风力机叶片表面粗糙度检测方法及终端与流程
本发明涉及风力发电设备检测,特别涉及风力机叶片表面粗糙度检测方法及终端。
背景技术:
1、风力机叶片的叶片表面粗糙度的检测方法包括人工接触式检测方法、激光三维扫描方法、普通图像视觉检测方法以及红外热像检测方法等。采用人工接触式检测方法,需要检测人员通过高空作业平台或绳索接近叶片才能获取表面粗糙度参数,安全风险高且检测效率低。采用激光三维扫描方法,设备成本昂贵,扫描速度慢,对环境光照和振动高度敏感,通常需在恒温恒湿室内或夜间进行,难以满足风电场现场快速巡检需求。采用普通图像视觉检测方法,普通图像仅包含表面光学反射信息,当叶片因污损、涂层老化或变色而呈现相近颜色时,难以有效区分不同粗糙度的区域,检测准确性低。
技术实现思路
1、本发明所要解决的技术问题是:提供风力机叶片表面粗糙度检测方法及终端,能够提高风力机叶片表面粗糙度检测的准确度。
2、为了解决上述技术问题,本发明采用的技术方案为:
3、一种风力机叶片表面粗糙度检测方法,包括:获取通过红外采集的待测风力机叶片图像的原始数字灰度值矩阵;根据所述原始数字灰度值矩阵,确定所述待测风力机叶片图像中的叶片区域;根据所述原始数字灰度值矩阵中与所述叶片区域内各个像素点对应的原始数字灰度值,计算所述叶片区域内的目标像素点的数字灰度值梯度、局部方差和纹理熵;根据所述数字灰度值梯度、局部方差和纹理熵,得到所述目标像素点的粗糙评价指数。
4、为了解决上述技术问题,本发明采用的另一种技术方案为:
5、一种风力机叶片表面粗糙度检测终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的一种风力机叶片表面粗糙度检测方法的各个步骤。
6、本发明的有益效果在于:通过获取通过红外采集的待测风力机叶片图像对应的原始数字灰度值矩阵,并基于原始数字灰度值矩阵确定叶片区域,可以从复杂背景中筛选出与叶片表面对应的有效检测区域,避免背景区域对后续粗糙度分析的干扰;针对叶片区域内各像素点对应的原始数字灰度值,分别从数字灰度值变化程度、局部离散程度以及纹理分布特征三个维度计算数字灰度值梯度、局部方差和纹理熵,数字灰度值梯度、局部方差和纹理熵能够表征叶片表面辐射变化的辐射细节特征,并对数字灰度值梯度、局部方差和纹理熵进行融合得到各像素点对应的粗糙评价指数,通过利用待测风力机叶片图像中各个像素点的原始数字灰度值,使粗糙度检测不依赖于温度换算结果,而保留叶片表面粗糙度引起的微弱辐射差异,从而有利于提高对叶片表面粗糙区域的识别灵敏度和检测准确度。
1.一种风力机叶片表面粗糙度检测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述原始数字灰度值矩阵,确定所述待测风力机叶片图像中的叶片区域包括:
3.根据权利要求1所述的方法,其特征在于,所述根据所述原始数字灰度值矩阵中与所述叶片区域内各个像素点对应的原始数字灰度值,计算所述叶片区域内的目标像素点的数字灰度值梯度、局部方差和纹理熵,包括:
4.根据权利要求3所述的方法,其特征在于,所述根据所述原始数字灰度值矩阵,确定所述待测风力机叶片图像中的叶片区域之后,还包括:
5.根据权利要求3所述的方法,其特征在于,所述计算所述目标像素点的数字灰度值梯度、局部方差和纹理熵,包括:
6.根据权利要求1所述的方法,其特征在于,根据所述数字灰度值梯度、局部方差和纹理熵,得到所述目标像素点的粗糙评价指数之后,还包括:
7.根据权利要求6所述的方法,其特征在于,所述根据所有所述像素点的所述粗糙评价指数确定异常阈值包括:
8.根据权利要求6所述的方法,其特征在于,根据所述粗糙区域中各个像素点的所述粗糙评价指数确定所述粗糙区域的粗糙等级,包括:
9.根据权利要求6所述的方法,其特征在于,所述根据所述粗糙区域中各个像素点的所述粗糙评价指数确定所述粗糙区域的粗糙等级之后,还包括:
10.一种风力机叶片表面粗糙度检测终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9任一项所述的一种风力机叶片表面粗糙度检测方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com