CN111833336B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN111833336B CN111833336B CN202010694391.7A CN202010694391A CN111833336B CN 111833336 B CN111833336 B CN 111833336B CN 202010694391 A CN202010694391 A CN 202010694391A CN 111833336 B CN111833336 B CN 111833336B
- Authority
- CN
- China
- Prior art keywords
- image
- unit
- wind power
- hyperspectral
- power blade
- 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
- 239000004576 sand Substances 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims description 33
- 238000001514 detection method Methods 0.000 claims abstract description 50
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 238000012512 characterization method Methods 0.000 claims abstract description 23
- 230000008859 change Effects 0.000 claims abstract description 18
- 238000001228 spectrum Methods 0.000 claims abstract description 12
- 230000009467 reduction Effects 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 27
- 238000012937 correction Methods 0.000 claims description 17
- 238000003702 image correction Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000013075 data extraction Methods 0.000 claims description 11
- 238000013500 data storage Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 10
- 238000000513 principal component analysis Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000012847 principal component analysis method Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005670 electromagnetic radiation Effects 0.000 description 3
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- 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
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了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，具体涉及风电叶片检测技术领域，本发明在对风电叶片进行砂眼故障检测时，通过图像采集系统中的无人机图像采集单元在空中对风电叶片进行光谱图像采集，并由无线传输单元将采集到的图像传输到图像预处理模块中进行图像去噪、图像校正操作，得到更加清晰完好的风电叶片图像；通过主成分分析法对高光谱图像进行降维操作，对主成分图像中出现砂眼光谱信息的区域进行颜色表征，将颜色表征后的主成分图像与上一次检测的图像进行对比分析，得到砂眼的数量变化以及砂眼扩大范围，从而为维修检测人员提供更加全面准确的风电叶片砂眼故障信息。
Description
技术领域
本发明涉及风电叶片检测技术领域，更具体地说，本发明涉及一种基于高光谱的风电叶片表面砂眼故障的检测方法。
背景技术
风能是现在社会最主要的可再生能源之一，而将风能转换为电能主要依靠风电叶片。由于风力发电机安装在暴露的环境中，在自然环境和各种极端天气的影响下，风电叶片可能会发生故障。除此之外，风电叶片在运输安装的过程中也会对风电叶片造成一定程度的损伤。这些故障和损伤如果不及时处理则会造成灾难性后果。因此，及时准确地检测出风电叶片的故障至关重要。
目前已有的无损检测风电叶片故障的方法主要有超声波检测法、X射线检验法、微波检验法、声发射检验法等。超声波检测法通过超声波对风电叶片进行检测，穿透力强，可较大范围检测出风电叶片的内部缺陷，但是由于风电叶片材料多种多样，结构复杂，应用超声波检测方法无法完全适用，不能保证对风电叶片安全有效的检测。X射线检验法是利用X射线对风电叶片进行检测，X射线对不同检测物质的衰减度不同，可检测风电叶片的不同缺陷，对于风电叶片如缺乏胶水或内部结构不规则等体积缺陷的检测十分有效，但是X射线检验法有一定的辐射性，而且操作复杂，现场应用十分不便。微波检测方法是使用一种电磁辐射信号，与超声波检验法不同，其波长在一定频率范围内变化，微波检测法的损耗较低，透射到风电叶片材料内部检测出缺陷。但此种方法需要高频发射器，并且操作复杂。当风电叶片出现裂缝或者塑胶形变时会引起应变并产生应力波，声发射检测法是通过接受和检测声发射信号来判断风电叶片是否出现故障，通过对声发射信号的参数分析和波形分析可以描述风电叶片的故障特征，可以很好地还原出故障出现的动态过程。然而声发射检测法容易受到噪声影响，不能准确有效地检测出故障，且上述的几种风电叶片无损检测方法对风电叶片表面砂眼故障检测也无法进行准确有效的检测。
发明内容
为了克服现有技术的缺陷，本发明提供了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。
本发明中一种基于高光谱的风电叶片表面砂眼故障的检测系统，包括：图像采集系统1、图像预处理模块2、分析处理模块3、数据库系统模块4和信息显示模块5；
图像采集系统1由无人机图像采集单元11和无线传输模块12组成，由无人机图像采集单元11中无人机搭载的高光谱相机在空中对风电叶片进行高光谱图像采集，通过无线传输模块12将采集到的风电叶片图像传输到图像预处理模块2；
图像预处理模块2用于图像的预处理，通过去噪和校正处理以改善图像质量；具体地，图像预处理模块2由图像去噪单元21和图像校正单元22组成，其中的图像去噪单元21以SG平滑算法对图像进行去噪处理，图像校正单元22以黑白校正方法对图像进行校正处理。
分析处理模块3包含主成分分析单元33、对比分析单元32和颜色表征单元31，其中主成分分析单元33用于根据原协方差矩阵S的特征值和特征向量计算主成分的方差贡献率，保留包含绝大部分信息的主成分图像，从而实现对高光谱图像的降维处理；
颜色表征单元31用于对主成分图像中包含砂眼光谱信息的区域通过颜色表征标示出来；
对比分析单元32用于将数据库4中提取同一位置上一次检测获得的经过颜色表征主成分图像和本次检测获得的经过颜色表征的主成分图像进行对比，通过在图像中标示的不同颜色变化分析出砂眼的数量及范围的变化结果；
数据库4包含数据存储单元41、数据提取单元42和数据库单元43，数据存储单元41用于将获得的主成分图像存储至数据库单元43中，数据提取单元42用于将存储在数据库单元43的主成分图像提取出来。
信息显示模块5用于将对比分析的结果显示出来，供操作人员查看，操作人员通过显示出的砂眼数量变化以及砂眼的扩大范围决定是否需要修复。
一种基于高光谱的风电叶片表面砂眼故障的检测方法，具体步骤如下：
步骤A)：由图像采集系统1中的无人机图像采集单元11中无人机搭载的高光谱相机在空中对风电叶片进行高光谱图像采集，并通过无线传输模块12将采集到的风电叶片图像传输到图像预处理模块2中进行预处理。
步骤B)：由图像预处理模块2中的图像去噪单元21对风电叶片高光谱图像进行去噪处理，由图像校正单元22对风电叶片图像进行黑白校正；经处理后的图像传输至分析处理模块3；
其中黑白校正方法是根据进行校正，其中R表示最终获得的高光谱反射率图像，S表示直接采集得到的原始高光谱样本图像，D表示系统暗电流存在情况下的参考图像，W表示标准白板的参考图像。
图像去噪方法采用SG平滑算法进行处理，把光谱一段区间的等波长间隔的5个点记为X集合，多项式平滑就是利用在波长点为Xm-2，Xm-1，Xm，Xm+1，Xm+2的数据的多项式拟合值来取代Xm，Xm表示当前处理的点；该方法从一端开始一次移动，直到把光谱遍历完。
步骤C)：图像传输至分析处理模块3中，由主成分分析单元33对高光谱图像进行降维，根据原协方差矩阵S的特征值和特征向量计算主成分的方差贡献率，保留包含绝大部分信息的主成分图像，舍弃其余特征及背景冗余信息，减小计算量。
步骤D)：通过颜色表征单元31对主成分图像中包含砂眼光谱信息的区域进行颜色表征标示出来；数据提取单元42从数据库43中提取同一位置上一次检测获得的经过颜色表征的主成分图像和本次检测获得的经过颜色表征的主成分图像进行对比，通过对比分析单元32对两幅图像进行对比，通过在图像中标示的不同颜色变化分析出砂眼的数量及范围的变化结果，并通过数据存储单元41将本次检测得到的主成分图像及分析结果数据存储到数据库43中。
步骤E)：当对比分析完成后，将对比分析的结果通过信息显示模块5显示出来供操作人员查看，操作人员通过显示出的砂眼数量变化以及砂眼的扩大范围决定是否需要修复。
本发明有益效果和优点：
1、本发明通过对整体的设计，通过图像采集系对风电叶片进行图像采集。由图像预处理模块对采集到的风电叶片图像进行图像去噪和图像校正操作，并应用主成分分析法进行降维，通过与上一次的主成分数据进行对比即可判断砂眼变化情况，发现故障及时修复，避免由于砂眼故障造成的风机效率降低导致的经济损失。
2、本发明通过颜色表征单元，可以清晰直观的判断砂眼变化情况，工作量小，简单高效，并且通过无人机搭载高光谱相机进行图像采集避免了以往人工检查风电叶片时停转所造成的损失。
附图说明
图1为风电叶片表面砂眼故障检测方法的整体模块示意图。
图2为风电叶片表面砂眼故障检测方法的模块单元示意图。
图3为风电叶片表面砂眼故障检测方法过程中的图像，其中a为图像采集系统采集到的图像，b和c为前后两次检测的砂眼数量及范围变化的主成分对比图。
附图标记为：1-图像采集系统、11-无人机图像采集单元、12-无线传输单元、2-图像预处理模块、21-图像去噪单元、22-图像校正单元、3-分析处理模块、31-颜色表征单元、32-对比分析单元、33-主成分分析单元、4-数据库、41-数据存储单元、42-数据提取单元、43-数据库单元、5-信息显示模块。
具体实施方式
下面将结合本发明的实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅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。
根据附图1和附图2所示的一种基于高光谱的风电叶片表面砂眼故障的检测系统，包括：图像采集模块1、图像预处理模块2、分析处理模块3、数据库4和信息显示模块5；
图像采集模块1由无人机图像采集单元11和无线传输模块12组成，由无人机图像采集单元11中无人机搭载的高光谱相机在空中对风电叶片进行高光谱图像采集，通过无线传输模块12将采集到的风电叶片图像传输到图像预处理模块2；
图像预处理模块2用于图像的与预处理，通过去噪和校正处理以改善图像质量；具体地，图像预处理模块2由图像去噪单元21和图像校正单元22组成，其中的图像去噪单元21以SG平滑算法对图像进行去噪处理，图像校正单元22以黑白校正方法对图像进行校正处理。
分析处理模块3包含主成分分析单元33、对比分析单元32和颜色表征单元31，其中主成分分析单元33用于根据原协方差矩阵S的特征值和特征向量计算主成分的方差贡献率，保留包含绝大部分信息的主成分图像，从而对高光谱图像进行降维处理；
颜色表征单元31用于对主成分图像中包含砂眼光谱信息的区域通过颜色表征标示出来；
对比分析单元32用于将数据库4中提取同一位置上一次检测获得的经过颜色表征主成分图像和本次检测获得的经过颜色表征的主成分图像进行对比，通过在图像中标示的不同颜色变化分析出砂眼的数量及范围的变化结果；
数据库4包含数据存储单元41、数据提取单元42和数据库单元43，数据存储单元41用于将获得的主成分图像存储至数据库单元43中，数据提取单元42用于将存储在数据库单元43的主成分图像提取出来。
信息显示模块5用于将对比分析的结果显示出来，供操作人员查看，操作人员通过显示出的砂眼数量变化以及砂眼的扩大范围决定是否需要修复。
一种基于高光谱的风电叶片表面砂眼故障的检测系统的检测方法，具体步骤如下：
步骤A)：由图像采集系统1中的无人机图像采集单元11中无人机搭载的高光谱相机在空中对风电叶片进行高光谱图像采集，并通过无线传输模块12将采集到的风电叶片图像传输到图像预处理模块2中进行预处理。
步骤B)：由图像预处理模块2中的图像去噪单元21对风电叶片高光谱图像进行去噪处理，由图像校正单元22对风电叶片图像进行黑白校正；经处理后的图像传输至分析处理模块3；
其中黑白校正方法是根据进行校正，其中R表示最终获得的高光谱反射率图像，S表示直接采集得到的原始高光谱样本图像，D表示系统暗电流存在情况下的参考图像，W表示标准白板的参考图像。
图像去噪方法采用SG平滑算法进行处理，把光谱一段区间的等波长间隔的5个点记为X集合，多项式平滑就是利用在波长点为Xm-2，Xm-1，Xm，Xm+1，Xm+2的数据的多项式拟合值来取代Xm，然后从一端开始依次移动，直到把光谱遍历完。
步骤C)：图像传输至分析处理模块3中，由主成分分析单元33对高光谱图像进行降维，根据原协方差矩阵S的特征值和特征向量计算主成分的方差贡献率，保留包含绝大部分信息的主成分图像，舍弃其余特征及背景冗余信息，减小计算量。
步骤D)：通过颜色表征单元31对主成分图像中包含砂眼光谱信息的区域进行颜色表征标示出来；数据提取单元42从数据库43中提取同一位置上一次检测获得的经过颜色表征主成分图像和本次检测获得的经过颜色表征的主成分图像进行对比，通过对比分析单元32对两幅图像进行对比，通过在图像中标示的不同颜色变化分析出砂眼的数量及范围的变化结果，并通过数据存储单元41将本次检测得到的主成分图像及分析结果数据存储到数据库43中。
步骤E)：当对比分析完成后，将对比分析的结果通过信息显示模块5显示出来供操作人员查看，操作人员通过显示出的砂眼数量变化以及砂眼的扩大范围决定是否需要修复。
本发明工作原理：
参照风电叶片砂眼故障检测说明书附图1和附图2，通过对风电叶片表面砂眼故障检测方法的整体设计，由图像采集系统1中的无人机图像采集单元11对风电叶片进行图像采集，通过无人机搭载高光谱相机在空中对风电叶片进行拍摄。通过无线传输模块12将采集到的图像传输到图像预处理模块2中，通过图像去噪单元21对图像进行SG平滑处理，通过图像校正单元22对图像进行黑白校正，得到更为清晰完好的图像。通过主成分分析单元33对高光谱图像进行降维，通过颜色表征单元31对主成分图像中包含砂眼光谱信息的区域进行颜色表征，通过数据提取单元42从数据库43中提取上一次检测的图像，传输到对比分析单元32中进行对比分析，分析出砂眼的数量变化以及砂眼的扩大范围，并通过信息显示模块5显示出来，以供维修检测人员查看，使得当风电叶片表面出现砂眼故障时可以及时修复，避免由于砂眼故障影响风机发电效率而造成的巨大经济损失。
最后应说明的几点是：
首先，在本发明方法的描述中，需要说明的是，在没有特殊说明或者特殊规定的情况下，术语“连接”、“相连”应做广义理解，可以是机械连接或者电连接，也可以是两个原件内部的连通。
其次，本发明公开实施例附图中，只涉及到与本发明公开实施例涉及到的结构，其他结构可参考通常设计，在不冲突的情况下，本发明同一实施例及不同实施例可以相互组合。
Claims (7)
1.一种基于高光谱的风电叶片表面砂眼故障的检测系统，其特征在于，该系统包括：图像采集模块(1)、图像预处理模块(2)、分析处理模块(3)、数据库(4)和信息显示模块(5)；
图像采集模块(1)由无人机图像采集单元(11)和无线传输模块(12)组成，由无人机图像采集单元(11)中无人机搭载的高光谱相机在空中对风电叶片进行高光谱图像采集，通过无线传输模块(12)将采集到的风电叶片图像传输到图像预处理模块(2)；
图像预处理模块(2)用于图像的预处理以改善图像质量；
分析处理模块(3)包含主成分分析单元(33)、对比分析单元(32)和颜色表征单元(31)，其中主成分分析单元(33)用于根据原协方差矩阵S的特征值和特征向量计算主成分的方差贡献率，保留包含绝大部分信息的主成分图像，从而对高光谱图像进行降维处理；
颜色表征单元(31)用于对主成分图像中包含砂眼光谱信息的区域通过颜色表征标示出来；
对比分析单元(32)用于将数据库(4)中提取同一位置上一次检测获得的经过颜色表征主成分图像和本次检测获得的经过颜色表征的主成分图像进行对比，通过在图像中标示的不同颜色变化分析出砂眼的数量及范围的变化结果；
数据库(4)包含数据存储单元(41)、数据提取单元(42)和数据库单元(43)，数据存储单元(41)用于将获得的主成分图像存储至数据库单元(43)中，数据提取单元(42)用于将存储在数据库单元(43)的主成分图像提取出来；
信息显示模块(5)用于将对比分析的结果显示出来，供操作人员查看，操作人员通过显示出的砂眼数量变化以及砂眼的扩大范围决定是否需要修复。
2.根据权利要求1所述的基于高光谱的风电叶片表面砂眼故障的检测系统，其特征在于，图像预处理模块(2)由图像去噪单元(21)和图像校正单元(22)组成，图像去噪单元(21)用于图像去噪，图像校正单元(22)用于图像校正。
3.根据权利要求2所述的基于高光谱的风电叶片表面砂眼故障的检测系统，其特征在于，图像去噪单元(21)以SG平滑算法对图像进行去噪处理。
4.根据权利要求2所述的基于高光谱的风电叶片表面砂眼故障的检测系统，其特征在于，图像校正单元(22)以黑白校正方法对图像进行校正处理。
5.一种如权利要求1所述基于高光谱的风电叶片表面砂眼故障的检测方法，具体步骤如下：
步骤A)：由图像采集系统(1)中的无人机图像采集单元(11)中无人机搭载的高光谱相机在空中对风电叶片进行高光谱图像采集，并通过无线传输模块(12)将采集到的风电叶片图像传输到图像预处理模块(2)中进行预处理；
步骤B)：由图像预处理模块(2)中的图像去噪单元(21)对风电叶片高光谱图像进行去噪处理，由图像校正单元(22)对风电叶片图像进行黑白校正；经处理后的图像传输至分析处理模块(3)；
步骤C)：图像传输至分析处理模块(3)中，由主成分分析单元(33)对高光谱图像进行降维，根据原协方差矩阵S的特征值和特征向量计算主成分的方差贡献率，保留包含绝大部分信息的主成分图像；
步骤D)：通过颜色表征单元(31)对主成分图像中包含砂眼光谱信息的区域进行颜色表征标示出来；数据提取单元(42)从数据库(43)中提取同一位置上一次检测获得的经过颜色表征主成分图像和本次检测获得的经过颜色表征的主成分图像进行对比，通过对比分析单元(32)对两幅图像进行对比，通过在图像中标示的不同颜色变化分析出砂眼的数量及范围的变化结果，并通过数据存储单元(41)将本次检测得到的主成分图像及分析结果数据存储到数据库(43)中；
步骤E)：当对比分析完成后，将对比分析的结果通过信息显示模块(5)显示出来供操作人员查看，操作人员通过显示出的砂眼数量变化以及砂眼的扩大范围决定是否需要修复。
6.根据权利要求5所述的基于高光谱的风电叶片表面砂眼故障的检测方法，其特征在于，其中黑白校正方法是根据进行校正，其中R表示最终获得的高光谱反射率图像，S表示直接采集得到的原始高光谱样本图像，D表示系统暗电流存在情况下的参考图像，W表示标准白板的参考图像。
7.根据权利要求5所述的基于高光谱的风电叶片表面砂眼故障的检测方法，其特征在于，图像去噪方法采用SG平滑算法进行处理，把光谱一段区间的等波长间隔的5个点记为X集合，多项式平滑就是利用在波长点为Xm-2，Xm-1，Xm，Xm+1和Xm+2的数据的多项式拟合值来取代Xm，Xm表示当前处理的点；该方法从一端开始依次移动，直到把光谱遍历完。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010694391.7A CN111833336B (zh) | 2020-07-17 | 2020-07-17 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010694391.7A CN111833336B (zh) | 2020-07-17 | 2020-07-17 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111833336A CN111833336A (zh) | 2020-10-27 |
| CN111833336B true CN111833336B (zh) | 2023-11-17 |
Family
ID=72924362
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010694391.7A Active CN111833336B (zh) | 2020-07-17 | 2020-07-17 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111833336B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115774036B (zh) * | 2023-02-15 | 2023-04-14 | 西南科技大学 | 一种叶片表面夹砂率检测方法、系统及装置 |
| CN115950666B (zh) * | 2023-03-15 | 2023-05-30 | 石家庄市惠源淀粉有限公司 | 一种淀粉葡萄糖生产设备故障智能检测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN109741320A (zh) * | 2019-01-07 | 2019-05-10 | 哈尔滨理工大学 | 一种基于航拍图像的风电叶片故障检测方法 |
| CN110553982A (zh) * | 2019-08-29 | 2019-12-10 | 安徽科技学院 | 一种偏振高光谱图像采集系统 |
| CN110763698A (zh) * | 2019-10-12 | 2020-02-07 | 仲恺农业工程学院 | 一种基于特征波长的高光谱柑橘叶片病害识别方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101852770B1 (ko) * | 2017-10-24 | 2018-04-27 | 한국해양과학기술원 | 항공 초분광 영상을 이용한 사고 선박 및 익수자 탐지 방법 |
-
2020
- 2020-07-17 CN CN202010694391.7A patent/CN111833336B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN109741320A (zh) * | 2019-01-07 | 2019-05-10 | 哈尔滨理工大学 | 一种基于航拍图像的风电叶片故障检测方法 |
| CN110553982A (zh) * | 2019-08-29 | 2019-12-10 | 安徽科技学院 | 一种偏振高光谱图像采集系统 |
| CN110763698A (zh) * | 2019-10-12 | 2020-02-07 | 仲恺农业工程学院 | 一种基于特征波长的高光谱柑橘叶片病害识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| An experimental study on the data-driven structual health monitoring of large wind turbine blades using a single accelerometer and actuator;David Garcia 等;Strathclyde;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111833336A (zh) | 2020-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11905926B2 (en) | Method and apparatus for inspecting wind turbine blade, and device and storage medium thereof | |
| CN111833336B (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 | |
| EP2777016B1 (en) | Method and system for automated defect detection | |
| KR20200031860A (ko) | 안전점검 기준표와 분류별 결함 데이터를 활용한 풍력 발전기 블레이드 안전 관리 시스템 및 방법 | |
| CN108459027A (zh) | 一种基于图像处理的风力发电机叶片表面缺陷检测方法 | |
| CN105122046A (zh) | 用于检测物体上的缺陷方法 | |
| CN108007896A (zh) | 一种电力硅橡胶复合绝缘件的缺陷检测方法 | |
| CN112001327A (zh) | 一种阀厅设备故障识别方法及系统 | |
| Rizk et al. | Wind turbine blade defect detection using hyperspectral imaging | |
| CN110827270B (zh) | 复合绝缘子缺陷诊断方法及系统 | |
| CN113406107B (zh) | 风机叶片缺陷检测系统 | |
| CN113252701A (zh) | 基于云边协同的输电线路绝缘子自爆缺陷检测系统及方法 | |
| CN114842243A (zh) | 一种基于大跨度巡线机器人的故障检测方法、系统及设备 | |
| CN115239646A (zh) | 输电线路的缺陷检测方法、装置、电子设备及存储介质 | |
| CN115912183B (zh) | 高压输电线路生态措施巡视方法、系统及可读存储介质 | |
| CN117191952A (zh) | 基于声发射信号小波包分解频带能量谱的疲劳损伤识别与寿命预测方法 | |
| US20230084562A1 (en) | Non-destructive inspection method and system based on artificial intelligence | |
| Ramlal et al. | Toward automated utility pole condition monitoring: A deep learning approach | |
| KR20150104459A (ko) | 기계 구조물의 결함 진단 시스템 및 그 방법 | |
| CN114439702A (zh) | 一种风力发电机的叶片状态监测方法和装置 | |
| CN114897886A (zh) | 一种工业缺陷检测优化方法、系统、装置、设备及存储介质 | |
| KR20190062834A (ko) | 풍력 발전기의 블레이드 검사장치 및 그 방법 | |
| CN113506290A (zh) | 一种线路绝缘子缺陷检测方法及装置 | |
| CN114353880A (zh) | 一种耐张绝缘子串风致振动在线监测系统及方法 | |
| CN112070730A (zh) | 基于输电线路巡检图像的防震锤脱落检测方法 |
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 |