[发明专利]一种基于机器视觉的风机叶片缺陷自诊断定位方法

说明书

本发明公开一种基于机器视觉的风机叶片缺陷自诊断定位方法，具体面向风力发电机表面裂纹、麻面、点蚀、折断等缺陷的快速诊断、分类及定位。该方法通过CMOS摄像机、光源、控制盒及自动传输平台构成的机器视觉系统获取风机叶片各种缺陷样本数据集；采用中值滤波去除图像中的大部分噪声同时较为完整地保留了边缘细节信息；使用阈值分割和Blob分割法相结合，最大限度地减少图像处理复杂度，提高效率，快速剔除背景并标记缺陷位置；收集缺陷特征样本，依据样本特性创建基于颗粒特征向量的分类器，并对样本集合利用支持向量机进行决策分类，得到准确度较高的分类器。将各缺陷叶片图像作为输入，得以实现快速准确地叶片缺陷定位及分类。

技术领域

本发明涉及的是一种风机叶片自诊断方法，具体是一种基于机器视觉的风机叶片多种缺陷自诊断定位方法。

背景技术

我国近年对风能大力开发，风机容量占比迅速提升，减少向大气排放的温室气体约15万吨。然而，在风机的运行中，维护的成本占据能源成本的10％-20％，风机叶片一直处于恶劣的自然环境中，容易使得叶片产生缺陷导致机组运行失效或安全事故，对叶片的缺陷进行监测能够及时发现并排除存在危险，减少运维成本。当前解决这个问题的方法主要有：1.声发生法：当叶片在运行时产生裂纹、折断等缺陷时，对其进行敲击，其返回的声信号将发生改变，但由于环境噪音较大，对叶片状态分析造成很大影响。叶片敲击在实验室中容易完成，但实际运行过程中难以实现。2.应力监测：通过在叶片上布置检测光纤，叶片在运转时发生的振动及形变都会使得光纤内部的光信号传输发生微小的变化，通过分析传输的信号的变化，对叶片进行监测。光纤监测的敏感度高，但是成本太高。3.超声波探伤和红外热成像检测技术受噪声和环境温度影响很大，且成本较高。随着计算机技术及图像处理技术的不断发展，基于机器视觉的无损检测技术也得到了迅速的发展。中国专利公开号CN108510001A公开了一种风力发电机叶片缺陷分类方法及其分类系统。利用在风力发电机叶片图像样本数据集上进行过训练的ResNet提取叶片的缺陷特征；利用ResNet提取的所述叶片的缺陷特征来获得频繁程度高的叶片缺陷类别信息；将提取的频繁程度高的叶片缺陷类别信息用于决策树的构建，重复迭代直至收敛后得到缺陷分类模型，并利用基于高频取样CatBoost方法对其缺陷特征进行分类。这种方法虽然得到缺陷分类模型并分类，但未对缺陷进行标记和定位，不利于后续的缺陷追踪。中国专利公开号CN103984952A公开了基于机器视觉图像对电力系统风力发电机叶片表面裂纹故障进行诊断的方法。该方法包括步骤一、划分风力发电机叶片，获得叶片基元；步骤二、对风力发电机叶片基元进行拍照，并对背景进行剔除；步骤三、对步骤二获得的叶片基元结果图像进行二次划分成图像基元，并对基元结果图像进行特征提取；步骤四、对故障诊断所用的支持向量机进行训练；步骤五、使用训练好的支持向量机对风力发电机叶片基元的表面故障种类进行诊断；步骤六、对所有的叶片基元均进行步骤二、三、五的操作，直至完成整片叶片的表面故障诊断。这种方法能够诊断大型叶片表面缺陷，但专利中仅提到了对叶片表面裂纹的检测，未对其他缺陷的检测展开研究，检测效果单一。并且也未对缺陷进行标记和定位，同样不利于后续的缺陷追踪。

发明内容

本发明针对现有技术存在的不足，提供一种基于机器视觉的风机叶片缺陷自诊断定位方法,即风机叶片自动判别、定位及分类方法，针对当前叶片诊断过程中缺少叶片定位技术，提出解决方案，保证叶片缺陷快速识别、分类的同时标记定位缺陷位置，为后续叶片表面缺陷追踪提供依据。

本发明的技术方案如下：一种基于机器视觉的风机叶片缺陷自诊断定位方法，其特征是该方法包括如下步骤：

步骤1：通过视觉传感器获取风机叶片各种缺陷样本图像集，对样本图像人工分类，为后续判断分类器的正确率提供依据；

步骤2：对步骤1采集到的图像样本数据集中的缺陷特征及噪声进行分析，采用中值滤波，在很好地保留目标边缘特征的同时去除图像中大部分噪声；