[发明专利]一种风力发电机组叶片故障估测系统及方法

权利要求书

1.一种风力发电机组叶片故障估测系统，其特征在于，包括：处理终端、彩色可见光相机、红外热成像相机、无人机；

所述的处理终端、彩色可见光相机、红外热成像相机均放置于无人机上；

所述处理终端分别与所述的彩色可见光相机、红外热成像相机依次连接；

所述处理终端通过所述彩色可见光相机采集多个时刻的风电机叶片可见光图像，通过所述红外热成像相机多个时刻的风电机叶片红外光图像；

处理终端通过标记得到每幅可见光图像的每幅可见光图像的真实风力发电机组叶片故障类型、故障预测框、每幅红外光图像的故障标记框、真实风力发电机组叶片故障类型；构建改进的yoloV5模型网络，通过Adam算法优化训练得到优化后改进的yoloV5模型网络；构建GoogLeNet网络，通过Adam算法优化训练得到优化后GoogLeNet网络；处理终端获取多幅筛选后风电机叶片可见光图像、多幅筛选后风电机叶片红外光图像；通过优化后改进的yoloV5模型网络预测得到每幅筛选后风电机叶片可见光图像故障的位置与类型，通过优化后GoogLeNet网络预测得到每幅筛选后风电机叶片红外光图像故障的类型与位置，将每幅筛选后风电机叶片可见光图像故障的位置与类型、每幅筛选后风电机叶片红外光图像故障的位置与类型通过双光谱对照融合识别得到最终的风电机叶片的故障的位置与类型。

2.一种利用权利要求1所述的风力发电机组叶片故障估测系统进行风力发电机组叶片故障估测方法，其特征在于，包括以下步骤：

步骤1：处理终端输入多幅原始可见光图像，将每幅原始可见光图像通过图像剔除预处理方法得到每幅可见光图像，标记每幅可见光图像的每幅可见光图像的真实风力发电机组叶片故障类型、故障预测框，输入多幅原始红外光图像，将多幅原始红外光图像通过图像质量评价预处理方法得到每幅红外光图像，标记每幅红外光图像的故障标记框、真实风力发电机组叶片故障类型；

步骤2：构建改进的yoloV5模型网络，将每幅可见光图像依次输入至改进的yoloV5模型网络进行预测得到每幅可见光图像的预测风力发电机组叶片故障类型、故障预测框，结合每幅可见光图像的故障标记框、真实风力发电机组叶片故障类型构建yoloV5模型网络损失函数模型，通过Adam算法优化训练得到优化后改进的yoloV5模型网络；

步骤3：构建GoogLeNet网络，将每幅红外光图像依次输入至GoogLeNet网络进行预测得到每幅红外光图像的预测风力发电机组叶片故障类型、故障预测框，结合标记每幅红外光图像的故障标记框、真实风力发电机组叶片故障类型构建GoogLeNet网络损失函数模型，通过Adam算法优化训练得到优化GoogLeNet网络；

步骤4：处理终端通过所述彩色可见光相机采集多个时刻的风电机叶片可见光图像，通过所述红外热成像相机多个时刻的风电机叶片红外光图像，将多个时刻的风电机叶片可见光图像通过图像剔除预处理方法得到多幅筛选后风电机叶片可见光图像，将多个时刻的风电机叶片红外光图像通过图像剔除预处理方法得到多幅筛选后风电机叶片红外光图像；

步骤5：处理终端将每幅筛选后风电机叶片可见光图像通过优化后改进的yoloV5模型网络预测得到每幅筛选后风电机叶片可见光图像故障的位置与类型，将每幅筛选后风电机叶片红外光图像通过优化后GoogLeNet网络预测得到每幅筛选后风电机叶片红外光图像故障的位置与类型，进一步将每幅筛选后风电机叶片可见光图像故障的位置与类型、每幅筛选后风电机叶片红外光图像故障的位置与类型通过双光谱对照融合识别得到最终的风电机叶片的故障的位置与类型。