一种机载式风机叶片缺陷检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114693684A(43)申请公布日2022.07.01(21)申请号202210613508.3G06T7/136(2017.01)(22)申请日2022.06.01(71)申请人领伟创新智能系统（浙江）有限公司地址325000浙江省温州市龙湾区海洋科技创业园C1幢304室(72)发明人李小刚李峰平林苏奔孙浩然张昆鹏郭剑邵正鹏李函禧卢成绩(74)专利代理机构杭州万合知识产权代理事务所(特殊普通合伙)33294专利代理师余冬万珠明(51)Int.Cl.G06T7/00(2017.01)G06T7/12(2017.01)G06T7/13(2017.01)权利要求书2页说明书6页附图6页(54)发明名称一种机载式风机叶片缺陷检测方法(57)摘要本发明公开了一种机载式风机叶片缺陷检测方法，包括以下步骤，首先获取风机叶片表面图像，其次将其转换为灰度图像，随后继续遍历图片所有像素，生成Tenengrad梯度矩阵，基于Tenengrad梯度阈值，进行风机叶片区域的判断，随后遍历当前图片所有像素，生成Hoyer统计值矩阵，进而根据风机叶片区域判断情况，保留步骤风机叶片区域的Hoyer统计值并将其他区域的Hoyer统计值置零，最终设置Hoyer统计值阈值，若Hoyer统计值大于该阈值，则该像素点为缺陷特征。本发明从Tenengrad梯度与Hoyer统计值出发，直接进行风机叶片缺陷的辨识，具备不受训练数据样本分布影响的特点。CN114693684ACN114693684A权利要求书1/2页1.一种机载式风机叶片缺陷检测方法，其特征在于：包括以下步骤：S1：获取风机叶片表面图像，将叶片表面图像转换至灰度图像；S2：设置窗口大小为w1×w1的滑动窗口，用滑动窗口遍历当前灰度图片所有像素，并计算当前窗口内像素的Tenengrad梯度，形成Tenengrad梯度矩阵；S3：设置Tenengrad梯度阈值，若Tenengrad梯度大于该阈值，则该像素点为风机叶片区域；S4：设置窗口大小为w2×w2的滑动窗口，用滑动窗口遍历当前灰度图片所有像素，并计算当前窗口内像素的Hoyer统计值，直至遍历当前图片所有像素，形成Hoyer统计值矩阵；S5：保留步骤S4中风机叶片区域的Hoyer统计值并将其他区域的Hoyer统计值置零；S6：设置Hoyer统计值阈值，若风机叶片区域的Hoyer统计值大于该阈值，则该像素点为缺陷特征。2.根据权利要求1所述的机载式风机叶片缺陷检测方法，其特征在于：所述Tenengrad梯度的算法为：其中为当前滑动窗口的Tenengrad梯度信息，，为分别为图像滑动窗口的行列索引号，为窗口尺寸，为点沿x方向的梯度信息，为点沿y方向的梯度信息。3.根据权利要求1所述的机载式风机叶片缺陷检测方法，其特征在于：所述风机叶片区域的判断算法为：；其中为当前像素点的判断结果，1表示当前像素点位于风机叶片上，0表示当前像素点位于风机叶片区域之外，，为分别为图像滑动窗口的行列索引号，为当前像素点对应的Tenengrad梯度，为预设的Tenengrad梯度阈值。4.根据权利要求1所述的机载式风机叶片缺陷检测方法，其特征在于，所述Hoyer统计值的算法为：其中为当前滑动窗口的Hoyer统计值，，为分别为图像滑动窗口的行列索引号，为窗口尺寸，为点的灰度信息。5.根据权利要求1所述的机载式风机叶片缺陷检测方法，其特征在于，步骤S5中，所述Hoyer统计值保留的算法为：2CN114693684A权利要求书2/2页其中为保留后的Hoyer统计值，为Hoyer统计值矩阵，为风机叶片区域的像素点判断结果，，为分别为图像滑动窗口的行列索引号。6.根据权利要求1所述的机载式风机叶片缺陷检测方法，其特征在于，所述风机叶片缺陷特征判断的算法为：；其中，为当前像素点的缺陷判断结果，1表示当前像素点为缺陷位置，0表示当前像素点不含有缺陷信息，，为分别为图像滑动窗口的行列索引号，为当前像素点保留后的Hoyer统计值，为预设的Hoyer统计值阈值。7.根据权利要求1所述的机载式风机叶片缺陷检测方法，其特征在于：将滑动窗口移动至灰度图像左上角，按照从左到右，从上到下的顺序依次移动一个像素，直至滑动窗口遍历当前灰度图片所有像素。3CN114693684A说明书1/6页一种机载式风机叶片缺陷检测方法技术领域[0001]本发明涉及风电设施表面质量检测技术领域，特别涉及一种机载式风机叶片缺陷检测方法。背景技术[0002]风机叶片作为风力发电机的捕风机构，其运行过程中会受到各种各样来自自身或外界的影响。如果风电叶片发生损坏，轻则会成经济损失，重则产生安全隐患。定期巡查时目前风机叶片的常规监测方法，维修人员使用望远镜在远距离观察叶片的状态