[發明專利]一種機載式風機葉片缺陷檢測方法

在審

• 申請號: 202210613508.3
• 申請日: 2022-06-01
• 公開（公告）號: CN114693684A
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 李小剛;李峰平;林蘇奔;孫浩然;張昆鵬;郭劍;邵正鵬;李函禧;盧成績
• 申請（專利權）人: 領偉創新智能系統（浙江）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06T7/13;G06T7/136
• 代理公司: 杭州萬合知識產權代理事務所(特殊普通合伙) 33294
• 代理人: 余冬;萬珠明

本發明公開了一種機載式風機葉片缺陷檢測方法，包括以下步驟，首先獲取風機葉片表面圖像，其次將其轉換為灰度圖像，隨后繼續遍歷圖片所有像素，生成Tenengrad梯度矩陣，基于Tenengrad梯度閾值，進行風機葉片區域的判斷，隨后遍歷當前圖片所有像素，生成Hoyer統計值矩陣，進而根據風機葉片區域判斷情況，保留步驟風機葉片區域的Hoyer統計值并將其他區域的Hoyer統計值置零，最終設置Hoyer統計值閾值，若Hoyer統計值大于該閾值，則該像素點為缺陷特征。本發明從Tenengrad梯度與Hoyer統計值出發，直接進行風機葉片缺陷的辨識，具備不受訓練數據樣本分布影響的特點。

技術領域

本發明涉及風電設施表面質量檢測技術領域，特別涉及一種機載式風機葉片缺陷檢測方法。

背景技術

風機葉片作為風力發電機的捕風機構，其運行過程中會受到各種各樣來自自身或外界的影響。如果風電葉片發生損壞，輕則會成經濟損失，重則產生安全隱患。定期巡查時目前風機葉片的常規監測方法，維修人員使用望遠鏡在遠距離觀察葉片的狀態并在日志上進行記錄。然而這種人工檢測方法，不可避免地存在著檢測時間長、精度低、成本高等問題，難以進行風場大規模風機葉片的檢測。

發明內容

本發明的目的在于，提供一種機載式風機葉片缺陷檢測方法。本發明可實現風機葉片可靠、高效的狀態監測和缺陷識別，具備不受訓練數據樣本分布影響的特點。

本發明的技術方案：一種機載式風機葉片缺陷檢測方法，包括以下步驟：

S1：獲取風機葉片表面圖像，將葉片表面圖像轉換至灰度圖像；

S2：設置窗口大小為w1×w1的滑動窗口，用滑動窗口遍歷當前灰度圖片所有像素，并計算當前窗口內像素的Tenengrad梯度，形成Tenengrad梯度矩陣；

S3：設置Tenengrad梯度閾值，若Tenengrad梯度大于該閾值，則該像素點為風機葉片區域；

S4：設置窗口大小為w2×w2的滑動窗口，用滑動窗口遍歷當前灰度圖片所有像素，并計算當前窗口內像素的Hoyer統計值，直至遍歷當前圖片所有像素，形成Hoyer統計值矩陣；

S5：保留步驟S4中風機葉片區域的Hoyer統計值并將其他區域的Hoyer統計值置零；

S6：設置Hoyer統計值閾值，若風機葉片區域的Hoyer統計值大于該閾值，則該像素點為缺陷特征。

上述的機載式風機葉片缺陷檢測方法，所述Tenengrad梯度的算法為：

其中為當前滑動窗口的Tenengrad梯度信息，，為分別為圖像滑動窗口的行列索引號，為窗口尺寸，為點沿x方向的梯度信息，為點沿y方向的梯度信息。

前述的機載式風機葉片缺陷檢測方法，所述風機葉片區域的判斷算法為：

；

其中為當前像素點的判斷結果，1表示當前像素點位于風機葉片上，0表示當前像素點位于風機葉片區域之外，，為分別為圖像滑動窗口的行列索引號，為當前像素點對應的Tenengrad梯度，為預設的Tenengrad梯度閾值。

前述的機載式風機葉片缺陷檢測方法，所述Hoyer統計值的算法為：

其中為當前滑動窗口的Hoyer統計值，，為分別為圖像滑動窗口的行列索引號，為窗口尺寸，為點的灰度信息。

前述的機載式風機葉片缺陷檢測方法，步驟S5中，所述Hoyer統計值保留的算法為：

其中為保留后的Hoyer統計值，為Hoyer統計值矩陣，為風機葉片區域的像素點判斷結果，，為分別為圖像滑動窗口的行列索引號。

前述的機載式風機葉片缺陷檢測方法，所述風機葉片缺陷特征判斷的算法為：

；