[發(fā)明專利]風(fēng)機(jī)葉片覆冰厚度的識(shí)別方法、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202111258345.3
• 申請(qǐng)日: 2021-10-27
• 公開(kāi)（公告）號(hào): CN114170491A
• 公開(kāi)（公告）日: 2022-03-11
• 發(fā)明（設(shè)計(jì)）人: 唐廣通;杜威;楊海生;張營(yíng);李鐵軍;李暉
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)河北省電力有限公司電力科學(xué)研究院;國(guó)網(wǎng)河北能源技術(shù)服務(wù)有限公司;國(guó)家電網(wǎng)有限公司
• 主分類號(hào): G06V20/00
• 分類號(hào): G06V20/00;G06K9/62;G06N3/00;G06Q50/06;G06V10/26;G06V10/44;G06V10/30;G06V10/764
• 代理公司: 石家莊國(guó)為知識(shí)產(chǎn)權(quán)事務(wù)所 13120
• 代理人: 彭競(jìng)馳

1.一種風(fēng)機(jī)葉片覆冰厚度的識(shí)別方法，其特征在于，包括：

采集包含覆冰風(fēng)機(jī)葉片的第一圖像，并對(duì)所述第一圖像進(jìn)行降噪處理，得到第二圖像；其中，所述覆冰風(fēng)機(jī)葉片為表面覆冰的風(fēng)機(jī)葉片；

基于最大類間方差閾值分割算法，對(duì)所述第二圖像進(jìn)行邊緣特征提取，得到所述覆冰風(fēng)機(jī)葉片的第一邊緣輪廓；基于最大類間方差閾值分割算法及改進(jìn)權(quán)重的粒子群算法的耦合算法，對(duì)所述第二圖像進(jìn)行邊緣特征提取，得到所述覆冰風(fēng)機(jī)葉片的第二邊緣輪廓；對(duì)所述第一邊緣輪廓和所述第二邊緣輪廓進(jìn)行整合處理，得到所述覆冰風(fēng)機(jī)葉片的邊緣輪廓；

根據(jù)所述覆冰風(fēng)機(jī)葉片的邊緣輪廓和未覆冰風(fēng)機(jī)葉片的邊緣輪廓，確定所述風(fēng)機(jī)葉片的覆冰厚度。

2.如權(quán)利要求1所述的風(fēng)機(jī)葉片覆冰厚度的識(shí)別方法，其特征在于，在所述基于最大類間方差閾值分割算法及改進(jìn)權(quán)重的粒子群算法的耦合算法，對(duì)所述第二圖像進(jìn)行邊緣特征提取，得到所述覆冰風(fēng)機(jī)葉片的第二邊緣輪廓之前，所述方法還包括：

將所述第二圖像輸入至預(yù)先訓(xùn)練好的葉片覆冰預(yù)測(cè)模型中，得到所述第二圖像各像素點(diǎn)的覆冰概率；

基于最大類間方差閾值分割算法及改進(jìn)權(quán)重的粒子群算法的耦合算法，對(duì)所述第二圖像進(jìn)行邊緣特征提取，得到所述覆冰風(fēng)機(jī)葉片的第二邊緣輪廓，包括：

基于各像素點(diǎn)的覆冰概率、最大類間方差閾值分割算法及改進(jìn)權(quán)重的粒子群算法的耦合算法，對(duì)所述第二圖像進(jìn)行邊緣特征提取，得到所述覆冰風(fēng)機(jī)葉片的第二邊緣輪廓。

3.如權(quán)利要求2所述的風(fēng)機(jī)葉片覆冰厚度的識(shí)別方法，其特征在于，所述基于各像素點(diǎn)的覆冰概率、最大類間方差閾值分割算法及改進(jìn)權(quán)重的粒子群算法的耦合算法，對(duì)所述第二圖像進(jìn)行邊緣特征提取，得到所述覆冰風(fēng)機(jī)葉片的第二邊緣輪廓，包括：

當(dāng)目標(biāo)像素點(diǎn)的覆冰概率大于預(yù)設(shè)閾值時(shí)，將所述目標(biāo)像素點(diǎn)的迭代慣性權(quán)重值的小數(shù)位數(shù)設(shè)為第一預(yù)設(shè)位數(shù)，基于最大類間方差閾值分割算法以及所述第一預(yù)設(shè)位數(shù)的改進(jìn)權(quán)重的粒子群算法，對(duì)所述第二圖像的邊緣進(jìn)行邊緣特征提取，得到所述覆冰風(fēng)機(jī)葉片的第二邊緣輪廓；其中，所述目標(biāo)像素點(diǎn)為所述第二圖像的邊緣的任意像素點(diǎn)；

當(dāng)所述目標(biāo)像素點(diǎn)的覆冰概率小于預(yù)設(shè)閾值時(shí)，將所述目標(biāo)像素點(diǎn)的迭代慣性權(quán)重值的小數(shù)位數(shù)設(shè)為第二預(yù)設(shè)位數(shù)，基于最大類間方差閾值分割算法以及所述第二預(yù)設(shè)位數(shù)的改進(jìn)權(quán)重的粒子群算法，對(duì)所述第二圖像的邊緣進(jìn)行邊緣特征提取，得到所述覆冰風(fēng)機(jī)葉片的第二邊緣輪廓；其中，所述第一預(yù)設(shè)位數(shù)大于所述第二預(yù)設(shè)位數(shù)。

4.如權(quán)利要求1所述的風(fēng)機(jī)葉片覆冰厚度的識(shí)別方法，其特征在于，所述對(duì)所述第一邊緣輪廓和所述第二邊緣輪廓進(jìn)行整合處理，得到所述覆冰風(fēng)機(jī)葉片的邊緣輪廓，包括：

將所述第一邊緣輪廓內(nèi)的區(qū)域和所述第二邊緣輪廓內(nèi)的區(qū)域的交集區(qū)域的輪廓，確定為所述覆冰風(fēng)機(jī)葉片的邊緣輪廓。

5.如權(quán)利要求1所述的風(fēng)機(jī)葉片覆冰厚度的識(shí)別方法，其特征在于，所述對(duì)所述覆冰風(fēng)機(jī)葉片的邊緣輪廓和未覆冰風(fēng)機(jī)葉片的邊緣輪廓分別進(jìn)行坐標(biāo)校正處理后，得到所述風(fēng)機(jī)葉片的覆冰厚度，包括：

將所述覆冰風(fēng)機(jī)葉片的邊緣輪廓和未覆冰風(fēng)機(jī)葉片的邊緣輪廓由像素坐標(biāo)系下轉(zhuǎn)換到世界坐標(biāo)系下；

在世界坐標(biāo)系下，針對(duì)所述覆冰風(fēng)機(jī)葉片的邊緣輪廓與所述未覆冰風(fēng)機(jī)葉片邊緣輪廓上對(duì)應(yīng)同一葉片位置的每?jī)蓚€(gè)像素點(diǎn)，將該兩個(gè)像素點(diǎn)之間的像素個(gè)數(shù)與單個(gè)像素的實(shí)際長(zhǎng)度相乘，得到該兩個(gè)像素點(diǎn)所對(duì)應(yīng)的葉片位置的覆冰厚度。

6.如權(quán)利要求1所述的風(fēng)機(jī)葉片覆冰厚度的識(shí)別方法，其特征在于，所述對(duì)所述第一圖像進(jìn)行降噪處理，得到第二圖像，包括：

基于非局部均值濾波法，對(duì)所述第一圖像進(jìn)行降噪處理，得到第二圖像；其中，所述第一圖像為所述風(fēng)機(jī)葉片的厚度方向上的圖像。

7.如權(quán)利要求2所述的風(fēng)機(jī)葉片覆冰厚度的識(shí)別方法，其特征在于，所述葉片覆冰預(yù)測(cè)模型為支持向量機(jī)模型，所述支持向量機(jī)模型通過(guò)多個(gè)經(jīng)過(guò)降噪處理的歷史覆冰圖像進(jìn)行訓(xùn)練和測(cè)試；其中，所述歷史覆冰圖像包括風(fēng)機(jī)因覆冰厚度過(guò)厚而停機(jī)檢修的覆冰圖像。