一种风机叶片结冰区域识别方法及系统与流程

本发明涉及结冰区域识别，尤其涉及一种风机叶片结冰区域识别方法及系统。

背景技术：

1、目前，风力发电是清洁能源体系的核心组成部分，低温高湿环境下的叶片结冰会引发质量失衡、气动性能衰减，直接导致发电效率下降甚至设备损毁，精准识别结冰区域与结冰程度是风机冬季安全运行的关键保障。随着工业视觉技术的发展，基于图像的非接触式检测逐渐成为叶片结冰监测的主流方向，但现有方案仍难以兼顾边界定位与厚度解析的双重需求，整体识别精度受限。

2、在一种现有技术中，叶片结冰检测多通过振动传感器或功率曲线分析间接推断整体结冰状态，部分基于工业视觉的方案则将结冰识别简化为图像分类或目标检测任务。从检测机理上看，间接检测方式仅能判断整机是否结冰，无法定位具体结冰区域与分布形态；视觉检测方案多聚焦结冰与否的二元判定，未纳入结冰连续演变的物理特性，无法区分薄霜附着与厚冰累积的跨尺度差异，也难以应对光照变化、表面污渍与轻度结冰的视觉相似性干扰，进一步加剧了边界定位与厚度判定的偏差。

3、综上所述，现有技术由于缺乏结冰边界精确定位与跨尺度冰层厚度差异化解析的协同机制，存在复杂工况下结冰区域识别精度不足的问题。

技术实现思路

1、本发明提供了一种风机叶片结冰区域识别方法及系统，以实现复杂工况下风机叶片上结冰区域的精确识别。

2、第一方面，为了解决上述技术问题，本发明提供了一种风机叶片结冰区域识别方法，包括：

3、获取风机叶片的原始图像，对所述原始图像进行光照均衡校正，得到校正图像；

4、对所述校正图像进行纹理特征提取，得到粗糙度矩阵，根据所述粗糙度矩阵进行区域分割，得到初始结冰边界；

5、根据所述初始结冰边界进行内部点云提取，得到冰层点云数据，根据所述冰层点云数据进行几何凸起提取，得到结冰尺度跨度；

6、若所述结冰尺度跨度大于预设的尺度跨度阈值，则对所述冰层点云数据进行厚冰厚度计算，得到第一冰层厚度作为冰层厚度数据；若所述结冰尺度跨度小于等于预设的尺度跨度阈值，则对所述冰层点云数据进行薄霜厚度反演，得到第二冰层厚度作为冰层厚度数据；

7、对所述冰层厚度数据进行多维特征分类，得到结冰程度，根据所述结冰程度和预先获取的历史结冰数据进行差值计算，得到结冰演变速率；

8、根据所述结冰演变速率提取演变持续时长，根据所述演变持续时长进行演变类型匹配，得到最终结冰状态。

9、优选地，所述获取风机叶片的原始图像，对所述原始图像进行光照均衡校正，得到校正图像，包括：

10、获取风机叶片的原始图像，提取所述原始图像的原始像素矩阵，并生成灰度分布直方图；

11、根据所述灰度分布直方图进行光照距离分析，得到映射函数；

12、通过所述映射函数对所述原始像素矩阵进行非线性拉伸，得到目标像素矩阵；

13、根据所述目标像素矩阵进行图像重构，得到校正图像。

14、优选地，所述对所述校正图像进行纹理特征提取，得到粗糙度矩阵，根据所述粗糙度矩阵进行区域分割，得到初始结冰边界，包括：

15、根据所述校正图像进行像素对频次统计，得到灰度共生矩阵；

16、根据所述灰度共生矩阵进行特征提取，得到灰度图像特征，对所述灰度图像特征进行空间映射，得到局部粗糙度；

17、根据所述局部粗糙度进行空间排列，得到粗糙度矩阵；

18、对所述粗糙度矩阵进行结冰预测，生成结冰概率矩阵；

19、根据所述结冰概率矩阵进行边界分割，得到初始结冰边界。

20、优选地，所述根据所述初始结冰边界进行内部点云提取，得到冰层点云数据，根据所述冰层点云数据进行几何凸起提取，得到结冰尺度跨度，包括：

21、截取所述初始结冰边界以内的区域，得到冰层区域，对所述冰层区域进行坐标转换，得到冰层点云数据；

22、对所述冰层点云数据进行曲率筛选，得到几何凸起集合；

23、计算所述几何凸起集合与预设的基准平面的垂直距离，得到高度数据集；

24、根据高度数据集计算最大高度差值，得到结冰尺度跨度。

25、优选地，所述若所述结冰尺度跨度大于预设的尺度跨度阈值，则对所述冰层点云数据进行厚冰厚度计算，得到第一冰层厚度作为冰层厚度数据，包括：

26、若所述结冰尺度跨度大于预设的尺度跨度阈值，对所述冰层点云数据进行裁剪，得到厚冰点云子集；

27、根据所述厚冰点云子集进行表面法向量计算，得到法向量集合；

28、将所述法向量集合与预设的基准轮廓法向量进行比对，筛选局部极值点，聚合得到冰层突起区域；

29、对所述冰层突起区域进行密度分析，得到空间分布密度矩阵；

30、根据所述空间分布密度矩阵对所述冰层突起区域进行体积积分运算，得到第一冰层厚度作为冰层厚度数据。

31、优选地，若所述结冰尺度跨度小于等于预设的尺度跨度阈值，则对所述冰层点云数据进行薄霜厚度反演，得到第二冰层厚度作为冰层厚度数据，包括：

32、若所述结冰尺度跨度小于等于所述尺度跨度阈值，对所述冰层点云数据进行特征提取，得到点云粗糙度矩阵；

33、根据所述点云粗糙度矩阵进行梯度频域转换，得到纹理频率矩阵；

34、对所述纹理频率矩阵进行元素分析，得到霜层覆盖率；

35、根据所述霜层覆盖率进行折射推导，得到折射偏移量；

36、根据所述折射偏移量进行折射反演计算，得到第二冰层厚度作为冰层厚度数据。

37、优选地，所述对所述冰层厚度数据进行多维特征分类，得到结冰程度，根据所述结冰程度和预先获取的历史结冰数据进行差值计算，得到结冰演变速率，包括：

38、对所述冰层厚度数据进行逐像素差值计算，得到厚度差异矩阵；

39、对所述厚度差异矩阵进行多特征提取，得到融合特征向量；

40、对所述融合特征向量进行高维超平面映射，得到决策边界距离；

41、根据所述决策边界距离进行分类处理，得到结冰程度；

42、根据所述结冰程度，获取对应采集周期的历史结冰数据；

43、根据所述结冰程度和所述历史结冰数据进行演变推算，得到结冰演变速率。

44、优选地，所述根据所述结冰演变速率提取演变持续时长，根据所述演变持续时长进行演变类型匹配，得到最终结冰状态，包括：

45、根据所述结冰演变速率和预设的速率阈值，进行时间序列分析，得到演变持续时长；

46、根据所述演变持续时长进行演变类型匹配，得到物理演变类型；

47、根据所述物理演变类型进行状态映射，得到最终结冰状态。

48、第二方面，本发明提供了一种风机叶片结冰区域识别系统，包括：存储器、处理器及存储在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程序时实现如上述所述的方法的步骤。

49、第三方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的方法的步骤。

50、相比于现有技术，本发明具有如下有益效果：

51、（1）通过对叶片原始图像执行限制对比度自适应直方图均衡化校正，消除拍摄距离与光照角度引入的局部过暗与反光过曝干扰，再基于灰度共生矩阵提取表面纹理的对比度与能量特征并映射为局部粗糙度，生成粗糙度矩阵，克服了轻度结冰与表面污渍在复杂光照下视觉表现相似、特征辨识度低的问题，提升了结冰区域分割精度。

52、（2）通过将初始结冰边界内部区域与叶片标准三维模型配准生成冰层点云数据，提取几何凸起集合并计算高度极值差得到结冰尺度跨度，以此为判别依据分别采用体积积分方式计算厚冰厚度与折射反演方式推算薄霜厚度，实现跨尺度结冰形态的差异化定量识别。

53、（3）本发明通过多周期结冰程度时序数据计算结冰演变速率，结合速率阈值与演变持续时长匹配物理演变类型，识别快速冻结的动态过程并输出最终结冰状态，解决了现有技术仅关注静态结冰结果、无法捕捉结冰急剧恶化过程的问题，可为风机冬季安全运行提供更具预警价值的状态判定依据。