[发明专利]一种基于计算机视觉的风机叶片缺陷检测方法及设备

说明书

本发明提出一种基于计算机视觉的风机叶片缺陷检测方法及设备，该方法通过构建包括基于HnNet网络的基础特征提取模块、多尺度池化融合模块、多尺度特征层融合模块、特征解耦模块和预测模块的风机叶片缺陷检测模型，进行风机叶片缺陷检测；使用单CCD摄像头纵向移位扫描周期拍摄或使用CCD阵列周期拍摄形式，获取风机叶片局部图像，相邻局部图像有重叠区域，保障不丢失图像数据；通过设置特征层解耦方式，为不同预测项提供充足特征量，提高预测准确率；通过本发明，能够识别裂纹、砂眼、分层、脱粘等各种各样、形式各异的风机叶片缺陷。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种基于计算机视觉的风机叶片缺陷检测方法、装置、计算机设备及存储介质。

背景技术

随着风电产量和容量都在逐年递增，国内外已经建成了许多大中型风力发电厂。风机叶片是风电机组获取风能的最关键的部件之一，随着制造技术的发展，风电叶片的尺寸不断增加，长度超过50米，重量达到十几吨。国内外就发生过多起因风电叶片掉落造成的事故。一旦因为损伤严重造成叶片在运行中掉落，容易引发非常严重的事故，可能对其他机组造成撞击，甚至对周围的居民造成人身、财产损失。因此通过一定的无损检测技术对运行中的风电叶片状态进行定期的检测和评估，在其遭受严重损害之前及时进行维护，具有十分重大的意义。

造成风电叶片损伤的原因主要是恶劣气候对风电叶片表面的侵蚀及空气中的媒介对叶片造成的腐蚀伤害。风电叶片大多采用玻璃钢复合材料，结构复杂。风电叶片在运行过程中，受到台风、雷电、冰雪、盐雾等恶劣天气的影响，加上长期使用过程中受到的交变载荷的作用，容易出现裂纹、砂眼、分层、脱粘等损伤。

常用的风电叶片无损检测方案有目视法、声发射监测、光纤传感器监测、应变片监测、红外热成像等。

目视法用高倍望远镜或者高倍摄像机直接拍摄运行中的风电叶片，观察其表面的缺陷。对检测人员的相关经验要求较高，工作量大。裂纹，砂眼等细小缺陷难以检测。

声发射监测利用物体内部状态发生改变时会自动发出瞬态弹性声波的原理实时监测物体缺陷。由于声波在传输过程中会发生衰减，尤其是在缺陷区域，声波频率更高，衰减也更大，且不同类型缺陷产生的声波差异很小，信号分析难度极大。

光纤传感器监测法是利用光纤形状随应力的变化而发生形变，从而引起其内部光传播特性的变换而实现对风电叶片内部应变的实时测量。光纤传感器需要预先安装在风电叶片内部，造价较高，叶片成型后无法进行修复和更换。

应变片监测法是采用在风电叶片表面粘贴应变片的方法实现对风电叶片运行过程中应力变化实时检测，然后分析采集到的应变值对叶片运行状态进行判断的。但应变片粘贴在风电叶片表面，因此容易受到破坏而脱落，且应变片之间通常需要用铜导线相连接，因此也容易受到电磁干扰。

红外热成像法是利用物体缺陷部分与其他部分的温度差异实现对风电叶片缺陷检测。该方法能反映风电叶片内部缺陷的模糊区域，无法识别外部缺陷极其类型。

发明内容

本发明提供一种基于计算机视觉的风机叶片缺陷检测方法、装置、计算机设备及存储介质，旨在识别裂纹、砂眼、分层、脱粘等各种各样、形式各异的风机叶片缺陷。

为此，本发明的第一个目的在于提出一种基于计算机视觉的风机叶片缺陷检测方法，包括：

构建风机叶片缺陷检测模型，所述风机叶片缺陷检测模型包括基础特征提取模块、多尺度池化融合模块、多尺度特征层融合模块、特征解耦模块和预测模块；

获取具有缺陷的风机叶片表面图像并进行预处理，形成风机叶片表面缺陷图像数据集，并将预处理后的风机叶片表面缺陷图像数据集输入所述风机叶片缺陷检测模型，进行模型训练；

将实时采集的风机叶片表面图像输入训练完成的风机叶片缺陷检测模型，通过模型输出结果，对风机叶片表面缺陷进行检测。

其中，风机叶片缺陷检测模型中，