CN109060826A - 一种不停机的风电叶片检测装置 - Google Patents
一种不停机的风电叶片检测装置 Download PDFInfo
- Publication number
- CN109060826A CN109060826A CN201810936664.7A CN201810936664A CN109060826A CN 109060826 A CN109060826 A CN 109060826A CN 201810936664 A CN201810936664 A CN 201810936664A CN 109060826 A CN109060826 A CN 109060826A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- wind electricity
- electricity blade
- stop
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Wind Motors (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种不停机的风电叶片检测装置。本发明装置，包括：图像采集单元、图像处理单元、主控单元以及服务器单元，图像采集单元、图像处理单元以及服务器单元均与主控单元连接。图像处理单元包括图像拼接模块和图像切割模块，服务器单元包括缺陷检测模块、报告生成模块以及数据存储模块。图像采集单元包括视觉触发模块、图像采集模块以及云台控制模块，通过主控单元控制各单元之间协调运行实现在不停机的情况下对风电叶片的检测。本发明的技术方案解决了现有技术中的检测结果不能存储、成本高，安全隐患大的问题。
Description
技术领域
本发明涉及一种检测系统技术领域，具体而言，尤其涉及一种不停机的风电叶片检测装置。
背景技术
风能作为可再生资源，有着良好的发展前景，具有很大的潜力成为未来能源结构的重要组成部分。风机叶片作为捕获风能的装置，是风电机组的重要组成部分，其性能好坏直接影响风电系统的运行和效率。
风机叶片是风电机组的重要组成部分，一般由玻璃纤维复合材料制成，由于工作环境的恶劣性与工况的复杂多变性，风机在运行过程中叶片难免会出现不同程度的损伤，其主要形式有裂纹、断裂等，外界冲击是产生裂纹的主要原因，断裂通常是由缺陷损伤累积引起的。
目前，对于风电叶片的检测技术主要有望远镜检查风电叶片、吊车吊篮蜘蛛人检查风电叶片、无人机检查风电叶片等检测技术，其中，望远镜检查风电叶片由于是非智能检测，检测结果不能存储；吊车吊篮蜘蛛人检查风电叶片的成本高，安全隐患大；无人机检查风电叶片的操控困难，易出事故，受电池和天气的影响大；国际上尝试用于叶片的无损检测方法有红外、超声、声发射、射线等，这些方法目前均处于实验室研究阶段，均没有成型的规范及标准，在国内，大部分叶片厂是通过静力实验、外形检测、目视、敲击等方法来进行质量控制。而叶片表面的缺陷如括粘接、砂眼、白斑、褶皱、鼓包等许多都是细小而隐蔽，探测不易，且简单通过外形目测等物理方式很难检测全面。
发明内容
根据上述技术问题，而提供一种不停机的风电叶片检测装置。本发明采用的技术手段如下：
一种不停机的风电叶片检测装置，包括：
图像采集单元，用于定点局部抓拍运行中的风电叶片；
图像处理单元，用于处理所述图像采集单元采集的风电叶片图像；
主控单元，用于控制所述图像采集单元、图像处理单元以及服务器单元之间协调运行；
服务器单元，用于处理所述主控单元发来的指令；
所述图像采集单元、图像处理单元以及服务器单元均与所述主控单元连接。
进一步地，所述图像采集单元包括：视觉触发模块、图像采集模块以及云台控制模块，当风电叶片运行到所述图像采集模块覆盖范围内后，所述视觉触发模块发出控制指令，所述图像采集模块完成图像采集工作，所述云台控制模块控制所述图像采集模块进行区域移动，直到将风电叶片拍摄完整。
进一步地，所述图像处理单元包括：
图像拼接模块，用于通过基于特征的图像拼接方法将同一风电叶片n张局部采集图像拼接为一张完整图像；
图像切割模块，用于将所述图像拼接模块拼接后的图片进行切割处理，进而得到不包含多余图形区域的图像。
进一步地，所述服务器单元包括：
缺陷检测模块，用于对拼接完成的风电叶片图像进行智能识别，对有缺陷的部位重点标记，还具备手动标记及修改功能；
报告生成模块，用于对所述缺陷检测模块检测的结果进行分类统计进而生成检测报告，以供使用者进行缺陷分析；所述报告生成模块加载在设备嵌入式软件中；
数据存储模块，用于将风电叶片拼接后的图像按风场、风机、叶片进行分类并存储于本地硬盘中，方便后期查阅及证据采集。
进一步地，所述图像采集模块内部设置有红外激光器和电动镜头，通过所述红外激光器配合电动镜头完成对焦操作，保证每一张采集图像清晰准确。
进一步地，所述云台控制模块控制所述图像采集模块进行区域移动的具体实现方法包括：
定义Pp(i,j)为所拍摄风电叶片图像中一点，取K为风电叶片运行第n圈后到达所拍摄区域占用的时间，大小为(2w+1)，云台水平方向平移Δu，垂直方向平移Δu后，所占用的时间为Sk，若K和Sk相同，则它们的差为零，否则不为零。由此定义K和Sk的相关函数为：
当D(K,Sk)达到最小，K与Sk达到最佳匹配，即可实现在最小的时间范围内，云台运行到指定位置，同时精确抓拍到所定位的风电叶片图像。
进一步地，所述基于特征的图像拼接方法包括以下步骤：
S1：图像预处理，对所述图像采集单元采集到的图像预处理；
S2：提取特征，对上述预处理后的图像进行特征提取；
S3：特征匹配，对上述提取的特征进行匹配，通过特征的匹配关系建立图像之间的配准映射变换关系；
S4：重复上述步骤S1-S3，直到将采集到的同一风电叶片n张局部采集图像拼接为一张完整图像。
进一步地，所述提取特征包括：特征点、直线、边缘、轮廓、闭合区域特征结构以及统计特征。
进一步地，所述图像切割模块采用GC图割算法对所述图像拼接模块拼接后的图片边缘进行识别并切割，得到不含多余图形区域的图像。
较现有技术相比，本发明具有以下优点：
1、本设备摒弃人工检测方式，全部采用全自动检测设备，可持续不间断监测风机叶片，对问题早判断、早上报、早解决。当检测设备运行时，风机不需要停机即可对叶片进行检测，提高风场产能，避免因设备起停造成的问题。
2、保障风机持续安全运行，快速、高效、实时的将风机叶片问题进行智能识别，提高检测效率、降低作业风险、提高企业生产效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明装置的结构图。
图2为本发明图像拼接方法流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1：
如图1所示，本发明提供了一种不停机的风电叶片检测装置，包括：
图像采集单元，用于定点局部抓拍运行中的风电叶片；
图像处理单元，用于处理所述图像采集单元采集的风电叶片图像；
主控单元，用于控制所述图像采集单元、图像处理单元以及服务器单元之间协调运行；
服务器单元，用于处理所述主控单元发来的指令；
所述图像采集单元、图像处理单元以及服务器单元均与所述主控单元连接。
图像采集单元包括：视觉触发模块、图像采集模块以及云台控制模块，当风电叶片运行到图像采集模块覆盖范围内后，视觉触发模块发出控制指令，图像采集模块完成图像采集工作，云台控制模块控制图像采集模块进行区域移动，直到将风电叶片拍摄完整。其中，视觉触发模块的工作原理为在光信号转换成电信号的过程中，图像出现已知规则变化，则判断事件生成，无需经过集成电路分析，通过集成电路处理直接发出触发指令。图像采集模块内部设置有红外激光器和电动镜头，红外激光器发出信号后，图像采集模块通过集成电路技术分析焦点所在位置，并控制电动镜头完成对焦操作。保证每一张采集图像清晰准确。云台控制模块控制所述图像采集模块进行区域移动的具体实现方法包括：
定义Pp(i,j)为所拍摄风电叶片图像中一点，取K为风电叶片运行第n圈后到达所拍摄区域占用的时间，大小为(2w+1)，云台水平方向平移Δu，垂直方向平移Δu后，所占用的时间为Sk，若K和Sk相同，则它们的差为零，否则不为零。由此定义K和Sk的相关函数为：
当D(K,Sk)达到最小，K与Sk达到最佳匹配，即可实现在最小的时间范围内，云台运行到指定位置，同时精确抓拍到所定位的风电叶片图像。
图像处理单元包括：图像拼接模块和图像切割模块；
图像拼接模块，用于通过基于特征的图像拼接方法将同一风电叶片n张局部采集图像拼接为一张完整图像；如图2所示，基于特征的图像拼接方法包括以下步骤：
S1：图像预处理，对所述图像采集单元采集到的图像预处理；
S2：提取特征，对上述预处理后的图像进行特征提取；
S3：特征匹配，对上述提取的特征进行匹配，通过特征的匹配关系建立图像之间的配准映射变换关系；
S4：重复上述步骤S1-S3，直到将采集到的同一风电叶片n张局部采集图像拼接为一张完整图像。
提取特征包括：特征点、直线、边缘、轮廓、闭合区域特征结构以及统计特征。
图像切割模块，采用GC图割算法将所述图像拼接模块拼接后的图片进行切割处理，进而得到不含多余图形区域的图像；
服务器单元包括：
缺陷检测模块，用于对拼接完成的风电叶片图像进行智能识别，对有缺陷的部位重点标记，同时具备手动标记及修改功能；
报告生成模块，用于对所述缺陷检测模块检测的结果进行分类统计进而生成检测报告，以供使用者进行缺陷分析；所述报告生成模块加载在设备嵌入式软件中；
数据存储模块，将风电叶片拼接后的图像按风场、风机、叶片进行分类并存储于本地硬盘中，方便后期查阅及证据采集。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种不停机的风电叶片检测装置，其特征在于，包括：
图像采集单元，用于定点局部抓拍运行中的风电叶片；
图像处理单元，用于处理所述图像采集单元采集的风电叶片图像；
主控单元，用于控制所述图像采集单元、图像处理单元以及服务器单元之间协调运行；
服务器单元，用于处理所述主控单元发来的指令；
所述图像采集单元、图像处理单元以及服务器单元均与所述主控单元连接。
2.根据权利要求1所述不停机的风电叶片检测装置，其特征在于，所述图像采集单元包括：视觉触发模块、图像采集模块以及云台控制模块，当风电叶片运行到所述图像采集模块覆盖范围内后，所述视觉触发模块发出控制指令，所述图像采集模块完成图像采集工作，所述云台控制模块控制所述图像采集模块进行区域移动，直到将风电叶片拍摄完整。
3.根据权利要求1所述不停机的风电叶片检测装置，其特征在于，所述图像处理单元包括：
图像拼接模块，用于通过基于特征的图像拼接方法将同一风电叶片n张局部采集图像拼接为一张完整图像；
图像切割模块，用于将所述图像拼接模块拼接后的图片进行切割处理，进而得到不包含多余图形区域的图像。
4.根据权利要求1所述不停机的风电叶片检测装置，其特征在于，所述服务器单元包括：
缺陷检测模块，用于对拼接完成的风电叶片图像进行智能识别，对有缺陷的部位重点标记，还具备手动标记及修改功能；
报告生成模块，用于对所述缺陷检测模块检测的结果进行分类统计进而生成检测报告，以供使用者进行缺陷分析；所述报告生成模块加载在设备嵌入式软件中；
数据存储模块，用于将风电叶片拼接后的图像按风场、风机、叶片进行分类并存储于本地硬盘中，方便后期查阅及证据采集。
5.根据权利要求2所述不停机的风电叶片检测装置，其特征在于，所述图像采集模块内部设置有红外激光器和电动镜头，通过所述红外激光器配合电动镜头完成对焦操作，保证每一张采集图像清晰准确。
6.根据权利要求2所述不停机的风电叶片检测装置，其特征在于，所述云台控制模块控制所述图像采集模块进行区域移动的具体实现方法包括：
定义Pp(i,j)为所拍摄风电叶片图像中一点，取K为风电叶片运行第n圈后到达所拍摄区域占用的时间，大小为(2w+1)，云台水平方向平移Δu，垂直方向平移Δu后，所占用的时间为Sk，若K和Sk相同，则它们的差为零，否则不为零。由此定义K和Sk的相关函数为：
当D(K,Sk)达到最小，K与Sk达到最佳匹配，即可实现在最小的时间范围内，云台运行到指定位置，同时精确抓拍到所定位的风电叶片图像。
7.根据权利要求1所述不停机的风电叶片检测装置，其特征在于，所述基于特征的图像拼接方法包括以下步骤：
S1：图像预处理，对所述图像采集单元采集到的图像预处理；
S2：提取特征，对上述预处理后的图像进行特征提取；
S3：特征匹配，对上述提取的特征进行匹配，通过特征的匹配关系建立图像之间的配准映射变换关系；
S4：重复上述步骤S1-S3，直到将采集到的同一风电叶片n张局部采集图像拼接为一张完整图像。
8.根据权利要求7所述不停机的风电叶片检测装置，其特征在于，所述提取特征包括：特征点、直线、边缘、轮廓、闭合区域特征结构以及统计特征。
9.根据权利要求1所述不停机的风电叶片检测装置，其特征在于，所述图像切割模块采用GC图割算法对所述图像拼接模块拼接后的图片边缘进行识别并切割，得到不包含多余图形区域的图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810936664.7A CN109060826B (zh) | 2018-08-16 | 2018-08-16 | 一种不停机的风电叶片检测装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810936664.7A CN109060826B (zh) | 2018-08-16 | 2018-08-16 | 一种不停机的风电叶片检测装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109060826A true CN109060826A (zh) | 2018-12-21 |
| CN109060826B CN109060826B (zh) | 2021-07-09 |
Family
ID=64687267
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810936664.7A Active CN109060826B (zh) | 2018-08-16 | 2018-08-16 | 一种不停机的风电叶片检测装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109060826B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109720593A (zh) * | 2018-12-28 | 2019-05-07 | 上海扩博智能技术有限公司 | 基于激光光斑的叶片跟踪检测挂载装置、无人机及方法 |
| CN110274917A (zh) * | 2019-06-17 | 2019-09-24 | 华电电力科学研究院有限公司 | 一种风电机组叶片表面缺陷取数装置及镜头布局方法 |
| CN111858553A (zh) * | 2020-07-10 | 2020-10-30 | 天津智惠未来科技有限责任公司 | 一种风电叶片巡检数据库管理系统构建方法 |
| CN112465777A (zh) * | 2020-11-26 | 2021-03-09 | 华能通辽风力发电有限公司 | 一种基于视频流的风机叶片表面缺陷识别技术 |
| CN113176268A (zh) * | 2021-05-18 | 2021-07-27 | 哈尔滨理工大学 | 一种基于云台拍摄图像的风电叶片表面损伤检测方法 |
| CN113339206A (zh) * | 2021-06-10 | 2021-09-03 | 槃汩工业技术(岳阳)有限公司 | 一种无人机风电巡检方法及无人机 |
| CN117514646A (zh) * | 2023-11-22 | 2024-02-06 | 辽宁高比科技有限公司 | 一种地面式风机叶片动态巡检分析方法及系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104964989A (zh) * | 2015-06-19 | 2015-10-07 | 深圳连硕自动化科技有限公司 | 一种用于光电模组视觉检测的方法及系统 |
| CN105208325A (zh) * | 2015-08-26 | 2015-12-30 | 武汉大学 | 基于图像定点抓拍及比对分析的国土资源监控预警方法 |
| CN105382837A (zh) * | 2015-12-17 | 2016-03-09 | 贵州南源电力科技股份有限公司 | 变电站无盲区智能巡检机器人的监测方法及其监测机构 |
| CN105578058A (zh) * | 2016-02-03 | 2016-05-11 | 北京光年无限科技有限公司 | 一种面向智能机器人的拍摄控制方法、装置及机器人 |
| CN106375720A (zh) * | 2016-09-12 | 2017-02-01 | 中国科学院自动化研究所 | 智能视觉云台系统及其实现方法 |
| CN106501280A (zh) * | 2016-12-05 | 2017-03-15 | 南京工程学院 | 基于激光测距的风机叶片在线检测装置及其检测方法 |
| CN106841214A (zh) * | 2017-01-21 | 2017-06-13 | 兰州理工大学 | 一种非接触式风电叶片风沙侵蚀程度检测方法 |
| CN206804542U (zh) * | 2017-04-06 | 2017-12-26 | 华北电力大学（保定） | 一种用于风力发电机的扇叶表面缺陷检测装置 |
| CN206983987U (zh) * | 2017-07-26 | 2018-02-09 | 中国铁道科学研究院 | 铁路线路设备外观巡检系统 |
| CN108152295A (zh) * | 2018-01-19 | 2018-06-12 | 河南志格新能源科技有限公司 | 风力发电机组叶片表面缺陷智能检测系统 |
| CN207600967U (zh) * | 2017-11-29 | 2018-07-10 | 华北电力大学（保定） | 一种用于风电场扇叶表面缺陷检测的装置 |
-
2018
- 2018-08-16 CN CN201810936664.7A patent/CN109060826B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104964989A (zh) * | 2015-06-19 | 2015-10-07 | 深圳连硕自动化科技有限公司 | 一种用于光电模组视觉检测的方法及系统 |
| CN105208325A (zh) * | 2015-08-26 | 2015-12-30 | 武汉大学 | 基于图像定点抓拍及比对分析的国土资源监控预警方法 |
| CN105382837A (zh) * | 2015-12-17 | 2016-03-09 | 贵州南源电力科技股份有限公司 | 变电站无盲区智能巡检机器人的监测方法及其监测机构 |
| CN105578058A (zh) * | 2016-02-03 | 2016-05-11 | 北京光年无限科技有限公司 | 一种面向智能机器人的拍摄控制方法、装置及机器人 |
| CN106375720A (zh) * | 2016-09-12 | 2017-02-01 | 中国科学院自动化研究所 | 智能视觉云台系统及其实现方法 |
| CN106501280A (zh) * | 2016-12-05 | 2017-03-15 | 南京工程学院 | 基于激光测距的风机叶片在线检测装置及其检测方法 |
| CN106841214A (zh) * | 2017-01-21 | 2017-06-13 | 兰州理工大学 | 一种非接触式风电叶片风沙侵蚀程度检测方法 |
| CN206804542U (zh) * | 2017-04-06 | 2017-12-26 | 华北电力大学（保定） | 一种用于风力发电机的扇叶表面缺陷检测装置 |
| CN206983987U (zh) * | 2017-07-26 | 2018-02-09 | 中国铁道科学研究院 | 铁路线路设备外观巡检系统 |
| CN207600967U (zh) * | 2017-11-29 | 2018-07-10 | 华北电力大学（保定） | 一种用于风电场扇叶表面缺陷检测的装置 |
| CN108152295A (zh) * | 2018-01-19 | 2018-06-12 | 河南志格新能源科技有限公司 | 风力发电机组叶片表面缺陷智能检测系统 |
Non-Patent Citations (2)
| Title |
|---|
| 王志刚等: "运行状态下的风力机叶片在线监测技术进展", 《热能动力工程》 * |
| 瞿中等: "基于A‐KAZE 特征的图像无缝拼接算法", 《计算机工程与设计》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109720593A (zh) * | 2018-12-28 | 2019-05-07 | 上海扩博智能技术有限公司 | 基于激光光斑的叶片跟踪检测挂载装置、无人机及方法 |
| CN110274917A (zh) * | 2019-06-17 | 2019-09-24 | 华电电力科学研究院有限公司 | 一种风电机组叶片表面缺陷取数装置及镜头布局方法 |
| CN110274917B (zh) * | 2019-06-17 | 2023-12-05 | 华电电力科学研究院有限公司 | 一种风电机组叶片表面缺陷取数装置及镜头布局方法 |
| CN111858553A (zh) * | 2020-07-10 | 2020-10-30 | 天津智惠未来科技有限责任公司 | 一种风电叶片巡检数据库管理系统构建方法 |
| CN112465777A (zh) * | 2020-11-26 | 2021-03-09 | 华能通辽风力发电有限公司 | 一种基于视频流的风机叶片表面缺陷识别技术 |
| CN113176268A (zh) * | 2021-05-18 | 2021-07-27 | 哈尔滨理工大学 | 一种基于云台拍摄图像的风电叶片表面损伤检测方法 |
| CN113339206A (zh) * | 2021-06-10 | 2021-09-03 | 槃汩工业技术(岳阳)有限公司 | 一种无人机风电巡检方法及无人机 |
| CN117514646A (zh) * | 2023-11-22 | 2024-02-06 | 辽宁高比科技有限公司 | 一种地面式风机叶片动态巡检分析方法及系统 |
| CN117514646B (zh) * | 2023-11-22 | 2024-06-07 | 辽宁高比科技有限公司 | 一种地面式风机叶片动态巡检分析方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109060826B (zh) | 2021-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109060826A (zh) | 一种不停机的风电叶片检测装置 | |
| CN108416294B (zh) | 一种基于深度学习的风机叶片故障智能识别方法 | |
| CN110569841B (zh) | 基于卷积神经网络的接触网关键部件目标检测方法 | |
| CN111696075A (zh) | 一种基于双光谱图像的风机叶片缺陷智能检测方法 | |
| Wang et al. | A two-stage data-driven approach for image-based wind turbine blade crack inspections | |
| CN112131936B (zh) | 一种巡检机器人图像识别方法及巡检机器人 | |
| CN110261394A (zh) | 在线风机叶片损伤实时诊断系统和方法 | |
| CN113095438B (zh) | 晶圆缺陷分类方法及其装置、系统、电子设备和存储介质 | |
| CN107966454A (zh) | 一种基于fpga的端塞缺陷检测装置及检测方法 | |
| CN110473178A (zh) | 一种基于多光源融合的外观缺陷检测方法及系统 | |
| CN113406107B (zh) | 风机叶片缺陷检测系统 | |
| CN112906620B (zh) | 无人机辅助的绝缘子故障检测方法、装置和电子设备 | |
| CN105096305A (zh) | 绝缘子状态分析的方法及装置 | |
| CN111899219A (zh) | 一种输电线路机巡的图像识别方法及系统 | |
| Shang et al. | Global prior transformer network in intelligent borescope inspection for surface damage detection of aeroengine blade | |
| Aghamohammadi et al. | Solar cell panel crack detection using particle swarm optimization algorithm | |
| CN115546664A (zh) | 一种基于级联网络的绝缘子自爆检测方法及系统 | |
| CN110618129A (zh) | 一种电网线夹自动检测与缺陷识别方法及装置 | |
| CN103308593A (zh) | 一种磁粉焊接探伤的缺陷智能识别检测系统 | |
| CN110827263A (zh) | 基于视觉识别技术的磁瓦表面缺陷检测系统及检测方法 | |
| CN117036798A (zh) | 一种基于深度学习的输配电线路图像识别方法及系统 | |
| Demirci et al. | Defective PV cell detection using deep transfer learning and EL imaging | |
| WO2023173798A1 (zh) | 基于小样本学习的浮空器主缆绳表面缺陷检测方法及系统 | |
| CN112465776A (zh) | 一种基于风力机表面模糊图像的裂纹智能检测方法 | |
| Özer et al. | An approach based on deep learning methods to detect the condition of solar panels in solar power plants |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |