一种基于视频流的风机叶片表面缺陷识别技术.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112465777A(43)申请公布日2021.03.09(21)申请号202011347582.2H04N5/232(2006.01)(22)申请日2020.11.26G06N3/04(2006.01)(71)申请人华能通辽风力发电有限公司地址028000内蒙古自治区通辽市科左中旗保康镇铁道东四洮公路西保长线北(72)发明人吴巍李广海孙学昌王幸运马文斌(74)专利代理机构北京共腾智慧专利代理事务所(普通合伙)11608代理人朱贺芳(51)Int.Cl.G06T7/00(2017.01)G06T7/13(2017.01)G06T5/00(2006.01)G06K9/62(2006.01)权利要求书1页说明书4页附图1页(54)发明名称一种基于视频流的风机叶片表面缺陷识别技术(57)摘要本发明公开了一种基于视频流的风机叶片表面缺陷识别技术，包括如下步骤：S1、视频采集：在固定位置部署高清摄像机，利用高清摄像机对运行的风机进行视频采集，视频分辨率为1280*720，采集每秒24帧的风机运行视频，采集时间1‑2个小时；S2、卷积神经网络操作，对S1中采集到的图像数据中的单帧图像数据进行卷积神经网络操作；S3、图像盲复原；S4、风机叶片缺陷识别，本发明利用成熟的卷积神经网络操作、图像盲复原算法和图像识别算法，实现在风机不停机的情况下，采集并输出满足机器识别要求的高清风机叶片图像，解决了现阶段风机叶片缺陷识别必须将风机停机的问题，提高风机运检效率，缩短风机运检停机时间。CN112465777ACN112465777A权利要求书1/1页1.一种基于视频流的风机叶片表面缺陷识别技术，其特征在于，包括如下步骤：S1、视频采集：在固定位置部署高清摄像机，利用高清摄像机对运行的风机进行视频采集，视频分辨率为1280*720，采集每秒24帧的风机运行视频，采集时间1-2个小时；S2、卷积神经网络操作：对S1中采集到的图像数据中的单帧图像数据进行卷积神经网络操作，对采集图像中单个像素点进行特征提取，将S1中采集到的多张图像数据按特征进行分类，在卷积操作中每个神经元连接数据窗的权重是固定的，每个神经元只关注一个特性，采用第一步的采集方式得到的图像数据采集位置、角度固定，经过卷积操作后可将风机运行的不同时刻且风机叶片相同位置的图像进行归类；S3、图像盲复原：根据风机运行速度的不同，卷积操作后的数据一般可分类为100-150个位置的图像数据，对输出的每个位置的图像数据通过图像盲复原算法进行图像去噪、纹理重建；S4、风机叶片缺陷识别：根据S3的分组情况，图像盲复原后可得到100-150张不同位置的风机叶片高清照片，将输出的风机叶片高清照片导入机器的识别软件中，利用识别软件识别出风机叶片表面缺陷片。2.根据权利要求1所述的一种基于视频流的风机叶片表面缺陷识别技术，其特征在于：在步骤S1中，高清摄像机的采集画面需覆盖整个风机叶片转动范围。3.根据权利要求1所述的一种基于视频流的风机叶片表面缺陷识别技术，其特征在于：在步骤S1中，采集时间1个小时，共采集到24*3600*1＝86400帧图像数据，采集时间1.5个小时，共采集到24*3600*1.5＝129600帧图像数据，采集时间2个小时，共采集到24*3600*2＝172800帧图像数据。4.根据权利要求1所述的一种基于视频流的风机叶片表面缺陷识别技术，其特征在于：在步骤S2中，神经元为图像处理中的滤波器，卷积层的每个滤波器都会用于关注一个图像特征，所有神经元加起来就是整张图像的特征提取器集合。5.根据权利要求4所述的一种基于视频流的风机叶片表面缺陷识别技术，其特征在于：所述图像特征包括垂直边缘、水平边缘、颜色和纹理。2CN112465777A说明书1/4页一种基于视频流的风机叶片表面缺陷识别技术技术领域[0001]本发明涉及风机检测技术领域，具体为一种基于视频流的风机叶片表面缺陷识别技术。背景技术[0002]风能作为可再生能源，已在世界范围内获得了广泛应用。由于风力发电机的所在环境恶劣，所受应力强烈等因素，风机的叶片表面可能产生裂纹、油污、砂眼等损伤，这严重影响了风力发电的效率和安全性。[0003]现阶段的风机叶片表面缺陷识别主要采用两种方式，一是巡检人员利用望远镜观察，高空垂吊巡检人员目测检查方式。二是随着无人机技术及人工智能的发展，采用无人机拍摄风机叶片加人工智能识别图片的方式。这两种巡检方式目前都有其缺点，采用方式一的巡检方式，单次巡检耗时长，效率低，巡检结果主观性强，对巡检人员专业性要求较高；采用方式二的巡检方式，对无人机采集的图片清晰度有一定要求，无人机拍照时需要对风电机组停机处理，巡检作业会严重影响风电场的发电效率，为此