【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及圖像檢測(cè)，具體為一種基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法及系統(tǒng)。
技術(shù)介紹
1、隨著風(fēng)力發(fā)電技術(shù)的快速發(fā)展，風(fēng)機(jī)在全球能源結(jié)構(gòu)中占據(jù)了越來越重要的地位。風(fēng)機(jī)葉片作為風(fēng)力發(fā)電設(shè)備的核心部件，其健康狀態(tài)直接影響發(fā)電效率和設(shè)備的使用壽命。傳統(tǒng)的風(fēng)機(jī)葉片檢測(cè)方法主要依賴于人工巡檢和超聲波檢測(cè)等技術(shù)，這些方法在一定程度上能夠識(shí)別葉片的明顯缺陷，但由于檢測(cè)手段有限，往往難以捕捉到葉片材料內(nèi)部的微小裂紋或老化問題。此外，風(fēng)機(jī)葉片常年暴露在惡劣的環(huán)境中，受到風(fēng)、雨、冰雪等多重因素的侵蝕，其老化過程復(fù)雜且不可逆。現(xiàn)有的檢測(cè)技術(shù)在應(yīng)對(duì)多光譜下的老化特征提取和精確定位方面存在較大局限性，這對(duì)風(fēng)電場(chǎng)的運(yùn)維提出了更高的要求。
2、當(dāng)前，基于圖像的檢測(cè)方法逐漸成為風(fēng)機(jī)葉片老化檢測(cè)的研究熱點(diǎn)。多光譜成像技術(shù)的引入，使得通過分析不同光譜下的圖像信息來識(shí)別葉片的老化特征成為可能。然而，現(xiàn)有的多光譜圖像處理方法在圖像融合、特征提取和老化識(shí)別方面仍存在顯著不足。例如，多光譜圖像在處理過程中容易受到噪聲干擾，導(dǎo)致圖像配準(zhǔn)精度下降，進(jìn)而影響到后續(xù)的特征提取和分析結(jié)果。此外，由于風(fēng)機(jī)葉片在不同光譜下的表現(xiàn)差異較大，如何有效融合這些信息并用于老化檢測(cè)仍然是一個(gè)難點(diǎn)。現(xiàn)有技術(shù)中，缺乏對(duì)多光譜圖像進(jìn)行動(dòng)態(tài)采集頻率調(diào)整的機(jī)制，無法適應(yīng)葉片的實(shí)時(shí)運(yùn)動(dòng)變化，這使得獲取高質(zhì)量、多維度的老化特征圖像成為挑戰(zhàn)。
技術(shù)實(shí)現(xiàn)思路
1、鑒于上述存在的問題，提出了本專利技術(shù)。
2、因此，本專利技術(shù)解決的技術(shù)問題是：現(xiàn)
3、為解決上述技術(shù)問題，本專利技術(shù)提供如下技術(shù)方案：一種基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法，包括：采集風(fēng)機(jī)葉片的多光譜圖像，在采集過程中根據(jù)葉片的旋轉(zhuǎn)速度和位置動(dòng)態(tài)調(diào)整采集頻率；對(duì)采集到的多光譜圖像進(jìn)行預(yù)處理，通過圖像配準(zhǔn)將同一葉片在不同波長(zhǎng)下的圖像對(duì)齊與融合，生成多光譜特征圖像；建立老化檢測(cè)模型處理多光譜特征圖像，自動(dòng)識(shí)別并標(biāo)注出圖像中的老化區(qū)域，生成葉片老化報(bào)告，完成風(fēng)機(jī)葉片老化檢測(cè)。
4、作為本專利技術(shù)所述的基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法的一種優(yōu)選方案，其中：所述多光譜圖像是使用切換光譜的多光譜相機(jī)對(duì)風(fēng)機(jī)葉片進(jìn)行圖像采集獲得的，多光譜相機(jī)使用的光譜為可見光、近紅外光、短波紅外光、中波紅外光和遠(yuǎn)紅外光五種，在每次光譜切換后，根據(jù)葉片的旋轉(zhuǎn)速度和位置重新計(jì)算采集時(shí)間窗口，并調(diào)整相機(jī)的采集頻率。
5、作為本專利技術(shù)所述的基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法的一種優(yōu)選方案，其中：所述動(dòng)態(tài)調(diào)整采集頻率包括，使用傳感器實(shí)時(shí)監(jiān)測(cè)葉片的位置和旋轉(zhuǎn)速度，根據(jù)葉片的旋轉(zhuǎn)速度計(jì)算葉片的旋轉(zhuǎn)周期tblade，根據(jù)葉片的位置和速度，設(shè)定在每個(gè)周期內(nèi)的圖像采集時(shí)間點(diǎn)；預(yù)設(shè)需要采集的光譜順序，根據(jù)設(shè)定的光譜順序自動(dòng)旋轉(zhuǎn)濾光片輪，每個(gè)光譜在三次葉片的旋轉(zhuǎn)周期tblade后切換，根據(jù)葉片的旋轉(zhuǎn)周期和光譜切換所需的時(shí)間，設(shè)定基礎(chǔ)采集頻率fb：
6、
7、其中，ni表示每個(gè)光譜波段下需要采集的圖像數(shù)量；在切換光譜時(shí)根據(jù)葉片旋轉(zhuǎn)速度變動(dòng)態(tài)調(diào)整采集頻率fd：
8、
9、其中，v表示葉片的旋轉(zhuǎn)速度；tswitch表示濾光片輪從一個(gè)光譜波段切換到下一個(gè)波段所需的時(shí)間；對(duì)于每個(gè)光譜采集的三個(gè)周期的圖像，基于清晰度、對(duì)比度和噪聲指標(biāo)選擇綜合質(zhì)量最佳的一個(gè)周期的圖像，作為最終用于分析的圖像；采集的圖像與采集時(shí)的葉片角度和采集時(shí)間戳綁定，采集到的多光譜圖像根據(jù)預(yù)設(shè)的光譜順序和采集時(shí)間進(jìn)行存儲(chǔ)，并按照葉片角度排序。
10、作為本專利技術(shù)所述的基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法的一種優(yōu)選方案，其中：所述圖像配準(zhǔn)包括，通過sift算法提取初始特征點(diǎn)，將輸入的多光譜圖像進(jìn)行多次高斯模糊處理，構(gòu)建高斯金字塔，通過計(jì)算相鄰尺度圖像的差分，找到局部極值點(diǎn)作為潛在特征點(diǎn)，定位潛在特征點(diǎn)并計(jì)算哈里斯響應(yīng)值，計(jì)算特征點(diǎn)鄰域的梯度方向，并選擇梯度幅值最大的方向作為特征點(diǎn)的主方向，根據(jù)方向信息生成特征描述符，完成特征點(diǎn)提取；
11、采用歐氏距離匹配算法，引入光譜信號(hào)的相似性作為額外的約束條件，對(duì)不同光譜下的圖像進(jìn)行特征點(diǎn)匹配；基于匹配的特征點(diǎn)，對(duì)多光譜圖像進(jìn)行初步空間配準(zhǔn)，針對(duì)多光譜圖像中存在的非線性變形，使用匹配的特征點(diǎn)對(duì)，通過最小二乘法擬合薄板樣條變換模型，得到初步的變換矩陣，使用計(jì)算得到的變換矩陣對(duì)圖像進(jìn)行初步配準(zhǔn)，薄板樣條變換模型表示為：
12、
13、其中，ttps(x,y)表示對(duì)輸入坐標(biāo)應(yīng)用薄板樣條變換后的輸出坐標(biāo)；n表示特征點(diǎn)的數(shù)量；wi表示第i個(gè)控制點(diǎn)的權(quán)重系數(shù)；u表示徑向基函數(shù)；p表示輸入坐標(biāo)(x,y)；pi表示第i個(gè)控制點(diǎn)的坐標(biāo)；a表示線性變換的參數(shù)；在初步空間配準(zhǔn)的基礎(chǔ)上，采用基于多分辨率金字塔的迭代優(yōu)化算法，通過不斷細(xì)化圖像分辨率，逐級(jí)優(yōu)化配準(zhǔn)結(jié)果，對(duì)配準(zhǔn)后的多光譜圖像進(jìn)行融合，生成多光譜特征圖像。
14、作為本專利技術(shù)所述的基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法的一種優(yōu)選方案，其中：所述特征點(diǎn)匹配包括，采用歐氏距離匹配算法進(jìn)行特征點(diǎn)匹配，對(duì)于每個(gè)特征點(diǎn)，計(jì)算特征點(diǎn)的描述符fi與其他光譜下的所有特征點(diǎn)描述符fj之間的歐氏距離：
15、dij＝∥fi-fj∥
16、其中，dij表示pi和pj兩個(gè)特征點(diǎn)之間的歐氏距離；引入光譜信號(hào)的相似性作為額外的約束條件，在匹配過程中，不僅考慮幾何特征的相似性，還要計(jì)算特征點(diǎn)所在區(qū)域的光譜特征相似度sij：
17、
18、其中，σ表示控制相似度衰減的常數(shù)；gi表示特征點(diǎn)pi的在不同光譜下的光譜特征向量；gj表示特征點(diǎn)pj的在不同光譜下的光譜特征向量；最終的匹配得分mij由歐氏距離和光譜特征相似度共同決定，表示為：
19、
20、其中，α表示權(quán)重系數(shù)；通過隨機(jī)采樣一致性算法，從初步匹配的點(diǎn)對(duì)中去除誤匹配。
21、作為本專利技術(shù)所述的基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法的一種優(yōu)選方案，其中：所述老化檢測(cè)模型是采用深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)合注意力機(jī)制建立的神經(jīng)網(wǎng)絡(luò)模型，通過多層卷積和特征提取操作，對(duì)多光譜特征圖像進(jìn)行處理，老化檢測(cè)模型的結(jié)構(gòu)包括輸入層、卷積層、光譜特征增強(qiáng)模塊、多尺度特征提取模塊、池化層、全連接層和輸出層，輸入層接收多光譜融合后的特征圖像，卷積層采用不同大小的卷積核進(jìn)行多尺度特征提取；光譜特征增強(qiáng)模塊在卷積層2的基礎(chǔ)上進(jìn)行改進(jìn)，在常規(guī)卷積操作中引入光譜特征的自適應(yīng)權(quán)重分配機(jī)制；多尺度特征提取模塊對(duì)不同尺度的特征圖進(jìn)行加權(quán)和積分，融合來自不同尺度的信息，得到最終的特征表示：
22、
23、其中，ffinal表示最終的多尺度特征表示；αl表示第l層的權(quán)重系數(shù)；l表示光譜特征增強(qiáng)模塊的總層數(shù)；fg表示在第l層光譜特征增強(qiáng)模塊后的特征圖；a(l)表示第l層的特征加權(quán)因子；ω表示積分變量；使用自適應(yīng)池化層減少特征圖的尺寸，降低特征圖本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法，其特征在于，包括：
2.如權(quán)利要求1所述的基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法，其特征在于：所述多光譜圖像是使用切換光譜的多光譜相機(jī)對(duì)風(fēng)機(jī)葉片進(jìn)行圖像采集獲得的，多光譜相機(jī)使用的光譜為可見光、近紅外光、短波紅外光、中波紅外光和遠(yuǎn)紅外光五種，在每次光譜切換后，根據(jù)葉片的旋轉(zhuǎn)速度和位置重新計(jì)算采集時(shí)間窗口，并調(diào)整相機(jī)的采集頻率。
3.如權(quán)利要求2所述的基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法，其特征在于：所述動(dòng)態(tài)調(diào)整采集頻率包括，使用傳感器實(shí)時(shí)監(jiān)測(cè)葉片的位置和旋轉(zhuǎn)速度，根據(jù)葉片的旋轉(zhuǎn)速度計(jì)算葉片的旋轉(zhuǎn)周期Tblade，根據(jù)葉片的位置和速度，設(shè)定在每個(gè)周期內(nèi)的圖像采集時(shí)間點(diǎn)；
4.如權(quán)利要求3所述的基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法，其特征在于：所述圖像配準(zhǔn)包括，通過SIFT算法提取初始特征點(diǎn)，將輸入的多光譜圖像進(jìn)行多次高斯模糊處理，構(gòu)建高斯金字塔，通過計(jì)算相鄰尺度圖像的差分，找到局部極值點(diǎn)作為潛在特征點(diǎn)，定位潛在特征點(diǎn)并計(jì)算哈里斯響應(yīng)值，計(jì)算特征點(diǎn)鄰域的梯度方向，并選擇梯度幅值最大的方向作為特征點(diǎn)的主方向，根據(jù)方向信息生
5.如權(quán)利要求4所述的基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法，其特征在于：所述特征點(diǎn)匹配包括，采用歐氏距離匹配算法進(jìn)行特征點(diǎn)匹配，對(duì)于每個(gè)特征點(diǎn)，計(jì)算特征點(diǎn)的描述符fi與其他光譜下的所有特征點(diǎn)描述符fj之間的歐氏距離：
6.如權(quán)利要求5所述的基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法，其特征在于：所述老化檢測(cè)模型是采用深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)合注意力機(jī)制建立的神經(jīng)網(wǎng)絡(luò)模型，通過多層卷積和特征提取操作，對(duì)多光譜特征圖像進(jìn)行處理，老化檢測(cè)模型的結(jié)構(gòu)包括輸入層、卷積層、光譜特征增強(qiáng)模塊、多尺度特征提取模塊、池化層、全連接層和輸出層，輸入層接收多光譜融合后的特征圖像，卷積層采用不同大小的卷積核進(jìn)行多尺度特征提取；
7.如權(quán)利要求6所述的基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法，其特征在于：所述光譜特征增強(qiáng)模塊是一個(gè)復(fù)合模塊，包括池化層、全連接層和特征增強(qiáng)層，對(duì)輸入光譜特征增強(qiáng)模塊每個(gè)光譜通道的特征圖進(jìn)行池化，生成一組代表當(dāng)前圖像全局特征的值：
8.一種采用如權(quán)利要求1～7任一所述方法的基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)系統(tǒng)，其特征在于，包括，
9.一種計(jì)算設(shè)備，包括：存儲(chǔ)器和處理器；
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其存儲(chǔ)有計(jì)算機(jī)可執(zhí)行指令，該計(jì)算機(jī)可執(zhí)行指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7任一項(xiàng)所述的方法的步驟。
...【技術(shù)特征摘要】
1.一種基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法，其特征在于，包括：
2.如權(quán)利要求1所述的基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法，其特征在于：所述多光譜圖像是使用切換光譜的多光譜相機(jī)對(duì)風(fēng)機(jī)葉片進(jìn)行圖像采集獲得的，多光譜相機(jī)使用的光譜為可見光、近紅外光、短波紅外光、中波紅外光和遠(yuǎn)紅外光五種，在每次光譜切換后，根據(jù)葉片的旋轉(zhuǎn)速度和位置重新計(jì)算采集時(shí)間窗口，并調(diào)整相機(jī)的采集頻率。
3.如權(quán)利要求2所述的基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法，其特征在于：所述動(dòng)態(tài)調(diào)整采集頻率包括，使用傳感器實(shí)時(shí)監(jiān)測(cè)葉片的位置和旋轉(zhuǎn)速度，根據(jù)葉片的旋轉(zhuǎn)速度計(jì)算葉片的旋轉(zhuǎn)周期tblade，根據(jù)葉片的位置和速度，設(shè)定在每個(gè)周期內(nèi)的圖像采集時(shí)間點(diǎn)；
4.如權(quán)利要求3所述的基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法，其特征在于：所述圖像配準(zhǔn)包括，通過sift算法提取初始特征點(diǎn)，將輸入的多光譜圖像進(jìn)行多次高斯模糊處理，構(gòu)建高斯金字塔，通過計(jì)算相鄰尺度圖像的差分，找到局部極值點(diǎn)作為潛在特征點(diǎn)，定位潛在特征點(diǎn)并計(jì)算哈里斯響應(yīng)值，計(jì)算特征點(diǎn)鄰域的梯度方向，并選擇梯度幅值最大的方向作為特征點(diǎn)的主方向，根據(jù)方向信息生成特征描述符，完成特征點(diǎn)提取；
5.如權(quán)利要求4所述的基于圖像的風(fēng)機(jī)葉片老化的檢測(cè)方法...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：由梓默，王吉超，鄭權(quán)，史立志，劉暢，尹喆，劉志強(qiáng)，喬寬，安楠，常曉勇，梁永根，馮健行，
申請(qǐng)(專利權(quán))人：華能新能源股份有限公司河北分公司，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。