CN111038721A - 一种基于图像识别的风力机叶片巡检无人机和巡检方法 - Google Patents
一种基于图像识别的风力机叶片巡检无人机和巡检方法 Download PDFInfo
- Publication number
- CN111038721A CN111038721A CN201911393629.6A CN201911393629A CN111038721A CN 111038721 A CN111038721 A CN 111038721A CN 201911393629 A CN201911393629 A CN 201911393629A CN 111038721 A CN111038721 A CN 111038721A
- Authority
- CN
- China
- Prior art keywords
- wind turbine
- optical zoom
- image data
- turbine blade
- holder camera
- 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.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000003287 optical effect Effects 0.000 claims abstract description 99
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical group C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims abstract description 13
- 238000004148 unit process Methods 0.000 claims description 5
- 230000002087 whitening effect Effects 0.000 claims description 5
- 238000010408 sweeping Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D47/00—Equipment not otherwise provided for
- B64D47/08—Arrangements of cameras
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C27/00—Rotorcraft; Rotors peculiar thereto
- B64C27/04—Helicopters
- B64C27/08—Helicopters with two or more rotors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U10/00—Type of UAV
- B64U10/10—Rotorcrafts
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/66—Remote control of cameras or camera parts, e.g. by remote control devices
- H04N23/661—Transmitting camera control signals through networks, e.g. control via the Internet
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/69—Control of means for changing angle of the field of view, e.g. optical zoom objectives or electronic zooming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mechanical Engineering (AREA)
- Remote Sensing (AREA)
- Wind Motors (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及风力机叶片巡检领域,公开了一种基于图像识别的风力机叶片巡检无人机和巡检方法,该巡检无人机包括安装在无人机本体上的机载电脑、光学变倍云台相机和广角相机,机载电脑包括飞行控制单元、图像数据处理单元和光学变倍云台相机控制单元;图像数据处理单元根据广角相机拍摄的风力机的空间图像计算出每个风力机叶片的巡检起始位置;图像数据处理单元对光学变倍云台相机拍摄的风力机叶片的图像进行计算处理,并通过光学变倍云台相机控制单元调节光学变倍云台相机的变倍、俯仰角度和偏航角度;在巡检时,巡检无人机悬停不动,通过改变光学变倍云台相机的变倍、俯仰角度和偏航角度对整个风力机叶片进行拍摄。
Description
技术领域
本发明涉及风力机叶片巡检领域,具体涉及一种基于图像识别的风力机叶片巡检无人机和巡检方法。
背景技术
叶片是风力发电机中最基础和最关键的部件,其良好的设计,可靠的质量和优越的性能是保证机组正常稳定运行的决定因素。因其整体裸露在外,工作条件恶劣,叶片损失失效事故时有发生。当叶片发生失效事故特别是单片断裂事故时,3片叶片平衡旋转状态被破坏,发电机组瞬间剧烈振动;若机组保护失效或刹车装置迟延动作,将对发电机组轴系以及塔筒带来严重危害,并可能导致整台机组烧毁。
因此需要对叶片进行定期巡检,及时发现缺陷,迅速采取有效措施消除或防止缺陷扩大,从而避免事故发生,减少经济损失,保证设备及***的安全运行。
目前已有巡检手段主要是望远镜观察、吊篮高空作业和无人机巡检。望远镜观察,一次只能观察叶片的下表面;另外人员巡检有视线盲区,再加上叶片表面油渍,污垢,积沙尘等遮盖,从地面用望远镜很难发现。另外地面观察容易形成误诊,比如叶片磨蚀形成麻面后吸附的静电灰尘,往往会被误认为是漏油产出的积灰现象。吊篮高空作业可以准确判断叶片表面情况,但是吊篮巡检需要时间久,对环境条件要求也比较苛刻,必须使得叶片垂直向下,一次只能巡检一片叶片。且吊篮高空作业对天气环境等敏感,大风、下雨等都不能登高作业。现有无人机巡检都是在叶片表面较近距离内进行飞行拍摄,存在安全隐患。
发明内容
鉴于背景技术的不足,本发明是提供了一种基于图像识别的风力机叶片巡检无人机和巡检方法,所要解决的技术问题是现有无人机在对风力机叶片进行巡检时需在叶片表面近距离飞行拍摄,存在安全隐患。
为解决以上技术问题,本发明提供了如下技术方案:一种基于图像识别的风力机叶片巡检无人机,包括安装在无人机本体上的机载电脑、光学变倍云台相机和广角相机。
机载电脑包括飞行控制单元、图像数据处理单元和光学变倍云台相机控制单元;广角相机用于拍摄风力机的空间图像,图像数据处理单元根据广角相机拍摄的风力机的空间图像计算出每个风力机叶片的巡检起始位置;光学变倍云台相机用于拍摄每个风力机叶片的图像,图像数据处理单元对光学变倍云台相机拍摄的风力机叶片的图像进行计算处理,并通过光学变倍云台相机控制单元调节光学变倍云台相机的变倍、俯仰角度和偏航角度;图像数据处理单元通过飞行控制单元控制巡检无人机飞往每个风力机叶片的巡检起始位置。
进一步,巡检无人机为多旋翼无人机;图像数据处理单元还信号连接地面控制平台,地面控制平台用于在出现突发情况时切换巡检无人机为手动控制。
一种基于图像识别的风力机叶片巡检方法,应用上述基于图像识别的风力机叶片巡检无人机,包括以下步骤:
S1:巡检无人机从风力机风轮正前方起飞,广角相机对风力机进行拍摄,图像数据处理单元根据广角相机传输的图像数据计算出每个风力机叶片的巡检起始位置,接着飞行控制单元控制巡检无人机飞向任一风力机叶片的巡检起始位置悬停;
S2:光学变倍云台相机控制单元控制光学变倍云台相机捕捉正巡检风力机叶片的表面叶根;
S3:捕捉完成后,图像数据处理单元根据光学变倍云台相机拍摄的图像数据计算正巡检风力机叶片的径向方向,然后通过光学变倍云台相机控制单元控制光学变倍云台相机变倍放大,直至正巡检风力机叶片的弦长在图像中较饱满、且居中,巡检无人机依旧保持悬停,光学变倍云台相机控制单元控制光学变倍云台相机沿正巡检风力机叶片的径向方向扫掠,扫掠过程中,图像数据处理单元对光学变倍云台相机传送的图像数据进行处理,得到正巡检风力机叶片的弦长变化规律,然后光学变倍云台相机控制单元根据正巡检风力机叶片的弦长变化规律调整光学变倍云台相机的变倍,确保正巡检风力机叶片在图像中的比例及居中位置;
S4:光学变倍云台相机控制单元控制光学变倍云台相机扫掠至正巡检风力机叶片的叶尖时,该风力机叶片巡检完成;
S5:飞行控制单元控制巡检无人机飞往其余的待巡检风力机叶片,对每个待巡检风力机叶片都进行步骤S2、S3和S4,直至对所有风力机叶片完成巡检。
进一步,步骤S1中,每个巡检起始位置距离与待巡检风力机叶片的距离大于50m,且均不在风轮平面内。
进一步,步骤S3中,图像数据处理单元对光学变倍云台相机传送的图像数据处理的流程如下:
S30:图像数据处理单元将原图像数据插值缩减至100*100,然后将图像数据二值黑白化,二值黑白化是指叶片区的像素为1,非叶片区的像素为0;
S31:图像数据处理单元根据二值黑白化后的图像数据先计算正巡检风力机叶片的两侧轮廓线,进而得到正巡检风力机叶片的径向方向,接着计算正巡检风力机叶片区面积占整个图像的占比,最后计算图像数据中正巡检风力机叶片的形心位置;
S32:图像数据处理单元根据步骤S31中得到的径向方向解耦出光学变倍云台相机的俯仰和偏航角度,根据步骤S31中得到的形心位置调整图像数据的径向垂直方向、并解耦出对应的光学变倍云台相机的俯仰和偏航角度;光学变倍云台相机控制单元根据解耦出的俯仰和偏航角度控制光学变倍云台相机沿径向方向扫掠,根据步骤S31中得到的占比对光学变倍云台相机进行变倍。
其中,图像数据处理单元、光学变倍云台相机控制单元和光学变倍云台相机构成闭环控制,图像数据处理单元对光学变倍云台相机拍摄的正巡检风力机叶片的图像数据处理后,通过光学变倍云台相机控制单元实时调节光学变倍云台相机变倍、俯仰角度和偏航角度,图像数据控制单元通过光学变倍云台相机控制单元调节光学变倍云台相机的变倍时需确保正巡检风力机叶片区面积占整个图像的占比达到50%。
本发明与现有技术相比所具有的有益效果是:
1、在对风力机叶片进行巡检时,巡检无人机保持悬停状态,悬停位置不在风轮的平面内,且与待巡检风力机的叶片距离大于50米,不用担心风力机因外在因素出现转动时对巡检无人机造成破坏。
2、巡检过程中,光学变倍云台相机控制单元控制光学变倍云台相机沿风力机叶片的径向方向扫掠,替代无人机沿叶片表面飞行巡检,降低巡检时间。
3、图像数据处理单元、光学变倍云台相机控制单元和光学变倍云台相机构成闭环控制,图像数据处理单元对光学变倍云台相机拍摄的正巡检风力机叶片的图像数据处理后,通过光学变倍云台相机控制单元实时调节光学变倍云台相机的变倍、俯视角度和偏航角度,进而确保正巡检风力机叶片的图像在整个图像中比例及居中位置,提高巡检质量。
附图说明
本发明有如下附图:
图1为本发明的巡检无人机的单元拓扑图;
图2为风力机的示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
如图1所示,一种基于图像识别的风力机叶片巡检无人机,包括安装在无人机本体上的机载电脑1、光学变倍云台相机3和广角相机2。
机载电脑1包括飞行控制单元12、图像数据处理单元10和光学变倍云台相机控制单元11;广角相机2用于拍摄风力机的空间图像,图像数据处理单元10根据广角相机2拍摄的风力机的空间图像计算出每个风力机叶片的巡检起始位置;光学变倍云台相机3用于拍摄每个风力机叶片的图像,图像数据处理单元10对光学变倍云台相机3拍摄的风力机叶片的图像进行计算处理,并通过光学变倍云台相机控制单元11调节光学变倍云台相机3的变倍、俯仰角度和偏航角度;图像数据处理单元10通过飞行控制单元12控制巡检无人机飞往每个风力机叶片的巡检起始位置。
进一步,巡检无人机为多旋翼无人机4;图像数据处理单元10还信号连接地面控制平台5,地面控制平台5用于在出现突发情况时切换巡检无人机为手动控制。
一种基于图像识别的风力机叶片巡检方法,应用上述基于图像识别的风力机叶片巡检无人机,包括以下步骤:
S1:巡检无人机从风力机风轮正前方起飞,广角相机2对风力机进行拍摄,图像数据处理单元10根据广角相机2传输的图像数据计算出每个风力机叶片的巡检起始位置,接着飞行控制单元12控制巡检无人机飞向任一风力机叶片的巡检起始位置悬停;
S2:光学变倍云台相机控制单元11控制光学变倍云台相机3捕捉正巡检风力机叶片的表面叶根;
S3:捕捉完成后,图像数据处理单元10根据光学变倍云台相机3拍摄的图像数据计算正巡检风力机叶片的径向方向,然后通过光学变倍云台相机控制单元11控制光学变倍云台相机3变倍放大,直至正巡检风力机叶片的弦长在图像中较饱满、且居中,巡检无人机依旧保持悬停,光学变倍云台相机控制单元11控制光学变倍云台相机3沿正巡检风力机叶片的径向方向扫掠,扫掠过程中,图像数据处理单元10对光学变倍云台相机3传送的图像数据进行处理,得到正巡检风力机叶片的弦长变化规律,然后光学变倍云台相机控制单元11根据正巡检风力机叶片的弦长变化规律调整光学变倍云台相机3的变倍,确保正巡检风力机叶片在图像中的比例及居中位置;
S4:光学变倍云台相机控制单元11控制光学变倍云台相机3扫掠至正巡检风力机叶片的叶尖时,该风力机叶片巡检完成;
S5:飞行控制单元12控制巡检无人机飞往其余的待巡检风力机叶片,对每个待巡检风力机叶片都进行步骤S2、S3和S4,直至对所有风力机叶片完成巡检。
进一步,步骤S1中,每个巡检起始位置距离与待巡检风力机叶片的距离大于50m,且均不在风轮平面内。
进一步,步骤S3中,图像数据处理单元10对光学变倍云台相机3传送的图像数据处理的流程如下:
S30:图像数据处理单元10将原图像数据插值缩减至100*100,然后将图像数据二值黑白化,二值黑白化是指叶片区的像素为1,非叶片区的像素为0;
S31:图像数据处理单元10根据二值黑白化后的图像数据先计算正巡检风力机叶片的两侧轮廓线,进而得到正巡检风力机叶片的径向方向,接着计算正巡检风力机叶片区面积占整个图像的占比,最后计算图像数据中正巡检风力机叶片的形心位置;
S32:图像数据处理单元10根据步骤S31中得到的径向方向解耦出光学变倍云台相机3的俯仰和偏航角度,根据步骤S31中得到的形心位置调整图像数据的径向垂直方向、并解耦出对应的光学变倍云台相机3的俯仰和偏航角度;光学变倍云台相机控制单元11根据解耦出的俯仰和偏航角度控制光学变倍云台相机3沿径向方向扫掠,根据步骤S31中得到的占比对光学变倍云台相机3进行变倍。
步骤S31中,图像数据处理单元10计算所有叶片区像素的坐标的平均值,得到图像数据中的叶片形心位置。
其中,图像数据处理单元10、光学变倍云台相机控制单元11和光学变倍云台相机3构成闭环控制,图像数据处理单元10对光学变倍云台相机3拍摄的正巡检风力机叶片的图像数据处理后,通过光学变倍云台相机控制单元11实时调节光学变倍云台相机3变倍、俯仰角度和偏航角度,图像数据控制单元10通过光学变倍云台相机控制单元11调节光学变倍云台相机3的变倍时需确保正巡检风力机叶片区面积占整个图像的占比达到50%。
图像数据处理单元10计算巡检无人机的巡检起始位置具体如下:图像数据处理单元10将广角相机2传送的图像数据二值黑白化,然后通过神经网络进行深度学习,进而计算出三个风力机叶片的叶尖在图像数据中的位置,同时根据广角相机2的姿态信息解耦出风力机叶片的空间位置,最终得到巡检无人机在每个风力机叶片的巡检初始位置。
上述依据本发明为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (7)
1.一种基于图像识别的风力机叶片巡检无人机,其特征在于:包括安装在无人机本体上的机载电脑、光学变倍云台相机和广角相机,所述机载电脑包括飞行控制单元、图像数据处理单元和光学变倍云台相机控制单元;所述广角相机用于拍摄风力机的空间图像,所述图像数据处理单元根据广角相机拍摄的风力机的空间图像计算出每个风力机叶片的巡检起始位置;所述光学变倍云台相机用于拍摄每个风力机叶片的图像,所述图像数据处理单元对光学变倍云台相机拍摄的风力机叶片的图像进行计算处理,并通过光学变倍云台相机控制单元调节光学变倍云台相机的变倍、俯仰角度和偏航角度;所述图像数据处理单元通过飞行控制单元控制巡检无人机飞往每个风力机叶片的巡检起始位置。
2.根据权利要求1所述的基于图像识别的风力机叶片巡检无人机,其特征在于:所述巡检无人机为多旋翼无人机。
3.根据权利要求1所述的基于图像识别的风力机叶片巡检无人机,其特征在于:所述图像数据处理单元还信号连接地面控制平台,所述地面控制平台用于在出现突发情况时切换巡检无人机为手动控制。
4.一种基于图像识别的风力机叶片巡检方法,应用如权利要求1-3任一项所述的基于图像识别的风力机叶片巡检无人机,其特征在于,包括以下步骤:
S1:所述巡检无人机从风力机风轮正前方起飞,广角相机对风力机进行拍摄,图像数据处理单元根据广角相机传输的图像数据计算出每个风力机叶片的巡检起始位置,接着飞行控制单元控制巡检无人机飞向任一风力机叶片的巡检起始位置悬停;
S2:所述光学变倍云台相机控制单元控制光学变倍云台相机捕捉正巡检风力机叶片的表面叶根;
S3:捕捉完成后,图像数据处理单元根据光学变倍云台相机拍摄的图像数据计算正巡检风力机叶片的径向方向,然后通过光学变倍云台相机控制单元控制光学变倍云台相机变倍放大直至正巡检风力机叶片的弦长在图像中较饱满、且居中,巡检无人机依旧保持悬停,光学变倍云台相机控制单元控制光学变倍云台相机沿正巡检风力机叶片的径向方向扫掠,扫掠过程中,图像数据处理单元对光学变倍云台相机传送的图像数据进行处理,得到正巡检风力机叶片的弦长变化规律,然后光学变倍云台相机控制单元根据正巡检风力机叶片的弦长变化规律调整光学变倍云台相机的变倍,确保正巡检风力机叶片在图像中的比例及居中位置;
S4:光学变倍云台相机控制单元控制光学变倍云台相机扫掠至正巡检风力机叶片的叶尖时,该风力机叶片巡检完成;
S5:飞行控制单元控制巡检无人机飞往其余的待巡检风力机叶片,对每个待巡检风力机叶片都进行步骤S2、S3和S4,直至对所有风力机叶片完成巡检。
5.根据权利要求4所述的一种基于图像识别的风力机叶片巡检方法,其特征在于:步骤S1中,每个巡检起始位置距离与待巡检风力机叶片的距离大于50m,且均不在风轮平面内。
6.根据权利要求4所述的一种基于图像识别的风力机叶片巡检方法,其特征在于:步骤S3中,图像数据处理单元对光学变倍云台相机传送的图像数据处理的流程如下:
S30:图像数据处理单元将原图像数据插值缩减至100*100,然后将图像数据二值黑白化,所述二值黑白化是指叶片区的像素为1,非叶片区的像素为0;
S31:图像数据处理单元根据二值黑白化后的图像数据先计算正巡检风力机叶片的两侧轮廓线,进而得到正巡检风力机叶片的径向方向,接着计算正巡检风力机叶片区面积占整个图像的占比,最后计算图像数据中正巡检风力机叶片的形心位置;
S32:图像数据处理单元根据步骤S31中得到的径向方向解耦出光学变倍云台相机的俯仰和偏航角度,根据步骤S31中得到的形心位置调整图像数据的径向垂直方向、并解耦出对应的光学变倍云台相机的俯仰和偏航角度;光学变倍云台相机控制单元根据解耦出的俯仰和偏航角度控制光学变倍云台相机沿径向方向扫掠,根据步骤S31中得到的占比对光学变倍云台相机进行变倍。
7.根据权利要求6所述的一种基于图像识别的风力机叶片巡检方法,其特征在于:所述图像数据处理单元、光学变倍云台相机控制单元和光学变倍云台相机构成闭环控制,图像数据处理单元对光学变倍云台相机拍摄的正巡检风力机叶片的图像数据处理后,通过光学变倍云台相机控制单元实时调节光学变倍云台相机变倍、俯仰角度和偏航角度,图像数据控制单元通过光学变倍云台相机控制单元调节光学变倍云台相机的变倍时需确保正巡检风力机叶片区面积占整个图像的占比达到50%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911393629.6A CN111038721B (zh) | 2019-12-30 | 2019-12-30 | 一种基于图像识别的风力机叶片巡检无人机和巡检方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911393629.6A CN111038721B (zh) | 2019-12-30 | 2019-12-30 | 一种基于图像识别的风力机叶片巡检无人机和巡检方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111038721A true CN111038721A (zh) | 2020-04-21 |
CN111038721B CN111038721B (zh) | 2023-10-10 |
Family
ID=70241625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911393629.6A Active CN111038721B (zh) | 2019-12-30 | 2019-12-30 | 一种基于图像识别的风力机叶片巡检无人机和巡检方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111038721B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112173149A (zh) * | 2020-10-30 | 2021-01-05 | 南方电网数字电网研究院有限公司 | 一种具有边缘计算能力的增稳云台、无人机及目标识别方法 |
CN112351173A (zh) * | 2020-10-30 | 2021-02-09 | 南方电网数字电网研究院有限公司 | 一种基于双变倍镜头的增稳云台、无人机及目标识别方法 |
CN113107788A (zh) * | 2021-05-27 | 2021-07-13 | 上海扩博智能技术有限公司 | 基于纯视觉的叶片巡检方法 |
CN114866744A (zh) * | 2022-06-01 | 2022-08-05 | 上海钊晟传感技术有限公司 | 一种风电叶片自动追踪扫描探测***与方法 |
JP7188832B1 (ja) | 2022-08-19 | 2022-12-13 | 株式会社amuse oneself | 無人飛行体、および、風力発電設備の点検システム、並びに、風力発電設備の点検方法 |
CN115908049A (zh) * | 2022-11-18 | 2023-04-04 | 众芯汉创(北京)科技有限公司 | 一种基于智能识别的风机叶片悬停位置动态识别*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205620817U (zh) * | 2016-04-25 | 2016-10-05 | 华北电力大学(保定) | 自主无人机巡检风机叶片*** |
CN107248153A (zh) * | 2017-05-23 | 2017-10-13 | 上海东古航空科技有限公司 | 一种用于巡检风力发电的无人机及*** |
CN207600967U (zh) * | 2017-11-29 | 2018-07-10 | 华北电力大学(保定) | 一种用于风电场扇叶表面缺陷检测的装置 |
CN109240328A (zh) * | 2018-09-11 | 2019-01-18 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种基于无人机的杆塔自主巡检方法 |
CN109466785A (zh) * | 2018-09-11 | 2019-03-15 | 成都优艾维智能科技有限责任公司 | 一种针对交流双回直线塔的无人机自主巡检方法 |
CN110007690A (zh) * | 2019-05-08 | 2019-07-12 | 北京天龙智控科技有限公司 | 一种无人机巡检***及方法 |
CN110471447A (zh) * | 2019-08-27 | 2019-11-19 | 无锡风电设计研究院有限公司 | 风力机的巡检方法和*** |
CN110554704A (zh) * | 2019-08-15 | 2019-12-10 | 成都优艾维智能科技有限责任公司 | 一种基于无人机的风机叶片自主巡检方法 |
-
2019
- 2019-12-30 CN CN201911393629.6A patent/CN111038721B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205620817U (zh) * | 2016-04-25 | 2016-10-05 | 华北电力大学(保定) | 自主无人机巡检风机叶片*** |
CN107248153A (zh) * | 2017-05-23 | 2017-10-13 | 上海东古航空科技有限公司 | 一种用于巡检风力发电的无人机及*** |
CN207600967U (zh) * | 2017-11-29 | 2018-07-10 | 华北电力大学(保定) | 一种用于风电场扇叶表面缺陷检测的装置 |
CN109240328A (zh) * | 2018-09-11 | 2019-01-18 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种基于无人机的杆塔自主巡检方法 |
CN109466785A (zh) * | 2018-09-11 | 2019-03-15 | 成都优艾维智能科技有限责任公司 | 一种针对交流双回直线塔的无人机自主巡检方法 |
CN110007690A (zh) * | 2019-05-08 | 2019-07-12 | 北京天龙智控科技有限公司 | 一种无人机巡检***及方法 |
CN110554704A (zh) * | 2019-08-15 | 2019-12-10 | 成都优艾维智能科技有限责任公司 | 一种基于无人机的风机叶片自主巡检方法 |
CN110471447A (zh) * | 2019-08-27 | 2019-11-19 | 无锡风电设计研究院有限公司 | 风力机的巡检方法和*** |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112173149A (zh) * | 2020-10-30 | 2021-01-05 | 南方电网数字电网研究院有限公司 | 一种具有边缘计算能力的增稳云台、无人机及目标识别方法 |
CN112351173A (zh) * | 2020-10-30 | 2021-02-09 | 南方电网数字电网研究院有限公司 | 一种基于双变倍镜头的增稳云台、无人机及目标识别方法 |
CN113107788A (zh) * | 2021-05-27 | 2021-07-13 | 上海扩博智能技术有限公司 | 基于纯视觉的叶片巡检方法 |
CN114866744A (zh) * | 2022-06-01 | 2022-08-05 | 上海钊晟传感技术有限公司 | 一种风电叶片自动追踪扫描探测***与方法 |
JP7188832B1 (ja) | 2022-08-19 | 2022-12-13 | 株式会社amuse oneself | 無人飛行体、および、風力発電設備の点検システム、並びに、風力発電設備の点検方法 |
JP2024027907A (ja) * | 2022-08-19 | 2024-03-01 | 株式会社amuse oneself | 無人飛行体、および、風力発電設備の点検システム、並びに、風力発電設備の点検方法 |
CN115908049A (zh) * | 2022-11-18 | 2023-04-04 | 众芯汉创(北京)科技有限公司 | 一种基于智能识别的风机叶片悬停位置动态识别*** |
CN115908049B (zh) * | 2022-11-18 | 2023-11-21 | 众芯汉创(北京)科技有限公司 | 一种基于智能识别的风机叶片悬停位置动态识别*** |
Also Published As
Publication number | Publication date |
---|---|
CN111038721B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111038721A (zh) | 一种基于图像识别的风力机叶片巡检无人机和巡检方法 | |
CN110879601B (zh) | 一种对于未知风机结构的无人机巡检方法 | |
EP2527649B1 (en) | Method to inspect components of a wind turbine | |
CN108803668B (zh) | 一种静态目标监测的智能巡检无人机吊舱*** | |
CN110282143B (zh) | 一种海上风电场无人机巡检方法 | |
CN110603379B (zh) | 用于风力设备检查工具的检查工具控制装置 | |
CN112904877A (zh) | 一种基于无人机的风机叶片自动巡检***及方法 | |
CN112360699A (zh) | 一种全自动风力发电机组叶片智能巡视及诊断分析方法 | |
CN111998832A (zh) | 一种基于激光点云的利用无人机准确定位目标物的巡检方法 | |
CN111911364B (zh) | 叶尖塔筒净空监测方法 | |
CN112068539A (zh) | 一种风电机组叶片无人机自动驾驶巡检方法 | |
CN114296483B (zh) | 一种风力发电机不停机状态下的智能巡检方法及电子设备 | |
CN115442532B (zh) | 风机不停机巡检的方法、***、设备及存储介质 | |
CN114757454B (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 | |
CN113359815A (zh) | 基于rtk定位的风机叶片无人机自主避障巡检方法及*** | |
CN112329584A (zh) | 基于机器视觉自动识别电网异物的方法及***、设备 | |
CN115586789A (zh) | 基于视觉的风力发电机巡检无人机悬停点确认及巡检方法 | |
LU504690B1 (en) | A system for automatic leaf photo acquisition by drones | |
CN112085694B (zh) | 一种人工智能自动巡检风能风机叶片*** | |
CN213987269U (zh) | 一种无人机巡检风机叶片的*** | |
CN116906276A (zh) | 一种针对风机叶片的智能巡检方法 | |
Mitra et al. | A UAV Payload for Real-time Inspection of Highway Ancillary Structures | |
CN115755946A (zh) | 一种基于数字孪生的电力巡检方法、装置及*** | |
CN105203315A (zh) | 一种设在巡检车上的风机浆叶监测装置 | |
CA3231410A1 (en) | Unmanned airborne visual diagnosis of an operating wind turbine generator |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |