【技术实现步骤摘要】
本专利技术属于风力发电机组叶片故障判断方法领域，具体为一种风力发电机组叶片故障判断方法及装置。
技术介绍
1、风力发电机组作为一种清洁能源设备，其运行效率和可靠性在很大程度上依赖于其关键组件——叶片的正常运作。叶片在长期运行过程中可能会因为环境因素、材料疲劳等原因出现损伤或故障，这些损伤若不及时检测和维修，将严重影响风力发电机组的性能和寿命，甚至可能导致严重的安全事故。
2、传统的风力发电机组叶片检测方法多依赖于定期的人工检查或简单的自动化技术，这些方法存在检测效率低、准确性不足或无法实时监控等问题。随着计算机视觉和深度学习技术的发展，基于图像的自动化检测方法逐渐成为研究的热点。这些方法通过分析叶片表面的图像来识别损伤和故障，具有非接触、快速和可自动化等优点。
3、在现有技术中，已经存在一些图像特征提取技术，这些传统方法在特征表达能力、鲁棒性以及实时性方面仍存在局限。深度学习，尤其是卷积神经网络(cnn)和单次检测模型(ssd)，在图像识别和目标检测领域取得了显著的成果。ssd模型通过在不同层次的卷积特征上进行目...
【技术保护点】
1.一种风力发电机组叶片故障判断方法，其特征在于，包括：
2.根据权利要求1所述的一种风力发电机组叶片故障判断方法，其特征在于，所述无损叶片表面图像的Haralick特征和SIFT特征提取方法为：
3.根据权利要求1所述的一种风力发电机组叶片故障判断方法，其特征在于，所述通过应用Frei-Chen算子进行边缘检测，边缘强度计算公式为：
4.根据权利要求3所述的一种风力发电机组叶片故障判断方法，其特征在于，根据边缘检测结果，计算每个像素点的权重，所述计算方式如下：
5.根据权利要求1所述的一种风力发电机组叶片故障判断方法，...
【技术特征摘要】
1.一种风力发电机组叶片故障判断方法，其特征在于，包括：
2.根据权利要求1所述的一种风力发电机组叶片故障判断方法，其特征在于，所述无损叶片表面图像的haralick特征和sift特征提取方法为：
3.根据权利要求1所述的一种风力发电机组叶片故障判断方法，其特征在于，所述通过应用frei-chen算子进行边缘检测，边缘强度计算公式为：
4.根据权利要求3所述的一种风力发电机组叶片故障判断方法，其特征在于，根据边缘检测结果，计算每个像素点的权重，所述计算方式如下：
<...【专利技术属性】
技术研发人员：樊长明，张延恩，夏汨罗，程振，吴华，周邵楠，姚莹，刘娜，卢旭升，
申请(专利权)人：国电投河南新能源有限公司，
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。