CN108506170A - 风机叶片检测方法、***、设备及存储介质 - Google Patents
风机叶片检测方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN108506170A CN108506170A CN201810190311.7A CN201810190311A CN108506170A CN 108506170 A CN108506170 A CN 108506170A CN 201810190311 A CN201810190311 A CN 201810190311A CN 108506170 A CN108506170 A CN 108506170A
- Authority
- CN
- China
- Prior art keywords
- blade
- defect
- view
- defective locations
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种风机叶片检测方法、***、设备及存储介质,包括如下步骤:采集风机上每一叶片的多张图像,在图像中识别出叶片的缺陷,并标注出每一缺陷的缺陷位置和缺陷类型以及缺陷所在叶片的编号;将每一叶片的多张图像拼接出每一叶片的三维图像,并在叶片的三维图像上标注出缺陷位置和缺陷类型;根据每一叶片的三维图像和该叶片的编号,建立风机的三维图像,以在风机的三维图像上显示出每一叶片的缺陷位置和缺陷类型。本发明中能够对收集到的叶片的多张图像进行识别并标注出叶片上的缺陷位置、缺陷类型,并进而建立风机的三维图像,从而能够在风机的三维图像显示出每一叶片的缺陷位置和缺陷类型,以便于在检修中便捷发现缺陷位置。
Description
技术领域
本发明涉及风机检测,具体地,涉及一种风机叶片检测方法、***、设备及存储介质。
背景技术
风力发电机是将风能转换为机械功,机械功带动转子旋转,最终输出交流电的电力设备。风力发电机一般有叶片、发电机、调向器、塔架、限速安全机构和储能装置等构件组成。
在风力发电机的长期运行过程中,叶片的表面会呈现出各种损伤,例如叶片保护膜损伤、叶片掉漆、叶片结冰、叶片裂纹以及叶片油污等。
目前,对叶片表面进行损伤检测时,通常采用人工爬上风力发电机进行检测,不仅会花费大量的人力,而且在人工爬上风力发电的进行检测的时候需要高空作业,作业人员的安全具有一定的风险。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种风机叶片检测方法、***、设备及存储介质。
根据本发明提供的风机叶片检测方法,包括如下步骤:
步骤S1:采集风机上每一叶片的多张图像,在所述图像中识别出所述叶片的缺陷,并标注出每一所述缺陷的缺陷位置和缺陷类型以及所述缺陷所在叶片的编号;
步骤S2:将每一所述叶片的多张图像拼接出每一所述叶片的三维图像,并在所述叶片的三维图像上标注出所述缺陷位置和缺陷类型;
步骤S3:根据每一叶片的所述三维图像和该叶片的编号,建立所述风机的三维图像,以在所述风机的三维图像上显示出每一叶片的缺陷位置和缺陷类型。
优选地,所述步骤S1包括如下步骤:
步骤S101:将所述叶片的缺陷分类成若干缺陷类型,采集每种缺陷类型对应的叶片图像区域,生成多组训练图像;
步骤S102:通过多组所述训练图像训练缺陷识别模块;
步骤S103:将采集到的所述多张图像输入所述缺陷识别模块识别并进行缺陷位置和缺陷类型的标记。
优选地,在将所述每种缺陷类型对应的叶片图像区域生成多组训练图像时,将所述叶片图像区域的背景去除;
所述背景为采集叶片图像区域时生成的与所述叶片图像区域在平面上相邻的区域。
优选地,每一所述叶片的多张图像包括每一叶片的两侧面顺次连接的叶根区域、叶根至叶中区域、叶中至叶尖区域以及叶尖区域。
优选地,所述缺陷类型包括如下任一种或任多种:
-叶片开裂;
-附件脱落;
-表面腐蚀;
-表面掉漆;
-胶衣脱落;
-胶衣裂纹。
优选地,所述步骤S2包括如下步骤:
步骤S201:将每一所述叶片的多张图像拼接出每一所述叶片的三维图像;
步骤S202:在每一所述叶片的两侧面分别建立以叶片的长度方向为X轴,以所述叶片的宽度方向为Y轴的坐标系,进而生成每一缺陷位置的坐标;
步骤S203:将多个聚集分布的多个缺陷位置生成缺陷区域,在所述缺陷区域中每个缺陷位置至少与所述缺陷区域的另一缺陷位置的距离小于预设定距离;
步骤S204:将所述缺陷区域在每一所述叶片上标识出。
优选地,当所述缺陷类型为叶片开裂和胶衣裂纹时,所述步骤S101包括如下步骤:
步骤S1011:采集每种缺陷类型对应的叶片图像区域,所述缺陷类型包括叶片开裂和胶衣裂纹;
步骤S1012:将每一缺陷类型对应的叶片图像区域按照所处的缺陷区域分为若干个所述缺陷组;
步骤S1013:将每一所述缺陷组中叶片图像区域按照缺陷长度由短至长依次排序;
步骤S1014:依次跟踪相邻缺陷长度的两张叶片图像区域,当排列靠前的叶片图像区域缺陷长度生成至与所述缺陷组中相邻排列且排列靠后的叶片图像区域缺陷长度相同时,生成该相邻缺陷长度的两张叶片图像区域的老化时间。
本发明提供的风机叶片检测***,用于所述的风机叶片检测方法,包括:
缺陷识别模块,用于识别采集到的风机上每一叶片的多张图像,在所述图像中识别出所述叶片的缺陷,并标注出每一所述缺陷的缺陷位置和缺陷类型以及所述缺陷所在叶片的编号;
图像拼接模块,用于将每一所述叶片的多张图像拼接出每一所述叶片的三维图像,并在所述叶片的三维图像上标注出所述缺陷位置和缺陷类型;
三维图像模块,用于根据每一叶片的所述三维图像和该叶片的编号,建立所述风机的三维图像,以在所述风机的三维图像上显示出每一叶片的缺陷位置和缺陷类型。
本发明提供的风机叶片检测设备,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行所述风机叶片检测方法的步骤。
本发明提供的计算机可读存储介质,用于存储程序,其特征在于,所述程序被执行时实现所述风机叶片检测方法的步骤。
与现有技术相比,本发明具有如下的有益效果:
本发明中能够对收集到的叶片的多张图像进行识别并标注出所述叶片上的缺陷位置、缺陷类型,并进而拼接出每一所述叶片的三维图像,建立所述风机的三维图像,从而能够在风机的三维图像显示出每一叶片的缺陷位置和缺陷类型,以能够方便的展示缺陷位置,以便于在检修中便捷发现缺陷位置;
本发明中将所述叶片的缺陷分类呈若干缺陷类型,采集每种缺陷类型对应的叶片图像区域,生成多组训练图像,通过多组所述训练图像训练缺陷识别模块,从而提高了缺陷类型的识别效率。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明中风机叶片检测方法的步骤流程图;
图2为本发明中缺陷识别的步骤流程图;
图3为本发明中缺陷区域标识的步骤流程图;
图4为本发明中相邻缺陷长度的老化时间计算流程图;
图5为本发明中叶片的结构示意图;
图6为本发明中风机叶片检测***的模块示意图;
图7为本发明中风机叶片检测设备的结构示意图;以及
图8为本本发明中计算机可读存储介质的结构示意图。
图中:
1为根区域;
2为叶根至叶中区域;
3为叶中至叶尖区域;
4为叶尖区域。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
在本实施例中,图1示出了本发明中风机叶片检测方法的步骤流程图,如图1所示,本发明提供的风机叶片检测方法,包括如下步骤:
步骤S1:采集风机上每一叶片的多张图像,在所述图像中识别出所述叶片的缺陷,并标注出每一所述缺陷的缺陷位置和缺陷类型以及所述缺陷所在叶片的编号;
步骤S2:将每一所述叶片的多张图像拼接出每一所述叶片的三维图像,并在所述叶片的三维图像上标注出所述缺陷位置和缺陷类型;
步骤S3:根据每一叶片的所述三维图像和该叶片的编号,建立所述风机的三维图像,以在所述风机的三维图像上显示出每一叶片的缺陷位置和缺陷类型。
在本实施例中,所述缺陷类型包括如下任一种或任多种:
-叶片开裂;
-附件脱落;
-表面腐蚀;
-表面掉漆;
-胶衣脱落;
-胶衣裂纹。
在变形例中,也可以增加叶片雷击损伤、表面污染、结构损坏或前缘保护膜损伤等其他损坏。
本发明中能够对收集到的叶片的多张图像进行识别并标注出所述叶片上的缺陷位置、缺陷类型,并进而拼接出每一所述叶片的三维图像,建立所述风机的三维图像,从而能够在风机的三维图像显示出每一叶片的缺陷位置和缺陷类型,以能够方便的展示缺陷位置,以便于在检修中便捷发现缺陷位置。
图2示出了本发明中缺陷识别的步骤流程图,如图2所示,所述步骤S1包括如下步骤:
步骤S101:将所述叶片的缺陷分类成若干缺陷类型,采集每种缺陷类型对应的叶片图像区域,生成多组训练图像;
步骤S102:通过多组所述训练图像训练缺陷识别模块;
步骤S103:将采集到的所述多张图像输入所述缺陷识别模块识别并进行缺陷位置和缺陷类型的标记。
在本实施例中,本发明中将所述叶片的缺陷分类呈若干缺陷类型,采集每种缺陷类型对应的叶片图像区域,生成多组训练图像,通过多组所述训练图像训练缺陷识别模块,从而提高了缺陷类型的识别效率。
在本实施例中,进行缺陷位置和缺陷类型的标记,具体为将缺陷位置在叶片上框出,将所述缺陷类型通过文字标识出或通过字符标识出。
在将所述每种缺陷类型对应的叶片图像区域生成多组训练图像时,将所述叶片图像区域的背景去除;
所述背景为采集叶片图像区域时生成的与所述叶片图像区域在平面上相邻的区域。
当将采集到的所述多张图像输入所述缺陷识别模块识别时,将所述图像的背景去除。
在本实施例中,所述背景可以拍摄风机图像时,引入的地面、草地、天空等背景,将所述叶片图像区域的背景去除,即将所述图像上的非叶片图像区域去除。将所述图像的背景去除,即将在所述图像上的非风机和叶片区域去除。
图5为本发明中叶片的结构示意图,每一所述叶片的多张图像包括每一叶片的两侧面顺次连接的叶根区域1、叶根至叶中区域2、叶中至叶尖区域3以及叶尖区域4。
在本实施例中,所述叶根区域1、所述叶根至叶中区域2、所述叶中至叶尖区域3以及所述叶尖区域4的长度可根据需要进行适应性的调整。
在变形例中,每一所述叶片的多张图像还可以包括每一叶片的两侧面顺次连接叶根区域1、叶根至叶中区域2、叶中至叶尖区域3以及叶尖区域4,或叶根至叶中区域2、叶中至叶尖区域3。
图3示出了本发明中缺陷区域标识的步骤流程图,如图3所示,所述步骤S2包括如下步骤:
步骤S201:将每一所述叶片的多张图像拼接出每一所述叶片的三维图像;
步骤S202:在每一所述叶片的两侧面分别建立以叶片的长度方向为X轴,以所述叶片的宽度方向为Y轴的坐标系,进而生成每一缺陷位置的坐标;
步骤S203:将多个聚集分布的多个缺陷位置生成缺陷区域,在所述缺陷区域中每个缺陷位置至少与所述缺陷区域的另一缺陷位置的距离小于预设定距离;
步骤S204:将所述缺陷区域在每一所述叶片上标识出。
在本实施例中,本发明通过在每一所述叶片的两侧面建立以叶片的长度方向为X轴,以所述叶片的宽度方向为Y,能够精确确定每个缺陷位置的坐标,进而将相互距离小于预设定距离的缺陷位置生成缺陷区域,从而使得确定出每一叶片的缺陷位置集中区,从而可以对该区域进行重点检测,提高了检测的效率。
在本实施例中,所述预设定距离为根据需要进行设定距离,在本实施例中所述预设定距离为10厘米。
在本实施例中,将所述缺陷区域在每一所述叶片上标识出,具体为将所述缺陷区域在所述叶片上框出。
图4为本发明中相邻缺陷长度的老化时间计算流程图,如图4所示,当所述缺陷类型为叶片开裂和胶衣裂纹时,所述步骤S101包括如下步骤:
步骤S1011:采集每种缺陷类型对应的叶片图像区域,所述缺陷类型包括叶片开裂和胶衣裂纹;
步骤S1012:将每一缺陷类型对应的叶片图像区域按照所处的缺陷区域分为若干个所述缺陷组;
步骤S1013:将每一所述缺陷组中叶片图像区域按照缺陷长度由短至长依次排序;
步骤S1014:依次跟踪相邻缺陷长度的两张叶片图像区域,当排列靠前的叶片图像区域缺陷长度生成至与所述缺陷组中相邻排列且排列靠后的叶片图像区域缺陷长度相同时,生成该相邻缺陷长度的两张叶片图像区域的老化时间。
在本实施例中,本发明中当排列靠前的叶片图像区域缺陷长度生成至与所述缺陷组中相邻排列且排列靠后的叶片图像区域缺陷长度相同时,确定该缺陷类型的老化时间,从而能够确定该缺陷类型的老化趋势,便于安排维修时间,尽快对老化时间较小的缺陷进行维修,避免了因延迟维修造成较大的损失。
图6为本发明中风机叶片检测***的模块示意图,如图6所示,本发明提供的风机叶片检测***,用于实现所述的风机叶片检测方法,包括:
缺陷识别模块,用于识别采集到的风机上每一叶片的多张图像,在所述图像中识别出所述叶片的缺陷,并标注出每一所述缺陷的缺陷位置和缺陷类型以及所述缺陷所在叶片的编号;
图像拼接模块,用于将每一所述叶片的多张图像拼接出每一所述叶片的三维图像,并在所述叶片的三维图像上标注出所述缺陷位置和缺陷类型;
三维图像模块,用于根据每一叶片的所述三维图像和该叶片的编号,建立所述风机的三维图像,以在所述风机的三维图像上显示出每一叶片的缺陷位置和缺陷类型。
本发明实施例中还提供一种风机叶片检测设备,包括处理器。存储器,其中存储有处理器的可执行指令。其中,处理器配置为经由执行可执行指令来执行的风机叶片检测方法的步骤。
如上,该实施例中本发明中能够对收集到的叶片的多张图像进行识别并标注出所述叶片上的缺陷位置、缺陷类型,并进而拼接出每一所述叶片的三维图像,建立所述风机的三维图像,从而能够在风机的三维图像显示出每一叶片的缺陷位置和缺陷类型,以能够方便的展示缺陷位置,以便于在检修中便捷发现缺陷位置。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为***、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“平台”。
图7是本发明的风机叶片检测设备的结构示意图。下面参照图7来描述根据本发明的这种实施方式的电子设备600。图7显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中,存储单元存储有程序代码,程序代码可以被处理单元610执行,使得处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,处理单元610可以执行如图1中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白,尽管图8中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储平台等。
本发明实施例中还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现的风机叶片检测方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
如上所示,该实施例的计算机可读存储介质的程序在执行时,本发明中能够对收集到的叶片的多张图像进行识别并标注出所述叶片上的缺陷位置、缺陷类型,并进而拼接出每一所述叶片的三维图像,建立所述风机的三维图像,从而能够在风机的三维图像显示出每一叶片的缺陷位置和缺陷类型,以能够方便的展示缺陷位置,以便于在检修中便捷发现缺陷位置。
图8是本发明的计算机可读存储介质的结构示意图。参考图8所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本实施例中,本发明中能够对收集到的叶片的多张图像进行识别并标注出所述叶片上的缺陷位置、缺陷类型,并进而拼接出每一所述叶片的三维图像,建立所述风机的三维图像,从而能够在风机的三维图像显示出每一叶片的缺陷位置和缺陷类型,以能够方便的展示缺陷位置,以便于在检修中便捷发现缺陷位置;
本发明中将所述叶片的缺陷分类呈若干缺陷类型,采集每种缺陷类型对应的叶片图像区域,生成多组训练图像,通过多组所述训练图像训练缺陷识别模块,从而提高了缺陷类型的识别效率。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (10)
1.一种风机叶片检测方法,其特征在于,包括如下步骤:
步骤S1:采集风机上每一叶片的多张图像,在所述图像中识别出所述叶片的缺陷,并标注出每一所述缺陷的缺陷位置和缺陷类型以及所述缺陷所在叶片的编号;
步骤S2:将每一所述叶片的多张图像拼接出每一所述叶片的三维图像,并在所述叶片的三维图像上标注出所述缺陷位置和缺陷类型;
步骤S3:根据每一叶片的所述三维图像和该叶片的编号,建立所述风机的三维图像,以在所述风机的三维图像上显示出每一叶片的缺陷位置和缺陷类型。
2.根据权利要求1所述的风机叶片检测方法,其特征在于,所述步骤S1包括如下步骤:
步骤S101:将所述叶片的缺陷分类成若干缺陷类型,采集每种缺陷类型对应的叶片图像区域,生成多组训练图像;
步骤S102:通过多组所述训练图像训练缺陷识别模块;
步骤S103:将采集到的所述多张图像输入所述缺陷识别模块识别并进行缺陷位置和缺陷类型的标记。
3.根据权利要求2所述的风机叶片检测方法,其特征在于,在将所述每种缺陷类型对应的叶片图像区域生成多组训练图像时,将所述叶片图像区域的背景去除;
所述背景为采集叶片图像区域时生成的与所述叶片图像区域在平面上相邻的区域。
4.根据权利要求1所述的风机叶片检测方法,其特征在于,每一所述叶片的多张图像包括每一叶片的两侧面顺次连接的叶根区域、叶根至叶中区域、叶中至叶尖区域以及叶尖区域。
5.根据权利要求2所述的风机叶片检测方法,其特征在于,所述缺陷类型包括如下任一种或任多种:
-叶片开裂;
-附件脱落;
-表面腐蚀;
-表面掉漆;
-胶衣脱落;
-胶衣裂纹。
6.根据权利要求1所述的风机叶片检测方法,其特征在于,所述步骤S2包括如下步骤:
步骤S201:将每一所述叶片的多张图像拼接出每一所述叶片的三维图像;
步骤S202:在每一所述叶片的两侧面分别建立以叶片的长度方向为X轴,以所述叶片的宽度方向为Y轴的坐标系,进而生成每一缺陷位置的坐标;
步骤S203:将多个聚集分布的多个缺陷位置生成缺陷区域,在所述缺陷区域中每个缺陷位置至少与所述缺陷区域的另一缺陷位置的距离小于预设定距离;
步骤S204:将所述缺陷区域在每一所述叶片上标识出。
7.根据权利要求2所述的风机叶片检测方法,其特征在于,当所述缺陷类型为叶片开裂和胶衣裂纹时,所述步骤S101包括如下步骤:
步骤S1011:采集每种缺陷类型对应的叶片图像区域,所述缺陷类型包括叶片开裂和胶衣裂纹;
步骤S1012:将每一缺陷类型对应的叶片图像区域按照所处的缺陷区域分为若干个缺陷组;
步骤S1013:将每一所述缺陷组中叶片图像区域按照缺陷长度由短至长依次排序;
步骤S1014:依次跟踪相邻缺陷长度的两张叶片图像区域,当排列靠前的叶片图像区域缺陷长度生成至与所述缺陷组中相邻排列且排列靠后的叶片图像区域缺陷长度相同时,生成该相邻缺陷长度的两张叶片图像区域的老化时间。
8.一种风机叶片检测***,用于实现权利要求1至7中任一项所述的风机叶片检测方法,其特征在于,包括:
缺陷识别模块,用于识别采集到的风机上每一叶片的多张图像,在所述图像中识别出所述叶片的缺陷,并标注出每一所述缺陷的缺陷位置和缺陷类型以及所述缺陷所在叶片的编号;
图像拼接模块,用于将每一所述叶片的多张图像拼接出每一所述叶片的三维图像,并在所述叶片的三维图像上标注出所述缺陷位置和缺陷类型;
三维图像模块,用于根据每一叶片的所述三维图像和该叶片的编号,建立所述风机的三维图像,以在所述风机的三维图像上显示出每一叶片的缺陷位置和缺陷类型。
9.一种风机叶片检测设备,其特征在于,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至7中任意一项所述风机叶片检测方法的步骤。
10.一种计算机可读存储介质,用于存储程序,其特征在于,所述程序被执行时实现权利要求1至7中任意一项所述风机叶片检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810190311.7A CN108506170A (zh) | 2018-03-08 | 2018-03-08 | 风机叶片检测方法、***、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810190311.7A CN108506170A (zh) | 2018-03-08 | 2018-03-08 | 风机叶片检测方法、***、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108506170A true CN108506170A (zh) | 2018-09-07 |
Family
ID=63377254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810190311.7A Pending CN108506170A (zh) | 2018-03-08 | 2018-03-08 | 风机叶片检测方法、***、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108506170A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109741238A (zh) * | 2018-11-23 | 2019-05-10 | 上海扩博智能技术有限公司 | 风机叶片图像拼接方法、***、设备及存储介质 |
CN110608137A (zh) * | 2019-08-30 | 2019-12-24 | 华电电力科学研究院有限公司 | 一种风电机组现场快速诊断方法 |
CN111537532A (zh) * | 2020-06-11 | 2020-08-14 | 全球能源互联网研究院有限公司 | 一种膜电极缺陷检测方法及装置 |
CN111654642A (zh) * | 2020-07-22 | 2020-09-11 | 上海扩博智能技术有限公司 | 拍摄风机叶片的曝光值调整方法、***、设备和存储介质 |
CN111852792A (zh) * | 2020-09-10 | 2020-10-30 | 东华理工大学 | 一种基于机器视觉的风机叶片缺陷自诊断定位方法 |
CN111858553A (zh) * | 2020-07-10 | 2020-10-30 | 天津智惠未来科技有限责任公司 | 一种风电叶片巡检数据库管理***构建方法 |
CN117514646A (zh) * | 2023-11-22 | 2024-02-06 | 辽宁高比科技有限公司 | 一种地面式风机叶片动态巡检分析方法及*** |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101657839A (zh) * | 2007-03-23 | 2010-02-24 | 汤姆森许可贸易公司 | 用于对2d图像进行区域分类以进行2d至3d转换的***和方法 |
CN101714262A (zh) * | 2009-12-10 | 2010-05-26 | 北京大学 | 单幅图像的三维场景重建方法 |
CN102519407A (zh) * | 2011-12-05 | 2012-06-27 | 西北工业大学 | 一种建立叶片三维公差模型的方法 |
CN103148784A (zh) * | 2013-03-14 | 2013-06-12 | 哈尔滨鹰瑞达科技开发有限公司 | 一种大型叶片全尺寸检测方法 |
CN103323461A (zh) * | 2013-06-14 | 2013-09-25 | 上海大学 | 一种非接触式的风力发电机叶片运动在线检测方法 |
CN103679674A (zh) * | 2013-11-29 | 2014-03-26 | 航天恒星科技有限公司 | 一种无人飞行器实时图像拼接方法及*** |
CN104180789A (zh) * | 2014-09-12 | 2014-12-03 | 北京航空航天大学 | 基于图形匹配算法的叶片检测方法 |
CN104730091A (zh) * | 2015-02-10 | 2015-06-24 | 西安交通大学 | 基于区域分割探测的燃气轮机叶片缺陷提取与分析方法 |
CN105447910A (zh) * | 2015-12-31 | 2016-03-30 | 河北工业大学 | 一种航空发动机压气机叶片叶尖缺损部位三维重建方法 |
CN105973161A (zh) * | 2016-06-17 | 2016-09-28 | 西安交通大学 | 一种桨叶的三维全场变形测量方法 |
CN106156780A (zh) * | 2016-06-29 | 2016-11-23 | 南京雅信科技集团有限公司 | 轨道上异物侵限识别中排除误报的方法 |
CN106338521A (zh) * | 2016-09-22 | 2017-01-18 | 华中科技大学 | 增材制造表面及内部缺陷与形貌复合检测方法及装置 |
CN206092295U (zh) * | 2016-09-23 | 2017-04-12 | 西安热工研究院有限公司 | 一种在役风力发电机组叶片内部缺陷检测仪 |
CN106762451A (zh) * | 2016-12-05 | 2017-05-31 | 北京金风科创风电设备有限公司 | 基于无人机的风机叶片损伤检测方法、装置及*** |
CN106767524A (zh) * | 2016-11-22 | 2017-05-31 | 江苏大学 | 一种水力机械叶片曲面检测方法和装置 |
CN106767467A (zh) * | 2017-03-05 | 2017-05-31 | 贵州大学 | 一种基于机器视觉的可转位刀片钝圆检测*** |
CN107292865A (zh) * | 2017-05-16 | 2017-10-24 | 哈尔滨医科大学 | 一种基于二维图像处理的立体显示方法 |
CN107735794A (zh) * | 2015-08-06 | 2018-02-23 | 埃森哲环球服务有限公司 | 使用图像处理的状况检测 |
-
2018
- 2018-03-08 CN CN201810190311.7A patent/CN108506170A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101657839A (zh) * | 2007-03-23 | 2010-02-24 | 汤姆森许可贸易公司 | 用于对2d图像进行区域分类以进行2d至3d转换的***和方法 |
CN101714262A (zh) * | 2009-12-10 | 2010-05-26 | 北京大学 | 单幅图像的三维场景重建方法 |
CN102519407A (zh) * | 2011-12-05 | 2012-06-27 | 西北工业大学 | 一种建立叶片三维公差模型的方法 |
CN103148784A (zh) * | 2013-03-14 | 2013-06-12 | 哈尔滨鹰瑞达科技开发有限公司 | 一种大型叶片全尺寸检测方法 |
CN103323461A (zh) * | 2013-06-14 | 2013-09-25 | 上海大学 | 一种非接触式的风力发电机叶片运动在线检测方法 |
CN103679674A (zh) * | 2013-11-29 | 2014-03-26 | 航天恒星科技有限公司 | 一种无人飞行器实时图像拼接方法及*** |
CN104180789A (zh) * | 2014-09-12 | 2014-12-03 | 北京航空航天大学 | 基于图形匹配算法的叶片检测方法 |
CN104730091A (zh) * | 2015-02-10 | 2015-06-24 | 西安交通大学 | 基于区域分割探测的燃气轮机叶片缺陷提取与分析方法 |
CN107735794A (zh) * | 2015-08-06 | 2018-02-23 | 埃森哲环球服务有限公司 | 使用图像处理的状况检测 |
CN105447910A (zh) * | 2015-12-31 | 2016-03-30 | 河北工业大学 | 一种航空发动机压气机叶片叶尖缺损部位三维重建方法 |
CN105973161A (zh) * | 2016-06-17 | 2016-09-28 | 西安交通大学 | 一种桨叶的三维全场变形测量方法 |
CN106156780A (zh) * | 2016-06-29 | 2016-11-23 | 南京雅信科技集团有限公司 | 轨道上异物侵限识别中排除误报的方法 |
CN106338521A (zh) * | 2016-09-22 | 2017-01-18 | 华中科技大学 | 增材制造表面及内部缺陷与形貌复合检测方法及装置 |
CN206092295U (zh) * | 2016-09-23 | 2017-04-12 | 西安热工研究院有限公司 | 一种在役风力发电机组叶片内部缺陷检测仪 |
CN106767524A (zh) * | 2016-11-22 | 2017-05-31 | 江苏大学 | 一种水力机械叶片曲面检测方法和装置 |
CN106762451A (zh) * | 2016-12-05 | 2017-05-31 | 北京金风科创风电设备有限公司 | 基于无人机的风机叶片损伤检测方法、装置及*** |
CN106767467A (zh) * | 2017-03-05 | 2017-05-31 | 贵州大学 | 一种基于机器视觉的可转位刀片钝圆检测*** |
CN107292865A (zh) * | 2017-05-16 | 2017-10-24 | 哈尔滨医科大学 | 一种基于二维图像处理的立体显示方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109741238A (zh) * | 2018-11-23 | 2019-05-10 | 上海扩博智能技术有限公司 | 风机叶片图像拼接方法、***、设备及存储介质 |
CN109741238B (zh) * | 2018-11-23 | 2020-08-11 | 上海扩博智能技术有限公司 | 风机叶片图像拼接方法、***、设备及存储介质 |
US11466666B2 (en) | 2018-11-23 | 2022-10-11 | Shanghai Clobotics Technology Co., Ltd. | Method and device for stitching wind turbine blade images, and storage medium |
CN110608137A (zh) * | 2019-08-30 | 2019-12-24 | 华电电力科学研究院有限公司 | 一种风电机组现场快速诊断方法 |
CN111537532A (zh) * | 2020-06-11 | 2020-08-14 | 全球能源互联网研究院有限公司 | 一种膜电极缺陷检测方法及装置 |
CN111858553A (zh) * | 2020-07-10 | 2020-10-30 | 天津智惠未来科技有限责任公司 | 一种风电叶片巡检数据库管理***构建方法 |
CN111654642A (zh) * | 2020-07-22 | 2020-09-11 | 上海扩博智能技术有限公司 | 拍摄风机叶片的曝光值调整方法、***、设备和存储介质 |
CN111852792A (zh) * | 2020-09-10 | 2020-10-30 | 东华理工大学 | 一种基于机器视觉的风机叶片缺陷自诊断定位方法 |
CN117514646A (zh) * | 2023-11-22 | 2024-02-06 | 辽宁高比科技有限公司 | 一种地面式风机叶片动态巡检分析方法及*** |
CN117514646B (zh) * | 2023-11-22 | 2024-06-07 | 辽宁高比科技有限公司 | 一种地面式风机叶片动态巡检分析方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108506170A (zh) | 风机叶片检测方法、***、设备及存储介质 | |
US11466666B2 (en) | Method and device for stitching wind turbine blade images, and storage medium | |
CN108986071A (zh) | 叶片自动检测跟踪方法、***、设备及存储介质 | |
US20220026572A1 (en) | Fan blade surface profile curve fitting method, system, device, and storage medium | |
KR20200031860A (ko) | 안전점검 기준표와 분류별 결함 데이터를 활용한 풍력 발전기 블레이드 안전 관리 시스템 및 방법 | |
CN110985309B (zh) | 偏航对风异常检测方法、装置、设备和存储介质 | |
CN110675358B (zh) | 长形物体的图像拼接方法、***、设备和存储介质 | |
CN109060826B (zh) | 一种不停机的风电叶片检测装置 | |
CN110717462B (zh) | 数字仪表读数识别方法、装置、设备和介质 | |
EP4009517B1 (en) | Method, device and system for detecting cell sheet of photovoltaic power station | |
US20240052805A1 (en) | Controlling wind turbine | |
CN113252701B (zh) | 基于云边协同的输电线路绝缘子自爆缺陷检测***及方法 | |
CN109902636A (zh) | 商品识别模型训练方法、***、设备及存储介质 | |
CN112506214A (zh) | 一种无人机自主风机巡检***的作业流程 | |
CN114757454A (zh) | 一种风力发电机的无人机巡检航线生成方法、装置及设备 | |
JP2018151373A (ja) | 構造ヘルスモニタリングシステム | |
CN112096566B (zh) | 风机停机状态参数的获取方法、***、设备和介质 | |
Masita et al. | Defects Detection on 110 MW AC Wind Farm’s Turbine Generator Blades Using Drone-Based Laser and RGB Images with Res-CNN3 Detector | |
CN204832111U (zh) | 一种风场运行中的风力发电机叶片检测装置 | |
Li et al. | Insulator infrared image segmentation algorithm based on dynamic mask and box annotation | |
CN114397910B (zh) | 一种风力发电机无人机自动巡检方法及相关装置 | |
CN113205458A (zh) | 弱纹理叶片拼接方法、***、设备及介质 | |
CN115082385A (zh) | 基于光伏组件倾斜角的光伏电站缺陷预警方法及装置 | |
JP7347114B2 (ja) | 検査システム及び検査方法 | |
CN112398925A (zh) | 光伏变电站巡检***和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180907 |