[發(fā)明專(zhuān)利]一種基于航拍圖像的風(fēng)電葉片故障檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910011205.2
• 申請(qǐng)日: 2019-01-07
• 公開(kāi)（公告）號(hào): CN109741320A
• 公開(kāi)（公告）日: 2019-05-10
• 發(fā)明（設(shè)計(jì)）人: 高俊山;段立勇;鄧立為
• 申請(qǐng)（專(zhuān)利權(quán)）人: 哈爾濱理工大學(xué)
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06T17/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于航拍圖像的風(fēng)電葉片故障檢測(cè)方法，其特征在于：包括以下步驟：

A、風(fēng)電葉片航片圖像增強(qiáng)；

B、構(gòu)建風(fēng)電葉片三維可視化模型；

C、風(fēng)電葉片圖像缺陷檢測(cè)；

D、風(fēng)電葉片圖像缺陷區(qū)域分類(lèi)。

2.根據(jù)權(quán)利要求1所述的一種風(fēng)電葉片故障檢測(cè)方法，其特征在于：所述步驟A風(fēng)電葉片航拍圖像增強(qiáng)的方法如下：

a、輸入待增強(qiáng)的風(fēng)電葉片圖像，若所述風(fēng)電葉片圖像為非灰度圖像，則將所述風(fēng)電葉片圖像轉(zhuǎn)換為灰度圖像；

b、計(jì)算所述灰度圖像的梯度值、局部信息熵值和對(duì)比度，將所述灰度圖像進(jìn)行融合，計(jì)算融合后的所述灰度圖像局部信息值；

c、計(jì)算所述灰度圖像的各個(gè)像素點(diǎn)階次；

d、用自適應(yīng)函數(shù)與Tiansi算子中的掩模模板組合，構(gòu)成微分階次自適應(yīng)掩模算子，進(jìn)而生成分?jǐn)?shù)階微分模板；

e、使用我們得到的所述分?jǐn)?shù)階微分模板與所述風(fēng)電葉片圖像進(jìn)行卷積操作，得到增強(qiáng)的風(fēng)電葉片圖像。

3.根據(jù)權(quán)利要求1所述的一種風(fēng)電葉片故障檢測(cè)方法，其特征在于：所述步驟B構(gòu)建風(fēng)電葉片三維可視化模型的方法如下：

a、將經(jīng)過(guò)圖像增強(qiáng)的風(fēng)電葉片連續(xù)圖像序列以及無(wú)人機(jī)搭載的相機(jī)內(nèi)參數(shù)和校正參數(shù)輸入SLAM子系統(tǒng)，SLAM子系統(tǒng)進(jìn)行局部和全局優(yōu)化，計(jì)算所述相機(jī)的位姿，生成關(guān)鍵幀并將所述關(guān)鍵幀存在KeyFrame緩沖池中；

b、所述KeyFrame緩沖池為深度估計(jì)模塊在對(duì)照當(dāng)前圖像幀的情況下提供參考關(guān)鍵幀；

c、深度估計(jì)模塊從序列中提取待估計(jì)幀，依次進(jìn)行基于局部的深度恢復(fù)、隨機(jī)初始化、空間傳播和后處理，完成整體的深度恢復(fù)；

d、使用3D三維數(shù)據(jù)處理開(kāi)源庫(kù)，構(gòu)建一個(gè)稠密點(diǎn)云融合模塊，使用Surfel面元來(lái)表示每個(gè)三維點(diǎn)；依據(jù)詳細(xì)位姿將當(dāng)前深度圖結(jié)合原始圖像顏色信息通過(guò)反射投影獲得點(diǎn)云，再轉(zhuǎn)換至全局坐標(biāo)系下，與全局模型進(jìn)行融合生成優(yōu)化的三維模型；

e、將風(fēng)電葉片三維模型進(jìn)行顯示。

4.根據(jù)權(quán)利要求1所述的一種風(fēng)電葉片故障檢測(cè)方法，其特征在于：所述步驟C風(fēng)電葉片圖像缺陷檢測(cè)的方法如下：

a、通過(guò)主成分分析法對(duì)所述步驟A中增強(qiáng)的風(fēng)電葉片圖像的全局紋理信息進(jìn)行重構(gòu)，與不含缺陷信息的風(fēng)電葉片圖像進(jìn)行缺陷信息的對(duì)比；

b、采用差分發(fā)法將原有的含缺陷的圖像與重構(gòu)的圖像相減得到其主成分的殘差信息并進(jìn)行逆變換；

c、采用統(tǒng)計(jì)過(guò)程的二值化方法以及形態(tài)學(xué)的腐蝕與膨脹方法來(lái)檢測(cè)缺陷。

5.根據(jù)權(quán)利要求1所述的一種風(fēng)電葉片故障檢測(cè)方法，其特征在于：所述步驟D風(fēng)電葉片圖像缺陷區(qū)域分類(lèi)的方法如下：

a、構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)模型：采用ImageNet訓(xùn)練的AlexNet網(wǎng)絡(luò)模型來(lái)解決風(fēng)電葉片缺陷等級(jí)的分類(lèi)，根據(jù)步驟C處理的有缺陷圖像組成數(shù)據(jù)集，用所述數(shù)據(jù)集訓(xùn)練AlexNet網(wǎng)絡(luò)的權(quán)重參數(shù)，保持前三個(gè)卷積層（底層）權(quán)重參數(shù)不變，微調(diào)隨后的5層，最后一層替換為可以輸出6個(gè)類(lèi)別預(yù)測(cè)的分類(lèi)層softmax分類(lèi)器；

b、對(duì)待分類(lèi)的風(fēng)電葉片圖像數(shù)據(jù)進(jìn)行重構(gòu)；

c、將進(jìn)行重構(gòu)的圖像數(shù)據(jù)，按行輸入到我們構(gòu)建的深度學(xué)習(xí)網(wǎng)絡(luò)模型中，對(duì)缺陷的葉片圖像完成剝落、裂紋、沙眼等類(lèi)別的分類(lèi)；利用深度網(wǎng)絡(luò)分級(jí)模型，根據(jù)缺陷損壞程度劃分為不同的缺陷等級(jí)。