力发电机进行拍摄,获取若干风力发电机的检测数据集,所述检测规则包括拍摄条件、拍摄高度、拍摄角度以及无人机飞行轨迹;所述检测数据集包括视频数据和图像数据;
9、抽取所述视频数据中的关键帧数据,并根据图片整体性对所述关键帧数据和图像数据进行筛选,生成第二数据集;
10、识别所述第二数据集中的所有第二数据中的风力发电机、桨叶和机舱,并进行标注,生成第一数据集。
11、进一步的,所述根据深度卷积神经网络和所述第一数据集构建第一分割模型,包括:
12、根据预设格式对所述第一数据集进行转换生成语义分割数据集,并将所述语义分割数据集划分成训练集和测试集;
13、根据编码器和解码器构建第一分割模型,并根据所述训练集、测试集对所述第一分割模型进行训练;
14、根据交叉熵损失函数对所述第一分割模型进行评估,直至模型收敛达到预设条件,输出训练好的第一分割模型。
15、进一步的,所述获取待检测风力发电机的实时图像,根据所述第一分割模型获取所述待检测风力发电机的桨叶和机舱信息,具体为:
16、根据无人机获取待检测风力发电机的实时图像,并将所述实时图像输入所述第一分割模型进行语义分割;
17、获取所述待检测风力发电机的桨叶对应的区域mask图像和机舱对应的点集。
18、进一步的,所述根据所述待检测风力发电机的桨叶和机舱信息进行区域直线提取,计算所述待检测风力发电机的偏航角,具体为:
19、根据预设算子检测风力发电机的桨叶对应的区域mask图像,提取桨叶轮廓信息,并生成桨叶轮廓二值图像;
20、提取所述桨叶轮廓二值图像中的第一直线,所述第一直线为所述桨叶轮廓二值图像中的最长直线;
21、根据所述机舱点集生成机舱聚合点,根据几何逻辑计算所述机舱聚合点和第一直线的法向量,并根据法向量和预设的基准向量计算所述待检测风力发电机的偏航角。
22、第二方面,本专利技术提供了一种风力发电机偏航角计算装置,包括:模型构建模块、检测模块和计算模块;
23、所述模型构建模块,用于获取第一数据集,并根据深度卷积神经网络和所述第一数据集构建第一分割模型;所述第一数据集包括风力发电机的桨叶图像和机舱图像及对应的标签;
24、所述检测模块,用于获取待检测风力发电机的实时图像,根据所述第一分割模型获取所述待检测风力发电机的桨叶和机舱信息;
25、所述计算模块,用于根据所述待检测风力发电机的桨叶和机舱信息进行区域直线提取,计算所述待检测风力发电机的偏航角。
26、进一步的,所述模型构建模块,具体用于:
27、根据预设检测规则,控制无人机对各个风力发电机进行拍摄,获取若干风力发电机的检测数据集,所述检测规则包括拍摄条件、拍摄高度、拍摄角度以及无人机飞行轨迹;所述检测数据集包括视频数据和图像数据;
28、抽取所述视频数据中的关键帧数据,并根据图片整体性对所述关键帧数据和图像数据进行筛选,生成第二数据集;
29、识别所述第二数据集中的所有第二数据中的风力发电机、桨叶和机舱,并进行标注,生成第一数据集。
30、进一步的,所述模型构建模块,还用于:
31、根据预设格式对所述第一数据集进行转换生成语义分割数据集,并将所述语义分割数据集划分成训练集和测试集;
32、根据编码器和解码器构建第一分割模型,并根据所述训练集、测试集对所述第一分割模型进行训练;
33、根据交叉熵损失函数对所述第一分割模型进行评估,直至模型收敛达到预设条件,输出训练好的第一分割模型。
34、进一步的,所述检测模块,具体用于:
35、根据无人机获取待检测风力发电机的实时图像,并将所述实时图像输入所述第一分割模型进行语义分割;
36、获取所述待检测风力发电机的桨叶对应的区域mask图像和机舱对应的点集。
37、进一步的,所述计算模块,具体用于:
38、根据预设算子检测风力发电机的桨叶对应的区域mask图像,提取桨叶轮廓信息,并生成桨叶轮廓二值图像;
39、提取所述桨叶轮廓二值图像中的第一直线,所述第一直线为所述桨叶轮廓二值图像中的最长直线;
40、根据所述机舱点集生成机舱聚合点,根据几何逻辑计算所述机舱聚合点和第一直线的法向量,并根据法向量和预设的基准向量计算所述待检测风力发电机的偏航角。
本文档来自技高网...【技术保护点】
1.一种风力发电机偏航角计算方法,其特征在于,包括:
2.如权利要求1所述的风力发电机偏航角计算方法,其特征在于,所述获取第一数据集,具体为:
3.如权利要求2所述的风力发电机偏航角计算方法,其特征在于,所述根据深度卷积神经网络和所述第一数据集构建第一分割模型,包括:
4.如权利要求3所述的风力发电机偏航角计算方法,其特征在于,所述获取待检测风力发电机的实时图像,根据所述第一分割模型获取所述待检测风力发电机的桨叶和机舱信息,具体为:
5.如权利要求4所述的风力发电机偏航角计算方法,其特征在于,所述根据所述待检测风力发电机的桨叶和机舱信息进行区域直线提取,计算所述待检测风力发电机的偏航角,具体为:
6.一种风力发电机偏航角计算装置,其特征在于,包括:模型构建模块、检测模块和计算模块;
7.如权利要求6所述的风力发电机偏航角计算装置,其特征在于,所述模型构建模块,具体用于:
8.如权利要求7所述的风力发电机偏航角计算装置,其特征在于,所述模型构建模块,还用于:
9.如权利要求8所述的风力发
10.如权利要求9所述的风力发电机偏航角计算装置,其特征在于,所述计算模块,具体用于:
...【技术特征摘要】
1.一种风力发电机偏航角计算方法,其特征在于,包括:
2.如权利要求1所述的风力发电机偏航角计算方法,其特征在于,所述获取第一数据集,具体为:
3.如权利要求2所述的风力发电机偏航角计算方法,其特征在于,所述根据深度卷积神经网络和所述第一数据集构建第一分割模型,包括:
4.如权利要求3所述的风力发电机偏航角计算方法,其特征在于,所述获取待检测风力发电机的实时图像,根据所述第一分割模型获取所述待检测风力发电机的桨叶和机舱信息,具体为:
5.如权利要求4所述的风力发电机偏航角计算方法,其特征在于,所述根据所述待检测风力发电机的...
【专利技术属性】
技术研发人员:陈禹明,张晓晔,郑培文,黎佩馨,陈皓,徐琪,朱曦萌,
申请(专利权)人:南方电网电力科技股份有限公司,
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。