CN110610492B - 在役风机全尺寸叶片外部损伤识别方法、系统、存储介质和终端 - Google Patents
在役风机全尺寸叶片外部损伤识别方法、系统、存储介质和终端 Download PDFInfo
- Publication number
- CN110610492B CN110610492B CN201910912243.5A CN201910912243A CN110610492B CN 110610492 B CN110610492 B CN 110610492B CN 201910912243 A CN201910912243 A CN 201910912243A CN 110610492 B CN110610492 B CN 110610492B
- Authority
- CN
- China
- Prior art keywords
- blade
- image
- size
- full
- external damage
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
-
- 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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
- G06T2207/30164—Workpiece; Machine component
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Abstract
本发明公开了一种在役风机全尺寸叶片外部损伤识别方法、系统、存储介质和终端,方法包括S1:对全尺寸叶片图像分为n段,记这n段图像为I1,I2,…,In,它们在原图像域Ω中的所处位置分别为[xi,l,xi,r]×[yi,b,yi,t],i=1,2,…,n;叶尖和叶根两点的图像坐标分别记为Xs(xs,ys)和Xe(xe,ye);S2:对于每一分段图像,分别执行如下操作:S21:获取叶片边界的坐标信息;S22:获取损伤区域的坐标信息。在本发明中,在役风机全尺寸叶片外部损伤识别方法是非接触式的,其基于区域剖分的方法,并结合分段识别的思想,可以达到高精度、高效率识别叶片外部损伤的目的。同时采用相同的方程进行两次计算,减少对应的软件模块的存储大小。
Description
技术领域
本发明涉及非接触检测技术领域,尤其涉及在役风机全尺寸叶片外部损伤识别方法、系统、存储介质和终端。
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
本发明的目的在于克服现有技术的不足,提供一种在役风机全尺寸叶片外部损伤识别方法、系统、存储介质和终端。
本发明的目的是通过以下技术方案来实现的:
本发明的第一方面,提供在役风机全尺寸叶片外部损伤识别方法,包括以下步骤:
S1:对全尺寸叶片图像分为n段,记这n段图像为I1,I2,…,In,它们在原图像域Ω中的所处位置分别为[xi,l,xi,r]×[yi,b,yi,t],i=1,2,…,n;叶尖和叶根两点的图像坐标分别记为Xs(xs,ys)和Xe(xe,ye);
S2:对于每一分段图像,分别执行如下操作:
S21:获取叶片边界的坐标信息:给定初值φ0(x,y)=0,(x,y)∈[xk,l,xk,r]×[yk,b,yk,t],迭代求解如下的方程(1)
记方程(1)得到的收敛解为Φ1,那么{(x,y)|Φ1(x,y)=0}便是叶片边界的坐标;
S22:获取损伤区域的坐标信息:以区域{(x,y)|Φ1(x,y)>0}为新的图像,继续求解方程(1),记得到的收敛解为Φ2;
如果Φ2的值有正有负,即曲线{(x,y)|Φ2(x,y)=0}存在,那么该曲线内部区域对应的便是损伤部分的边界,该损伤区域范围为[xl',xr']×[yb',yt'];否则,该段叶片不存在损伤。
进一步地,所述的方法还包括:
S23:获取损伤区域的定量信息;所述定量信息包括损伤区域中心位于叶尖至叶根的位置location和/或损伤区域大小size;
其中,损伤区域在叶片全尺寸图像中的坐标为[xk,l+xl',xk,r+xr']×[yk,b+yb',yk,t+yt'],其中xk,l、xk,l、yk,b、yk,t是步骤S1中第k块图像对应的边界横纵坐标;损伤区域中心位于叶尖至叶根的位置为:
损伤区域大小为:
其中,L为叶片实际长度。
进一步地,所述的全尺寸叶片图像的获取方式包括:
S01:获取叶片分段图像:从叶尖至叶根依次连续分段采集在役风机叶片的图像;其中任意相邻两张图像的公共部分不小于30%;
进一步地,所述在原图像域Ω中的所处位置分别为[xi,l,xi,r]×[yi,b,yi,t]的计算方式由下式确定:
本发明的第二方面,提供在役风机全尺寸叶片外部损伤识别系统:包括:
图像分段模块:用于对全尺寸叶片图像分为n段,记这n段图像为I1,I2,…,In,它们在原图像域Ω中的所处位置分别为[xi,l,xi,r]×[yi,b,yi,t],i=1,2,…,n;叶尖和叶根两点的图像坐标分别记为Xs(xs,ys)和Xe(xe,ye);
叶片外部损伤识别模块:用于对图像分段模块得到的每一分段图像进行外部损伤识别,包括:
叶片边界坐标信息获取单元:用于获取叶片边界的坐标信息:给定初值φ0(x,y)=0,(x,y)∈[xk,l,xk,r]×[yk,b,yk,t],迭代求解如下的方程(1)
其中k为分段图像的段数;t表示时间;s=1-μ(Ik-c)2,s是曲线演化的能量项;μ>0,是保真项的权重;υ≥0,是长度项的权重;φ是水平集函数;是曲线边界外部的平均灰度值;记方程(1)得到的收敛解为Φ1,那么{(x,y)|Φ1(x,y)=0}便是叶片边界的坐标;
损伤区域坐标信息获取单元:用于获取损伤区域的坐标信息:以区域{(x,y)|Φ1(x,y)>0}为新的图像,继续求解方程(1),记得到的收敛解为Φ2;如果Φ2的值有正有负,即曲线{(x,y)|Φ2(x,y)=0}存在,那么该曲线内部区域对应的便是损伤部分的边界,该损伤区域范围为[xl',xr']×[yb',yt'];否则,该段叶片不存在损伤。
进一步地,所述叶片外部损伤识别模块还包括:
损伤区域的定量信息获取单元:用于获取包括损伤区域中心位于叶尖至叶根的位置location和/或损伤区域大小size;
其中,损伤区域在叶片全尺寸图像中的坐标为[xk,l+xl',xk,r+xr']×[yk,b+yb',yk,t+yt'],其中xk,l,xk,l,yk,b,yk,t是步骤S1中第k块图像对应的边界横纵坐标;损伤区域中心位于叶尖至叶根的位置为:
损伤区域大小为:
其中,L为叶片长度。
进一步地,所述的全尺寸叶片图像的获取包括:
叶片分段图像获取模块:用于从叶尖至叶根依次连续分段采集在役风机叶片的图像;其中任意相邻两张图像的公共部分不小于X%;
进一步地,所述在原图像域Ω中的所处位置分别为[xi,l,xi,r]×[yi,b,yi,t]的计算方式由下式确定:
本发明的第三方面,提供一种存储介质,其上存储有计算机指令,所述计算机指令运行时执行所述的在役风机全尺寸叶片外部损伤识别方法的步骤。
本发明的第四方面,提供一种终端,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行所述的在役风机全尺寸叶片外部损伤识别方法的步骤。
本发明的有益效果是:
(1)在本发明的一示例性实施例中,在役风机全尺寸叶片外部损伤识别方法是非接触式的,其基于区域剖分的方法,并结合分段识别的思想,可以达到高精度、高效率识别叶片外部损伤的目的。同时采用相同的方程进行两次计算,减少对应的软件模块的存储大小。
(2)在本发明的一示例性实施例中,在高精度、高效率识别叶片外部损伤的同时,还给定损伤位置、大小等定量信息。
(3)在本发明的一示例性实施例中,分段方法中起始点的选择这一步也为后续损伤定量提供了基准。
而对应的在役风机全尺寸叶片外部损伤识别系统、存储介质和终端也具有上述的相同优点。
附图说明
图1为本发明一示例性实施例提供的方法流程图;
图2为本发明一示例性实施例的全尺寸叶片图像的示意图;
图3为本发明一示例性实施例的5个分段图像的示意图;
图4为本发明一示例性实施例的叶片的边缘部分曲线的示意图;
图5为本发明一示例性实施例的损伤区域边界的示意图。
具体实施方式
下面结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,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,都属于本发明保护的范围。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
参见图1,图1示出了一示例性实施例提供的一种在役风机全尺寸叶片外部损伤识别方法的流程图,该方法具体包括以下步骤:
S1:对全尺寸叶片图像分为n段,记这n段图像为I1,I2,…,In,它们在原图像域Ω中的所处位置分别为[xi,l,xi,r]×[yi,b,yi,t],i=1,2,…,n;叶尖和叶根两点的图像坐标分别记为Xs(xs,ys)和Xe(xe,ye)。并且该型风力机叶片长度L=52米。
其中,在一具体示例性实施例中,全尺寸叶片图像如图2所示,图中上部为叶根,下部为叶尖。
并且,在该示例性实施例中,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I1,I2,I3,I4,I5。具体步骤如下:
S1A:获取叶尖和叶根点的坐标信息,分别为Xs(xs,ys)=(689,3480)和Xe(xe,ye)=(675,1);可以利用鼠标直接获取。
这一步可以使图像信息与叶片的几何特征信息建立对应关系,为后续损伤信息定量化提供基准。
S1B:在一优选示例性实施例中,获取5段叶片的具体的坐标信息:
具体的,θ在这里表示起始点连线的方向,而Δr表示分段区间总长度。上述步骤将叶片朝向(即角度θ)和分段自适应窗口进行结合,从而实现叶片分段。
另外,对于“对于第1个和第n个分段图像,限定其不超过原图像域Ω”的部分,如图3所示,下面四个部分为完整分段图像,而最上一部分为部分分段,因为其超出了原图像域Ω的范围,因此对其进行相应修改(通过xi,l,xi,r,yi,b,yi,t与原图像域Ω的上下左右方向进行比较)。
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]×[430,1310],[381,968]×[1,440],它们对应的位置如图3中5个实线方框所示。
S2:对于每一分段图像,分别执行如下操作:
S21:获取叶片边界的坐标信息:给定初值φ0(x,y)=0,(x,y)∈[xk,l,xk,r]×[yk,b,yk,t],迭代求解如下的方程(1)
记方程(1)得到的收敛解为Φ1,那么{(x,y)|Φ1(x,y)=0}便是叶片边界的坐标。
在该方程(1)中,第一项(即“-s”)是φ值演化的驱动项,主要作用是使得φ值发生变化,进而保证越来越多灰度值相似的像素点的φ值趋于一致,从而将背景或者目标区域认定为同一区域,达到叶片分割的目的;第二项(即)是曲线长度限制项,作用是克服图像中噪声的影响,保证演化曲线保持光滑;第三项(即-‖s‖∞φ)是惩罚项,抑制φ值无限增大。
因此,基于上述示例性实施例,以5段叶片图像为对象,求解式(1),得到叶片的边缘部分曲线,如图4所示。
S22:获取损伤区域的坐标信息:以区域{(x,y)|Φ1(x,y)>0}为新的图像,继续求解方程(1),记得到的收敛解为Φ2;
如果Φ2的值有正有负,即曲线{(x,y)|Φ2(x,y)=0}存在,那么该曲线内部区域对应的便是损伤部分的边界,该损伤区域范围为[xl',xr']×[yb',yt'];否则,该段叶片不存在损伤。
具体的,基于上述示例性实施例以叶片(即图4中外围黑色曲线的内部区域)为对象,求解式(1),分别得到损伤信息。
结果表明图像I3和I4上存在损伤区域,共5处,它们的损伤区域边界如图5中以X标记的白色曲线所示,其中图像I3的两处损伤区域范围为[266.67,271.87]×[759.05,765.41]和[264.19,267]×[684.56,692.43],图像I4的三处损伤区域范围为[293.97,302.69]×[843.84,848.90],[456.71,462.41]×[678.05,683.94]和[283.80,293.83]×[558.15,564.71]。
更优地,在一示例性实施例中,在完成了损伤信息的获取后,所述的方法还包括获取损伤区域的定量信息,用于后期数据展示更加直观,具体地:
S23:获取损伤区域的定量信息;所述定量信息包括损伤区域中心位于叶尖至叶根的位置location和/或损伤区域大小。
其中,损伤区域在叶片全尺寸图像中的坐标为[xk,l+xl',xk,r+xr']×[yk,b+yb',yk,t+yt'],其中xk,l,xk,l,yk,b,yk,t是步骤S1中第k块图像对应的边界横纵坐标;损伤区域中心位于叶尖至叶根的位置(百分比)为:
因此,基于上述的示例性实施例,根据式(2)可以得到这5处损伤的位置分别位于叶尖至叶根40.76%,42.88%,63.34%,68.08%和71.53%处。
损伤区域大小为:
其中,L为叶片长度。其中,该示例性实施例中的公式中的“100”为单位的换算,是对于损伤区域大小的单位是厘米,而叶片长度L的单位是米。
因此,基于上述的示例性实施例,根据式(3)可以得到它们的大小分别为7.77×9.51,4.2×11.76,13.03×7.56,8.52×8.80,14.99×9.81(厘米×厘米)。
更优地,在一示例性实施例中,所述的全尺寸叶片图像的获取方式包括:
S01:获取叶片分段图像: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,其中任意相邻两张图像的公共部分不小于30%;
本发明的又一示例性实施例,具有与所述方法的示例性实施例相同的发明构思,提供一种在役风机全尺寸叶片外部损伤识别系统,包括:
图像分段模块:用于对全尺寸叶片图像分为n段,记这n段图像为I1,I2,…,In,它们在原图像域Ω中的所处位置分别为[xi,l,xi,r]×[yi,b,yi,t],i=1,2,…,n;叶尖和叶根两点的图像坐标分别记为Xs(xs,ys)和Xe(xe,ye);
叶片外部损伤识别模块:用于对图像分段模块得到的每一分段图像进行外部损伤识别,包括:
叶片边界坐标信息获取单元:用于获取叶片边界的坐标信息:给定初值φ0(x,y)=0,(x,y)∈[xk,l,xk,r]×[yk,b,yk,t],迭代求解如下的方程(1)
其中k为分段图像的段数;t表示时间;s=1-μ(Ik-c)2,s是曲线演化的能量项;μ>0,是保真项的权重;υ≥0,是长度项的权重;φ是水平集函数;是曲线边界外部的平均灰度值;记方程(1)得到的收敛解为Φ1,那么{(x,y)|Φ1(x,y)=0}便是叶片边界的坐标;
损伤区域坐标信息获取单元:用于获取损伤区域的坐标信息:以区域{(x,y)|Φ1(x,y)>0}为新的图像,继续求解方程(1),记得到的收敛解为Φ2;如果Φ2的值有正有负,即曲线{(x,y)|Φ2(x,y)=0}存在,那么该曲线内部区域对应的便是损伤部分的边界,该损伤区域范围为[xl',xr']×[yb',yt'];否则,该段叶片不存在损伤。
进一步地,所述叶片外部损伤识别模块还包括:
损伤区域的定量信息获取单元:用于获取包括损伤区域中心位于叶尖至叶根的位置location和/或损伤区域大小size;
其中,损伤区域在叶片全尺寸图像中的坐标为[xk,l+xl',xk,r+xr']×[yk,b+yb',yk,t+yt'],其中xk,l,xk,l,yk,b,yk,t是步骤S1中第k块图像对应的边界横纵坐标;损伤区域中心位于叶尖至叶根的位置为:
损伤区域大小为:
其中,L为叶片长度。
进一步地,所述的全尺寸叶片图像的获取包括:
叶片分段图像获取模块:用于从叶尖至叶根依次连续分段采集在役风机叶片的图像;其中任意相邻两张图像的公共部分不小于X%;
进一步地,所述在原图像域Ω中的所处位置分别为[xi,l,xi,r]×[yi,b,yi,t]的计算方式由下式确定:
这里需要说明的是:上述实施例提供的在役风机全尺寸叶片外部损伤识别系统可实现上述各方法实施例中描述的技术方案,上述各模块或单元具体实现的原理可参见上述方法的各示例性实施例中的相应内容,此处不再赘述。
基于所述方法的示例性实施例实现,本发明的又一示例性实施例提供一种存储介质,其上存储有计算机指令,所述计算机指令运行时执行所述的在役风机全尺寸叶片外部损伤识别方法的步骤。
所述计算机指令可以组成一个程序,其中,所述一条或多条计算机指令供所述处理器调用执行。所述一条或多条计算机指令被处理器执行时能够实现上述在役风机全尺寸叶片外部损伤识别方法中的步骤。
基于所述方法的示例性实施例实现,本发明的又一示例性实施例提供一种终端,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行所述的在役风机全尺寸叶片外部损伤识别方法的步骤。
以上所描述的终端示例性实施例仅仅是示意性的,其中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网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其他不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (8)
1.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:
S1:对全尺寸叶片图像分为n段,记这n段图像为I1,I2,…,In,它们在原图像域Ω中的所处位置分别为[xi,l,xi,r]×[yi,b,yi,t],i=1,2,…,n;叶尖和叶根两点的图像坐标分别记为Xs(xs,ys)和Xe(xe,ye);
所述在原图像域Ω中的所处位置分别为[xi,l,xi,r]×[yi,b,yi,t]的计算方式由下式确定:
S2:对于每一分段图像,分别执行如下操作:
S21:获取叶片边界的坐标信息:给定初值φ0(x,y)=0,(x,y)∈[xk,l,xk,r]×[yk,b,yk,t],迭代求解如下的方程(1)
记方程(1)得到的收敛解为Φ1,那么{(x,y)|Φ1(x,y)=0}便是叶片边界的坐标;
S22:获取损伤区域的坐标信息:以区域{(x,y)|Φ1(x,y)>0}为新的图像,继续求解方程(1),记得到的收敛解为Φ2;
如果Φ2的值有正有负,即曲线{(x,y)|Φ2(x,y)=0}存在,那么该曲线内部区域对应的便是损伤部分的边界,该损伤区域范围为[xl',xr']×[yb',yt'];否则,该段叶片不存在损伤。
4.在役风机全尺寸叶片外部损伤识别系统,其特征在于:包括:
图像分段模块:用于对全尺寸叶片图像分为n段,记这n段图像为I1,I2,…,In,它们在原图像域Ω中的所处位置分别为[xi,l,xi,r]×[yi,b,yi,t],i=1,2,…,n;叶尖和叶根两点的图像坐标分别记为Xs(xs,ys)和Xe(xe,ye);所述在原图像域Ω中的所处位置分别为[xi,l,xi,r]×[yi,b,yi,t]的计算方式由下式确定:
叶片外部损伤识别模块:用于对图像分段模块得到的每一分段图像进行外部损伤识别,包括:
叶片边界坐标信息获取单元:用于获取叶片边界的坐标信息:给定初值φ0(x,y)=0,(x,y)∈[xk,l,xk,r]×[yk,b,yk,t],迭代求解如下的方程(1)
其中k为分段图像的段数;t表示时间;s=1-μ(Ik-c)2,s是曲线演化的能量项;μ>0,是保真项的权重;υ≥0,是长度项的权重;φ是水平集函数;是曲线边界外部的平均灰度值;记方程(1)得到的收敛解为Φ1,那么{(x,y)|Φ1(x,y)=0}便是叶片边界的坐标;
损伤区域坐标信息获取单元:用于获取损伤区域的坐标信息:以区域{(x,y)|Φ1(x,y)>0}为新的图像,继续求解方程(1),记得到的收敛解为Φ2;如果Φ2的值有正有负,即曲线{(x,y)|Φ2(x,y)=0}存在,那么该曲线内部区域对应的便是损伤部分的边界,该损伤区域范围为[xl',xr']×[yb',yt'];否则,该段叶片不存在损伤。
7.一种存储介质,其上存储有计算机指令,其特征在于:所述计算机指令运行时执行权利要求1至3中任一项所述的在役风机全尺寸叶片外部损伤识别方法的步骤。
8.一种终端,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,其特征在于,所述处理器运行所述计算机指令时执行权利要求1至3中任一项所述的在役风机全尺寸叶片外部损伤识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910912243.5A CN110610492B (zh) | 2019-09-25 | 2019-09-25 | 在役风机全尺寸叶片外部损伤识别方法、系统、存储介质和终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910912243.5A CN110610492B (zh) | 2019-09-25 | 2019-09-25 | 在役风机全尺寸叶片外部损伤识别方法、系统、存储介质和终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110610492A CN110610492A (zh) | 2019-12-24 |
CN110610492B true CN110610492B (zh) | 2023-03-21 |
Family
ID=68893467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910912243.5A Active CN110610492B (zh) | 2019-09-25 | 2019-09-25 | 在役风机全尺寸叶片外部损伤识别方法、系统、存储介质和终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110610492B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112233091B (zh) * | 2020-10-15 | 2021-05-18 | 青岛理工大学 | 一种风力机叶片图像损伤检测和定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103292722A (zh) * | 2013-06-07 | 2013-09-11 | 温州大学 | 一种非接触式风电叶片全场三维变形测量方法 |
CN105866250A (zh) * | 2016-03-17 | 2016-08-17 | 北京工业大学 | 基于振动的通风机叶片裂纹识别方法 |
CN109099852A (zh) * | 2018-07-11 | 2018-12-28 | 上海大学 | 一种测量风力机叶片相对变形的结构故障检测方法及系统 |
-
2019
- 2019-09-25 CN CN201910912243.5A patent/CN110610492B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103292722A (zh) * | 2013-06-07 | 2013-09-11 | 温州大学 | 一种非接触式风电叶片全场三维变形测量方法 |
CN105866250A (zh) * | 2016-03-17 | 2016-08-17 | 北京工业大学 | 基于振动的通风机叶片裂纹识别方法 |
CN109099852A (zh) * | 2018-07-11 | 2018-12-28 | 上海大学 | 一种测量风力机叶片相对变形的结构故障检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
风机叶片缺陷的无损检测方法比较与评价;刘双等;《无损检测》;20150331;第47-51页 * |
风机叶片裂纹损伤状态识别技术研究;靳子洋;《中国优秀硕士学位论文全文数据库》;20160915;C042-36 * |
Also Published As
Publication number | Publication date |
---|---|
CN110610492A (zh) | 2019-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6739517B2 (ja) | 車線認識のモデリング方法、装置、記憶媒体及び機器、並びに車線の認識方法、装置、記憶媒体及び機器 | |
WO2023020084A1 (zh) | 海上无人机巡检飞行路径生成方法、装置及无人机 | |
CN111428748A (zh) | 一种基于hog特征和svm的红外图像绝缘子识别检测方法 | |
CN111044570A (zh) | 电力设备的缺陷识别及预警方法、装置及计算机设备 | |
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 | |
CN105160686B (zh) | 一种基于改进sift算子的低空多视角遥感影像匹配方法 | |
CN110598541A (zh) | 一种提取道路边缘信息的方法及设备 | |
CN105844625A (zh) | 一种融合边缘和区域的活动轮廓图像分割方法 | |
WO2024060529A1 (zh) | 一种道路病害识别方法、系统、设备及存储介质 | |
CN110610492B (zh) | 在役风机全尺寸叶片外部损伤识别方法、系统、存储介质和终端 | |
CN113255537A (zh) | 一种用于航行船舶识别的图像增强去噪方法 | |
CN110276787B (zh) | 基于标志物图像检测的导线舞动监测方法 | |
Yang et al. | Towards accurate image stitching for drone-based wind turbine blade inspection | |
JP2005346664A (ja) | 海岸線抽出方法及び海岸線抽出システム | |
CN113963314A (zh) | 降雨量监测方法、装置、计算机设备及存储介质 | |
CN114387253A (zh) | 外墙外保温层缺陷红外图像处理方法、装置及存储介质 | |
CN113393430A (zh) | 用于风机叶片缺陷检测的热成像图像增强训练方法和装置 | |
CN113326734A (zh) | 一种基于YOLOv5的旋转目标检测方法 | |
Kumar | Solar potential analysis of rooftops using satellite imagery | |
CN115223031B (zh) | 一种单目边框测距方法、装置、介质及幕墙机器人 | |
CN111307267A (zh) | 一种基于同心圆检测的导线舞动监测方法 | |
CN116539001A (zh) | 一种基于无人机的海上风电塔筒垂直度检测方法及系统 | |
CN115861409A (zh) | 大豆叶面积测算方法、系统、计算机设备及存储介质 | |
EP3930306A2 (en) | Method and apparatus for stabilizing image, roadside device and cloud control platform | |
EP4006829A1 (en) | Information processing device, data generation method, and non-transitory computer-readable medium having program stored thereon |
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 |