在役风机全尺寸叶片外部损伤识别方法.doc

PAGE 1 PAGE 8 说 明 书 在役风机全尺寸叶片外部损伤识别方法 技术领域 本发明涉及损伤的非接触检测技术领域，具体涉及一种基于图像处理技术进行的在役风机全尺寸叶片外部损伤识别方法。 背景技术 叶片作为风力发电机组的重要组成部分，易受到雨水、砂石、雷电等外部攻击，进而产生诸如裂纹、破损等不同程度的外部损伤。对叶片进行定期的损伤识别与维护，可以有效预防重大安全财产损失。目前，对于叶片外部损伤识别，较为流行的做法是无人机搭载成像系统进行半自动化巡检，以此确定损伤的性质。这类方法取得了较可取的结果，然而受风场干扰，无人机的稳定性难以保证。另外，该方法难以给定损伤的位置、面积等定量信息，对于后期维护工作不能提供较为准确的数据支撑。因此，需要发展一种不受环境因素影响，同时又高效的非接触式识别方法。 发明内容 本发明所要解决的技术问题是提供一种在役风机全尺寸叶片外部损伤识别方法。该方法通过连续采集叶片的分段高分辨图像，并应用图像拼接方法获得叶片的全尺寸高分辨图像，进而采用图像分割的方法对全尺寸叶片进行损伤识别，从而达到高精度确定叶片损伤位置和大小的目的。 本发明的在役风机全尺寸叶片外部损伤识别方法，其特征在于包括以下步骤： a. 获取叶片分段高分辨图像。采用高分辨率相机，从叶尖至叶根依次连续分段采集在役风机叶片的图像。为了后续能获取较准确的全尺寸叶片图像，这里要求其中任意相邻两张图像的公共部分不小于30%。 b. 获得叶片的全尺寸图像。应用图像拼接方法，对风机叶片分段图像进行拼接，从而获得叶片的全尺寸图像，记该图像为，其中是图像域。 c. 叶片全尺寸图像的分段。为了更快速、更精确得到叶片的外部损伤，对全尺寸图像做分段处理，得到分段图像，共段。具体包含以下步骤： c1. 获取叶尖和叶根位置的图像坐标。通过鼠标点击，获取叶尖和叶根两点的图像坐标，分别记为和，同时记叶片长度为米； c2. 将全尺寸叶片图像分为段。记这段图像为，它们在原图像域中的所处位置为，。 d. 叶片外部损伤的分段识别。对于每一分段图像，应用基于水平集的图像分割方法进行损伤区域的识别及定量信息给出。以第k段图像为例，具体包含以下步骤： d1. 获取叶片边界部分。求解如下的水平集方程(1) (1) 其中，，，是水平集函数，是曲线外部的平均灰度值。记得到的收敛解为； d2. 获取损伤区域的坐标信息。以区域为新的图像，继续求解式(1)，记得到的收敛解为。如果的值有正有负，即曲线存在，那么该曲线内部区域对应的便是损伤部分的边界；否则，该段叶片不存在损伤。记损伤区域范围为； d3. 获取损伤区域的定量信息。损伤区域在叶片全尺寸图像中的坐标为，该损伤区域中心位于叶尖至叶根的位置(百分比)为： (2) 损伤区域大小(长×宽，单位：厘米×厘米)为： (3) 本发明的在役风机全尺寸叶片外部损伤识别方法是非接触式的，其基于水平集图像分割的方法，并结合图像拼接和分段识别的思想，可以达到高精度、高效率识别叶片外部损伤的目的，同时给定损伤位置、大小等定量信息。 附图说明 图1为叶片全尺寸图像； 图2为叶尖和叶根特征点位置信息示意图； 图3为叶片分段图像位置框示意图； 图4为分段图像叶片识别结果； 图5为损伤区域识别结果。 图中，1. 叶尖特征点位置 2. 叶根特征点位置 3. 叶片分段图像位置方框 4. 叶片边界曲线 5. 损伤区域边界曲线。 具体实施方式 下面结合附图和实施例进一步对本发明详细说明，以下实施例只是描述性的，非限定性的，不能以此限定本发明的保护范围。 实施例1 a. 获取叶片分段高分辨图像。从叶尖至叶根依次分段采集叶片高分辨图像，且保证了任意两张间的公共部分不小于30%。 b. 获得叶片的全尺寸图像。对分段采集到的图像进行拼接，得到在役风机叶片的全尺寸图像，如图1所示。 c. 叶片全尺寸图像的分段。将图1图像中的叶片部分进行分段处理，这里选用5段，记得到的5个新图像为,,,,。具体步骤如下： c1. 用鼠标获取叶尖和叶根点的坐标信息，分别为和，如图2中1和2所示，该型风力机叶片长度米； c2. 将该叶片分为5段，记它们为，它们在全尺寸图像中的所处位置为()，这些坐标信息可以由式(4)得到： (4) 其中，，，。这里等数值需要做取整运算。同时，对于第1个和第5个分段图像，限定其不超过原图像域。最终计算得到这5个分段图像在原图像域中的位置分别为：[395, 982]×[3040, 3919]，[391, 979]×[2170, 3050]，[388, 975]×[1300, 2180]，[384, 972]×[4