CN110082355A - 一种风电叶片探测系统 - Google Patents

一种风电叶片探测系统 Download PDF

Info

Publication number
CN110082355A
CN110082355A CN201910275868.5A CN201910275868A CN110082355A CN 110082355 A CN110082355 A CN 110082355A CN 201910275868 A CN201910275868 A CN 201910275868A CN 110082355 A CN110082355 A CN 110082355A
Authority
CN
China
Prior art keywords
image
module
wind electricity
electricity blade
detection system
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.)
Pending
Application number
CN201910275868.5A
Other languages
English (en)
Inventor
缪金宝
陈俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Yufeng Wind Power Equipment Co Ltd
Original Assignee
Anhui Yufeng Wind Power Equipment Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Yufeng Wind Power Equipment Co Ltd filed Critical Anhui Yufeng Wind Power Equipment Co Ltd
Priority to CN201910275868.5A priority Critical patent/CN110082355A/zh
Publication of CN110082355A publication Critical patent/CN110082355A/zh
Pending legal-status Critical Current

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
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/72—Investigating presence of flaws
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8861—Determining coordinates of flaws
    • 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
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/888—Marking defects
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Abstract

本发明提供一种风电叶片探测系统，包括图像融合检测系统、红外检测模块和可见光检测模块组成，所述红外检测模块对风电叶片表面采集的图像为红外图像，所述可见光检测模块对风电叶片所采集的图像为可见光图像，所述图像融合检测系统采用多幅红外图像与多幅可见光图像整合成新的融合图像，所述图像融合检测系统包括图像模块、图像配准模块、特征提取模块、特征识别模块、像素级融合模块、特征级融合模块、决策级融合模块和最终决策模块。本发明通过设有图像融合检测系统，有效的将不同波段、具有不同成像原理的传感器采集的多幅图像整合成新的，使得融合后的图像具有更高的清晰度和可靠性，有效的对风电叶片进行检测。

Description

一种风电叶片探测系统
技术领域
本发明涉及风电叶片检测技术领域，尤其涉及一种风电叶片探测系统。
背景技术
近年来，随着经济社会的发展，资源的需求和消耗都在进一步加大，传统化石能源燃烧带来的环境问题也日渐凸显，清洁能源已经成为未来社会发展资源应用的重要方向。风能作为地球上资源十分丰富的清洁能源，已经在世界范围内得到了广泛的应用。我国在风力发电方面也存在着巨大的优势和潜力，已经建成了许多大中型风力发电厂，并有许多在筹划之中。目前我国风电产业已进入稳步增长阶段，风能已经成为我国-项非常重要的能源。
风电叶片作为风电机组中最为关键的组件之一，对机组的正常运行具有举足轻重的作用。风电叶片在运行过程中，受到台风、雷电、冰雪等恶劣天气的影响，加上长期使用过程中受到的交变载荷的作用，容易出现裂纹、砂眼、分层、脱粘等损伤。一旦因为损伤严重造成叶片在运行中掉落，容易引发非常严重的事故，可能对其他机组造成撞击，甚至对周围的居民造成人身、财产损失。因此通过一定的无损检测技术对运行中的风电叶片状态进行定期的检测和评估，在其遭受严重损害之前及时进行维护，具有十分重大的意义，常用的风电叶片无损检测方案有目视法、声发射监测、光纤传感器监测、应变片监测、红外热成像等，而红外热成像技术得到的风电叶片红外图像虽然能很好地反映风电叶片内部缺陷位置，但无法反应风电叶片的表面信息，不能很好地判断出该缺陷周围风电叶片的具体情况，从而判断风电叶片的具体损伤程度。
因此，发明一种风力发电机叶片降噪装置及其降噪方法来解决上述问题很有必要
发明内容
本发明的目的在于提供一种风电叶片探测系统，以解决上述技术问题。
本发明为解决上述技术问题，采用以下技术方案来实现：
一种风电叶片探测系统，包括图像融合检测系统、红外检测模块和可见光检测模块组成，所述红外检测模块对风电叶片表面采集的图像为红外图像，所述可见光检测模块对风电叶片所采集的图像为可见光图像，所述图像融合检测系统采用多幅红外图像与多幅可见光图像整合成新的融合图像，所述红外图像与可见光图像可为同一传感器在不同时期所采集的图像，也可为不同传感器在箱体时间采集的图像。
优选的，所述图像融合检测系统包括图像模块、图像配准模块、特征提取模块、特征识别模块、像素级融合模块、特征级融合模块、决策级融合模块和最终决策模块，所述图像模块为多幅红外图像与可见光图像组成。
优选的，所述红外检测模块包括红外热像仪、高斯滤波器、图像采集器、和图像处理器，所述红外热像仪输出端与高斯滤波器输入端连接，所述高斯滤波器输出端与图像采集器输入连接，所述图像采集器输出端与图像处理器输入端连接，所述图像处理器输出端与图像模块输入端连接。
优选的，所述可见光检测模块采用照相机采集可见光图像。
优选的，所述图像融合检测系统的融合方法采用灰度加权法、主成分分析法、彩色空间融合发、贝叶斯优化法以及独立分量分析法中的一种或多种。
优选的，所述所述红外检测模块和可见光检测模块均采用对风电叶片的边缘检测以及轮廓边界跟踪的方式进行采集图像，并且采用链码的方式对风电叶片的轮廓进行描述。
基于上述一种风电叶片探测系统，包含以下步骤：
S1：分别使用红外热像仪和照相机对风电叶片表面进行扫描拍摄多幅图片；
S2：将形成的红外图像与可见光图像传输给图像融合检测系统中的图像模块，首先经图像模块将红外图像与可见光图像配准传输给像素级融合模块，然后经轮廓边界跟踪以及轮廓链码扫描与体征提取，将提取的特征发送给特征级融合，最后经特征识别模块，使用图像变换与灰度差值完成最终融合；
S3：根据融合后的图像，直观的对风电叶片上午缺陷进行定位与解析，并且具有更强的对比度与清晰度，得到的图像信息更为丰富。
本发明的有益效果是：
(1)通过设有图像融合检测系统，有效的将不同波段、具有不同成像原理的传感器采集的多幅图像整合成新的，使得融合后的图像具有更高的清晰度和可靠性，有效的对风电叶片进行检测。
(2)通过红外检测模块与可见光检测模块，有效的经过红外热像仪对风电叶片内部进行检测，以及经过可见光检测模块对风电叶片表面检测，有效的内外结合，从而对风电叶片全面检测。
(3)通过设有高斯滤波器，有效减小外部环境所对红外检测模块带来的影响，增加风电叶片的检测效率。
附图说明
图1为发明的整体结构系统图；
图2为发明的红外检测模块结构系统图。
图中：1、图像融合检测系统；101、图像模块；102、图像配准模块；103、特征提取模块；104、特征识别模块；105、像素级融合模块；106、特征级融合模块；107、决策级融合模块；108、最终决策模块；2、红外检测模块；201、红外热像仪；202、高斯滤波器；203、图像采集器；204、图像处理器；3、可见光检测模块；4、红外图像；5、可见光图像；6、融合图像。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施例，进一步阐述本发明，但下述实施例仅仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其它实施例，都属于本发明的保护范围。下述实施例中的实验方法，如无特殊说明，均为常规方法，下述实施例中所用的材料、试剂等，如无特殊说明，均可从商业途径得到。
实施例一：
本发明提供了如图1-2所示的一种风电叶片探测系统，包括图像融合检测系统1、红外检测模块2和可见光检测模块3，所述红外检测模块2对风电叶片表面采集的图像为红外图像4，所述可见光检测模块3对风电叶片所采集的图像为可见光图像5，所述图像融合检测系统1采用多幅红外图像4与多幅可见光图像5整合成新的融合图像6，所述红外图像4与可见光图像5可为同一传感器在不同时期所采集的图像，也可为不同传感器在箱体时间采集的图像，通过设有图像融合检测系统1，有效的将不同波段、具有不同成像原理的传感器采集的多幅图像整合成新的，使得融合后的图像具有更高的清晰度和可靠性，有效的对风电叶片进行检测。
进一步的，其特征在于，所述图像融合检测系统1包括图像模块101、图像配准模块102、特征提取模块103、特征识别模块104、像素级融合模块105、特征级融合模块106、决策级融合模块107和最终决策模块108，所述图像模块101为多幅红外图像4与可见光图像5组成，所述图像配准模块102、特征提取模块103、特征识别模块104、像素级融合模块105、特征级融合模块106、决策级融合模块107和最终决策模块108均采用MATLAB计算机编程系统实现。
进一步的，其特征在于，所述红外检测模块2包括红外热像仪201、高斯滤波器202、图像采集器203、和图像处理器204，所述红外热像仪201输出端与高斯滤波器202输入端连接，通过设有高斯滤波器202，有效减小外部环境所对红外检测模块2带来的影响，增加风电叶片的检测效率，所述高斯滤波器202输出端与图像采集器203输入连接，所述图像采集器203输出端与图像处理器204输入端连接，所述图像处理器204输出端与图像模块101输入端连接，通过红外检测模块2与可见光检测模块3，有效的经过红外热像仪201对风电叶片内部进行检测，以及经过可见光检测模块3对风电叶片表面检测，有效的内外结合，从而对风电叶片全面检测。
进一步的，其特征在于，所述可见光检测模块3采用照相机采集可见光图像5。
进一步的，其特征在于，所述图像融合检测系统1的融合方法采用灰度加权法、主成分分析法、彩色空间融合发、贝叶斯优化法以及独立分量分析法中的一种或多种，对现有的边界跟踪算法进行研究，针对本文中需要对开曲线进行边界跟踪的实际情况,提出了一种新的有方向性的边界跟踪算法，既能在一定程度上消除轮廓的断点，又能提取出风电叶片边缘图像中的主要轮廓曲线，为图像匹配和融合莫定了重要基础。
进一步的，其特征在于，所述所述红外检测模块2和可见光检测模块3均采用对风电叶片的边缘检测以及轮廓边界跟踪的方式进行采集图像，并且采用链码的方式对风电叶片的轮廓进行描述。
基于上述一种风电叶片探测系统，包含以下步骤：
S1：分别使用红外热像仪201和照相机对风电叶片表面进行扫描拍摄多幅图片；
S2：将形成的红外图像4与可见光图像5传输给图像融合检测系统1中的图像模块101，首先经图像模块101将红外图像4与可见光图像5配准传输给像素级融合模块105，然后经轮廓边界跟踪以及轮廓链码扫描与体征提取，将提取的特征发送给特征级融合，最后经特征识别模块104，使用图像变换与灰度差值完成最终融合；
S3：根据融合后的图像，直观的对风电叶片上午缺陷进行定位与解析，并且具有更强的对比度与清晰度，得到的图像信息更为丰富。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.一种风电叶片探测系统，包括图像融合检测系统(1)、红外检测模块(2)和可见光检测模块(3)，其特征在于：所述红外检测模块(2)对风电叶片表面采集的图像为红外图像(4)，所述可见光检测模块(3)对风电叶片所采集的图像为可见光图像(5)，所述图像融合检测系统(1)采用多幅红外图像(4)与多幅可见光图像(5)整合成新的融合图像(6)，所述红外图像(4)与可见光图像(5)可为同一传感器在不同时期所采集的图像，也可为不同传感器在箱体时间采集的图像。
2.根据权利要求1所述的一种风电叶片探测系统，其特征在于：所述图像融合检测系统(1)包括图像模块(101)、图像配准模块(102)、特征提取模块(103)、特征识别模块(104)、像素级融合模块(105)、特征级融合模块(106)、决策级融合模块(107)和最终决策模块(108)，所述图像模块(101)为多幅红外图像(4)与可见光图像(5)组成。
3.根据权利要求1所述的一种风电叶片探测系统，其特征在于：所述红外检测模块(2)包括红外热像仪(201)、高斯滤波器(202)、图像采集器(203)、和图像处理器(204)，所述红外热像仪(201)输出端与高斯滤波器(202)输入端连接，所述高斯滤波器(202)输出端与图像采集器(203)输入连接，所述图像采集器(203)输出端与图像处理器(204)输入端连接，所述图像处理器(204)输出端与图像模块(101)输入端连接。
4.根据权利要求1所述的一种风电叶片探测系统，其特征在于：所述可见光检测模块(3)采用照相机采集可见光图像(5)。
5.根据权利要求1所述的一种风电叶片探测系统，其特征在于：所述图像融合检测系统(1)的融合方法采用灰度加权法、主成分分析法、彩色空间融合发、贝叶斯优化法以及独立分量分析法中的一种或多种。
6.根据权利要求1所述的一种风电叶片探测系统，其特征在于：所述所述红外检测模块(2)和可见光检测模块(3)均采用对风电叶片的边缘检测以及轮廓边界跟踪的方式进行采集图像，并且采用链码的方式对风电叶片的轮廓进行描述。
7.权利要求1-6任一项所述的一种风电叶片探测系统，包括以下步骤：
S1：分别使用红外热像仪(201)和照相机对风电叶片表面进行扫描拍摄多幅图片；
S2：将形成的红外图像(4)与可见光图像(5)传输给图像融合检测系统(1)中的图像模块(101)，首先经图像模块(101)将红外图像(4)与可见光图像(5)配准传输给像素级融合模块(105)，然后经轮廓边界跟踪以及轮廓链码扫描与体征提取，将提取的特征发送给特征级融合，最后经特征识别模块(104)，使用图像变换与灰度差值完成最终融合；
S3：根据融合后的图像，直观的对风电叶片上午缺陷进行定位与解析，并且具有更强的对比度与清晰度，得到的图像信息更为丰富。
CN201910275868.5A 2019-04-08 2019-04-08 一种风电叶片探测系统 Pending CN110082355A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910275868.5A CN110082355A (zh) 2019-04-08 2019-04-08 一种风电叶片探测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910275868.5A CN110082355A (zh) 2019-04-08 2019-04-08 一种风电叶片探测系统

Publications (1)

Publication Number Publication Date
CN110082355A true CN110082355A (zh) 2019-08-02

Family

ID=67414450

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910275868.5A Pending CN110082355A (zh) 2019-04-08 2019-04-08 一种风电叶片探测系统

Country Status (1)

Country Link
CN (1) CN110082355A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114820506A (zh) * 2022-04-22 2022-07-29 岚图汽车科技有限公司 热冲压零件的缺陷检测方法、装置、电子设备及存储介质
CN115372412A (zh) * 2022-10-24 2022-11-22 北京汉飞航空科技有限公司 一种涡轮叶片基于六点定位的特征测量方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103149240A (zh) * 2013-03-19 2013-06-12 南京诺威尔光电系统有限公司 自动跟踪热波成像无损检测系统及方法
CN104021568A (zh) * 2014-06-25 2014-09-03 山东大学 基于轮廓多边形拟合的可见光与红外图像的自动配准方法
CN104215640A (zh) * 2014-08-18 2014-12-17 南京航空航天大学 基于无人直升机的风电叶片缺陷损伤检查方法及检查系统
US9369612B2 (en) * 2013-08-20 2016-06-14 Hanwha Techwin Co., Ltd. Image fusion system and method
CN107977924A (zh) * 2016-10-21 2018-05-01 杭州海康威视数字技术股份有限公司 一种基于双传感器成像的图像处理方法、系统
CN108364272A (zh) * 2017-12-30 2018-08-03 广东金泽润技术有限公司 一种高性能红外-可见光融合探测方法
CN109584193A (zh) * 2018-10-24 2019-04-05 航天时代飞鸿技术有限公司 一种基于目标预提取的无人机红外与可见光图像融合方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103149240A (zh) * 2013-03-19 2013-06-12 南京诺威尔光电系统有限公司 自动跟踪热波成像无损检测系统及方法
US9369612B2 (en) * 2013-08-20 2016-06-14 Hanwha Techwin Co., Ltd. Image fusion system and method
CN104021568A (zh) * 2014-06-25 2014-09-03 山东大学 基于轮廓多边形拟合的可见光与红外图像的自动配准方法
CN104215640A (zh) * 2014-08-18 2014-12-17 南京航空航天大学 基于无人直升机的风电叶片缺陷损伤检查方法及检查系统
CN107977924A (zh) * 2016-10-21 2018-05-01 杭州海康威视数字技术股份有限公司 一种基于双传感器成像的图像处理方法、系统
CN108364272A (zh) * 2017-12-30 2018-08-03 广东金泽润技术有限公司 一种高性能红外-可见光融合探测方法
CN109584193A (zh) * 2018-10-24 2019-04-05 航天时代飞鸿技术有限公司 一种基于目标预提取的无人机红外与可见光图像融合方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
邓超，李宝平，李兴旺，王小旗: "《数字图像处理与模式识别研究》", 30 June 2019, 地质出版社 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114820506A (zh) * 2022-04-22 2022-07-29 岚图汽车科技有限公司 热冲压零件的缺陷检测方法、装置、电子设备及存储介质
CN115372412A (zh) * 2022-10-24 2022-11-22 北京汉飞航空科技有限公司 一种涡轮叶片基于六点定位的特征测量方法
CN115372412B (zh) * 2022-10-24 2023-01-10 北京汉飞航空科技有限公司 一种涡轮叶片基于六点定位的特征测量方法

Similar Documents

Publication Publication Date Title
CN111696075A (zh) 一种基于双光谱图像的风机叶片缺陷智能检测方法
CN109359697A (zh) 一种电力设备巡检中使用的图形图像识别方法及巡查系统
CN109117858A (zh) 监测风力发电机叶片结冰的方法及装置
CN110261394A (zh) 在线风机叶片损伤实时诊断系统和方法
CN104865269A (zh) 风力机叶片故障诊断方法
CN111862013B (zh) 基于深度卷积神经网络的绝缘子检测方法、装置及设备
CN110082355A (zh) 一种风电叶片探测系统
Luo et al. An ultrasmall bolt defect detection method for transmission line inspection
CN101937025A (zh) 用于检测雷电的系统和方法
CN106056619A (zh) 基于梯度约束Radon变换的无人机视觉电线巡检方法
CN110266268A (zh) 一种基于图像融合识别的光伏组件故障检测方法
CN108876777A (zh) 一种风电叶片法兰端面特征尺寸的视觉检测方法及系统
CN107764198A (zh) 发动机动静叶片轴向间隙光投影测量装置和方法
CN103268501A (zh) 用于输电线路智能巡线的图像识别方法
CN113485432A (zh) 一种基于无人机的光伏电站电致发光智能诊断系统及方法
Wang et al. Insulator defect recognition based on faster R-CNN
CN110136059A (zh) 直线特征的风电叶片图像拼接方法
CN113837994B (zh) 一种基于边缘检测卷积神经网络的光伏板缺陷诊断方法
CN117058396B (zh) 基于人工智能的风机叶片缺陷区域快速分割方法及系统
CN112465776B (zh) 一种基于风力机表面模糊图像的裂纹智能检测方法
CN116503612B (zh) 基于多任务关联的风机叶片损伤识别方法与系统
CN111833336A (zh) 一种基于高光谱的风电叶片表面砂眼故障的检测系统及方法
CN117253191A (zh) 一种基于detr模型的安全帽佩戴检测方法
CN116797594A (zh) 一种风机桨叶缺陷检测方法、系统、电子设备及存储介质
CN217331227U (zh) 一种耐张绝缘子串风致振动在线监测系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190802

RJ01 Rejection of invention patent application after publication