CN115661970B - 一种基于图像识别技术的风电设备巡检系统 - Google Patents
一种基于图像识别技术的风电设备巡检系统 Download PDFInfo
- Publication number
- CN115661970B CN115661970B CN202211670368.XA CN202211670368A CN115661970B CN 115661970 B CN115661970 B CN 115661970B CN 202211670368 A CN202211670368 A CN 202211670368A CN 115661970 B CN115661970 B CN 115661970B
- Authority
- CN
- China
- Prior art keywords
- wind power
- inspection
- power equipment
- shooting
- video
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 101
- 238000005516 engineering process Methods 0.000 title claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 230000003044 adaptive effect Effects 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims description 56
- 238000004891 communication Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 15
- 230000007547 defect Effects 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Wind Motors (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明属于巡检领域，公开了一种基于图像识别技术的风电设备巡检系统，包括无人机模块和控制中心模块；控制中心模块用于将风电设备的叶片转速发送至无人机模块；无人机模块用于根据叶片圈速计算自适应FPS，并基于自适应FPS拍摄巡检视频，将巡检视频发送至控制中心模块；控制中心模块用于根据巡检视频对风电设备进行图像识别，获得风电设备的巡检结果；自适应FPS的计算函数为：
上述计算函数中，
表示自适应FPS，
表示风电设备的叶片转速，
表示风电设备的叶片数量。与现有技术相比，本发明在拍摄的时候无需进行坐标值计算、成像点计算、物距计算和判断计算等计算，只需要计算自适应FPS即可，能够更进一步地提高巡检效率。
Description
技术领域
本发明涉及巡检领域，尤其涉及一种基于图像识别技术的风电设备巡检系统。
背景技术
随着无人机技术的发展，使用无人机来对风电设备进行巡检成为了常态。现有技术中，使用无人机来拍摄用于风力发电的风车时，需要先等到风车完全停止运行，然后再利用无人机对风车进行拍摄，获得用于进行检查的图像。这是因为如果风车不停止运行，由于叶片一直在动，会导致拍出来的图像比较模糊，而如果需要风车停止运行，则由于需要等待风车完全静止并锁定后才能拍摄，巡检效率比较低。
为了解决上述问题，现有专利CN108087208A公开了一种基于无人机的风力发电机组叶片跟随方法和装置，其主要是通过先确定目标物，然后获取目标物的坐标，接着根据目标物的坐标来调整无人机的位置，以使得无人机能够跟着叶片旋转进行拍摄，以解决上述问题。
但是上述专利在确定目标物的过程中，进行了大量的坐标值计算、成像点计算、物距计算及判断计算，虽然不用等到风车完全静止便可以进行拍摄，但是也花费了大量的时间来进行实现无人机跟随叶片的计算，对巡检效率的提升依然不够大。
发明内容
本发明的目的在于公开一种基于图像识别技术的风电设备巡检系统，解决如何提高使用无人机对风电设备进行巡检时的巡检效率的问题。
为了达到上述目的，本发明采用如下技术方案：
一种基于图像识别技术的风电设备巡检系统，包括无人机模块和控制中心模块；
控制中心模块用于将风电设备的叶片转速发送至无人机模块；
无人机模块用于根据叶片圈速计算自适应FPS，并基于自适应FPS拍摄巡检视频，将巡检视频发送至控制中心模块；
控制中心模块用于根据巡检视频对风电设备进行图像识别，获得风电设备的巡检结果；
其中，自适应FPS的计算函数为：
上述计算函数中，表示自适应FPS，表示风电设备的叶片转速，表示风电设备的叶片数量。
可选的，所述无人机模块包括通信单元、计算单元和摄像机单元；
通信单元用于与控制中心模块进行通信，接收控制中心模块发送过来的风电设备的叶片转速；
计算单元用于根据根据叶片圈速计算自适应FPS；
摄像机单元用于基于自适应FPS对风电设备进行拍摄，获得巡检视频；
通信单元还用于将巡检视频发送至控制中心模块。
可选的，所述通信单元包括4G通信装置和5G通信装置。
可选的，所述控制中心模块包括监测单元、收发单元和图像识别单元；
监测单元用于对风电设备进行监测，实时获取风电设备的叶片转速；
收发单元用于将叶片转速发送至无人机模块，以及用于接收从无人机模块发送过来的巡检视频；
图像识别单元用于根据巡检视频对风电设备进行图像识别，获得风电设备的巡检结果。
可选的，所述控制中心模块还用于将风电设备的拍摄坐标点和拍摄角度发送至无人机模块。
可选的，所述基于自适应FPS拍摄巡检视频，包括：
根据拍摄坐标点和拍摄角度拍摄巡检视频。
可选的，所述根据拍摄坐标点和拍摄角度拍摄巡检视频，包括：
无人机模块在每个拍摄坐标点根据对应的拍摄角度拍摄设定时长的巡检视频，每个拍摄坐标点的巡检视频独立存储。
可选的，所述根据巡检视频对风电设备进行图像识别，获得风电设备的巡检结果，包括：
分别对每个拍摄坐标点的巡检视频进行图像识别，获得每个拍摄坐标点的巡检结果；
将所有拍摄坐标点的巡检结果作为风电设备的巡检结果。
可选的，对于拍摄坐标点A的巡检视频，对进行图像识别处理，包括：
从中获取最佳视频帧；
对进行图像识别，获得拍摄坐标点A的巡检结果。
可选的，当最佳视频帧中没有出现预设类型的缺陷时，则巡检结果为状态正常，当最佳视频帧中出现预设类型的缺陷时，则巡检结果为缺陷的类型。
本发明在对风电设备进行巡检的过程中，无需风电设备完全停止便可以进行拍摄，因此能够提高巡检的效率，另外与现有技术相比，本发明并不是采用跟随拍摄的方式来对风电设备进行拍摄，而是通过计算自适应FPS，通过自适应FPS和叶片转速之间的关系，使得拍出的巡检视频中，风电设备的叶片近似静止，从而提高巡检视频中每一帧的清晰度。然后本发明通过对巡检视频进行图像识别来获得巡检结果。与现有技术相比，本发明在拍摄的时候无需进行坐标值计算、成像点计算、物距计算和判断计算等计算，只需要计算自适应FPS即可，显然能够更进一步地提高巡检效率。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明一种基于图像识别技术的风电设备巡检系统的第一种实施例图。
图2为本发明一种基于图像识别技术的风电设备巡检系统的第二种实施例图。
图3为本发明一种基于图像识别技术的风电设备巡检系统的第三种实施例图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
如图1所示的一种实施例，本发明提供了一种基于图像识别技术的风电设备巡检系统，包括
一种基于图像识别技术的风电设备巡检系统，包括无人机模块和控制中心模块；
控制中心模块用于将风电设备的叶片转速发送至无人机模块；
无人机模块用于根据叶片圈速计算自适应FPS，并基于自适应FPS拍摄巡检视频，将巡检视频发送至控制中心模块；
控制中心模块用于根据巡检视频对风电设备进行图像识别，获得风电设备的巡检结果；
其中，自适应FPS的计算函数为：
上述计算函数中，表示自适应FPS，表示风电设备的叶片转速，表示风电设备的叶片数量。
在上述计算函数中，叶片转速的单位为转/每分钟。
本发明在对风电设备进行巡检的过程中，无需风电设备完全停止便可以进行拍摄，因此能够提高巡检的效率，另外与现有技术相比，本发明并不是采用跟随拍摄的方式来对风电设备进行拍摄，而是通过计算自适应FPS，通过自适应FPS和叶片转速之间的关系，使得拍出的巡检视频中，风电设备的叶片近似静止，从而提高巡检视频中每一帧的清晰度。然后本发明通过对巡检视频进行图像识别来获得巡检结果。与现有技术相比，本发明在拍摄的时候无需进行坐标值计算、成像点计算、物距计算和判断计算等计算，只需要计算自适应FPS即可，显然能够更进一步地提高巡检效率。
具体的，FPS是拍视频时的速度单位，指每秒拍摄的帧的数量。FPS与叶片转速之间满足本发明设定的关系时，拍出来的视频中，叶片就会处于近似静止的状态，这里的近似静止并不是叶片不转动，而是叶片依然在转动，但是在视频的每一帧中，同一个叶片与水平方向形成的夹角均相同。“看起来”就像是静止了一样。
因此，本发明获得的巡检视频能够在后续的图像识别过程中进行最佳视频帧的获取，以实现图像识别。
另外，本发明在对风电设备进行拍摄时，采用的是获取巡检视频而不是获取图像，这是因为单幅图像容易出现模糊的情况。这是因为叶片依然在转动，叶片产生的风力可能会对无人机模块在拍摄时造成影响。因此，通过获取巡检视频，便能够在后续的图像识别过程中通过筛选得到最佳视频帧，从而有效地降低叶片不停止转动所带来的影响。
可选的，如图2所示，所述无人机模块包括通信单元、计算单元和摄像机单元；
通信单元用于与控制中心模块进行通信，接收控制中心模块发送过来的风电设备的叶片转速；
计算单元用于根据根据叶片圈速计算自适应FPS；
摄像机单元用于基于自适应FPS对风电设备进行拍摄，获得巡检视频；
通信单元还用于将巡检视频发送至控制中心模块。
可选的，所述通信单元包括4G通信装置和5G通信装置。
可选的，所述摄像机单元采用的是长焦镜头。
使用长焦镜头可以使得无人机模块在距离风电设备更远的位置进行拍摄，从而进一步降低叶片不停止转动所带来的影响。
可选的，如图3所示，所述控制中心模块包括监测单元、收发单元和图像识别单元；
监测单元用于对风电设备进行监测，实时获取风电设备的叶片转速；
收发单元用于将叶片转速发送至无人机模块，以及用于接收从无人机模块发送过来的巡检视频；
图像识别单元用于根据巡检视频对风电设备进行图像识别，获得风电设备的巡检结果。
具体的，监测单元与风电设备上的转速监测装置进行通信，以实时获取风电设备的叶片的转速。
转速监测装置可以包括磁敏式转速传感器、激光式转速传感器、磁电式转速传感器等。
可选的，所述控制中心模块还用于将风电设备的拍摄坐标点和拍摄角度发送至无人机模块。
具体的，拍摄坐标点以及拍摄角度在进行巡检的准备阶段由工作人员进行设置，通过不同的拍摄拍摄坐标点实现对风电设备的全方位拍摄。而且，在拍摄时，无需人工控制拍摄位置和拍摄方向，只需要输入到无人机模块中便可以自动执行，从而进一步提高巡检效率。
拍摄坐标点为三维坐标点，拍摄角度为以风电设备的塔筒为圆心，以正北方向为0度的角度坐标系中的角度。拍摄坐标点与圆心之间的连线与正北方向形成的角度便是拍摄角度。拍摄角度的取值范围为[0°，360°]。
可选的，还可以是以其它方向甚至其它方式建立角度坐标系，例如，以正东方向为0度方向、以正南方向为0度方向等。
可选的，所述基于自适应FPS拍摄巡检视频，包括：
根据拍摄坐标点和拍摄角度拍摄巡检视频。
无人机模块采用自适应FPS，在拍摄坐标点，根据拍摄坐标点所对应的拍摄角度来进行巡检视频的拍摄。
可选的，所述根据拍摄坐标点和拍摄角度拍摄巡检视频，包括：
无人机模块在每个拍摄坐标点根据对应的拍摄角度拍摄设定时长的巡检视频，每个拍摄坐标点的巡检视频独立存储。
为了提高传输效率，无人机模块每在一个拍摄坐标点拍摄完设定时长的巡检视频后，便进行停止拍摄，然后前往下一个拍摄坐标点。便能够避免获得无用的巡检视频。另外，本发明的巡检视频中会包括拍摄坐标点、拍摄时间、FPS等信息，以便于后续进行分析。
可选的，所述根据巡检视频对风电设备进行图像识别，获得风电设备的巡检结果，包括：
分别对每个拍摄坐标点的巡检视频进行图像识别，获得每个拍摄坐标点的巡检结果；
将所有拍摄坐标点的巡检结果作为风电设备的巡检结果。
具体的，本发明是每个拍摄坐标点分别获取一个最佳的视频帧来进行图像识别。
由于本发明是将图像识别的过程放到了控制中心模块中进行，因此，本发明在对风电设备进行拍摄的效率便能够得到有效的提升。而在图像识别的过程中，可以通过分布式计算的方式来进一步加快计算速度。在无人机对一个风电设备拍摄完毕后，前往另一个风电设备进行拍摄的过程中，本发明便能够得到前一个拍摄的风电设备的巡检结果。而如果利于现有技术，采用跟随的方式进行拍摄，则每次拍摄的时间会大幅度增加，影响拍摄效率，从而影响巡检的效率。
可选的，对于拍摄坐标点A的巡检视频，对进行图像识别处理，包括：
从中获取最佳视频帧；
对进行图像识别，获得拍摄坐标点A的巡检结果。
具体的，通过最佳视频帧来进行图像识别，能够提高图像识别结果的准确性。
可选的，所述从中获取最佳视频帧，包括：
将中包含的所有视频帧存入集合；
分别获取中每个视频帧的抽样参数；
将中抽样参数最大的视频帧作为最佳视频帧。
具体的，通过计算抽样参数，使得抽样参数能够表示每个视频帧的清晰情况，从而获得抽样参数最大，即最为清晰的视频帧来进行图像识别。
可选的，所述分别获取中每个视频帧的抽样参数，包括：
对于中第k个视频帧，的抽样参数的计算函数为：
上述计算函数中，表示的抽样参数，表示抽样矩形框的集合，表示抽样矩形框v的抽样参数；表示中的抽样矩形框的总数；
的计算函数为：
其中，分别表示设定的第一权重系数、第二权重系数、第三权重系数，表示抽样矩形框v中的像素点的二维图像熵，表示设定的二维图像熵参考值，为抽样矩形框v中的非边缘像素点的集合，表示像素点d的灰度值，表示抽样矩形框v中的非边缘像素点的总数，表示设定的灰度值方差基准值，表示像素点d在设定方向上的梯度值，为抽样矩形框v中的边缘像素点的集合，表示像素点h在设定方向上的梯度值，表示抽样矩形框v中的边缘像素点的总数。
本发明在计算抽样参数的过程中，没有根据整个视频帧中所有的像素点来进行计算，而是通过分别计算每个抽样矩形框的抽样参数，最后根据所有抽样矩形框的抽样参数的均值来获得视频帧的抽样参数。这种计算方式，由于参与计算的像素点变少，因此，抽样参数的计算速度得到了显著的提升。
而在计算抽样矩形框的抽样参数的过程中，本发明分别从二维图像熵、非边缘像素点的的像素值方差和像素点的梯度值这三个不同的方面来进行计算，从而能够获得具有代表意义的抽样参数。二维图像熵越大，非边缘像素点的的像素值方差越小，非边缘像素点的梯度值和边缘像素点的梯度值之间的差异越大，则表示抽样矩形框范围内的图像越清楚，反之，则越不清楚。因此，抽样矩形框的抽样参数能够准确地表示抽样矩形框内的图像的质量情况。从而保证视频帧的抽样参数的准确性。
可选的，所述设定方向包括X轴方向或Y轴方向。
可选的，抽样矩形框的获取方式为：
获取中的第一个视频帧；
获取在RGB颜色模型中的蓝色分量所对应的图像；
使用HED算法对进行计算，得到边缘图像；
对进行聚类计算，获得中的聚类中心的集合；
分别以中的每个元素为中心，建立的抽样矩形框，M为长度，N为宽度。
本发明的抽样矩形框采用的不是人工指定的方式，而是通过聚类的方式来获得，聚类中心周围的像素点能够准确地表示属于同一个聚类的像素点的质量情况，从而使得基于聚类中心的抽样矩形框所计算出来的抽样参数能够准确地表示抽样矩形框范围内的像素点的质量情况。另外，在蓝色分量中进行设置，能够进一步提高聚类结果的准确性，因为在拍摄时，背景部分一般都是天空，而当拍摄的时候为晴天时，天空偏向蓝色，因此，在聚类的时候，能够将天空的像素点尽可能的放入到同一个聚类中，避免过多地针对背景进行计算，使得抽样参数中主要是对前景，即风电设备所对应的像素点进行计算，从而提高了视频帧的抽样参数的有效性。
可选的，当拍摄的时候是阴天时，可以通过获取在Lab颜色模型中的亮度分量所对应的图像来得到边缘图像。
可选的，由于中每个视频帧的拍摄角度均相同，且分辨率也一致，因此，在后续的视频帧中，都可以使用第一个视频帧获得的抽样矩形框，无需进行重复计算，提高了最佳视频帧的获取效率。
可选的，将中像素值不为0的像素点存入集合，集合中的像素点便是边缘像素点；
将中像素值为0的像素点存入集合，集合中的像素点便是非边缘像素点。
在后续计算抽样参数的过程中，只需要查询集合和便能够获得非边缘像素点和边缘像素点，无需重复计算，提高了最佳视频帧的获取效率。
可选的，当最佳视频帧中没有出现预设类型的缺陷时，则巡检结果为状态正常，当最佳视频帧中出现预设类型的缺陷时，则巡检结果为缺陷的类型。
具体的，预设类型的缺陷可以包括裂痕、生锈、穿洞、弯曲等。
以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明的保护范围应以所附权利要求为准。
Claims (5)
1.一种基于图像识别技术的风电设备巡检系统，其特征在于，包括无人机模块和控制中心模块；
控制中心模块用于将风电设备的叶片转速发送至无人机模块；
无人机模块用于根据叶片圈速计算自适应FPS，并基于自适应FPS拍摄巡检视频，将巡检视频发送至控制中心模块；
控制中心模块用于根据巡检视频对风电设备进行图像识别，获得风电设备的巡检结果；
其中，自适应FPS的计算函数为：
上述计算函数中，表示自适应FPS，表示风电设备的叶片转速，表示风电设备的叶片数量；
所述控制中心模块还用于将风电设备的拍摄坐标点和拍摄角度发送至无人机模块；
所述基于自适应FPS拍摄巡检视频，包括：
根据拍摄坐标点和拍摄角度拍摄巡检视频；
所述根据拍摄坐标点和拍摄角度拍摄巡检视频，包括：
无人机模块在每个拍摄坐标点根据对应的拍摄角度拍摄设定时长的巡检视频，每个拍摄坐标点的巡检视频独立存储；
所述根据巡检视频对风电设备进行图像识别，获得风电设备的巡检结果，包括：
分别对每个拍摄坐标点的巡检视频进行图像识别，获得每个拍摄坐标点的巡检结果；
将所有拍摄坐标点的巡检结果作为风电设备的巡检结果；
对于拍摄坐标点A的巡检视频，对进行图像识别处理，包括：
从中获取最佳视频帧；
对进行图像识别，获得拍摄坐标点A的巡检结果；
所述从中获取最佳视频帧，包括：
将中包含的所有视频帧存入集合；
分别获取中每个视频帧的抽样参数；
将中抽样参数最大的视频帧作为最佳视频帧；
所述分别获取中每个视频帧的抽样参数，包括：
对于中第k个视频帧，的抽样参数的计算函数为：
上述计算函数中，表示的抽样参数，表示抽样矩形框的集合，表示抽样矩形框v的抽样参数；表示中的抽样矩形框的总数；
的计算函数为：
其中，、、分别表示设定的第一权重系数、第二权重系数、第三权重系数，表示抽样矩形框v中的像素点的二维图像熵，表示设定的二维图像熵参考值，为抽样矩形框v中的非边缘像素点的集合，表示像素点d的灰度值，表示抽样矩形框v中的非边缘像素点的总数，表示设定的灰度值方差基准值，表示像素点d在设定方向上的梯度值，为抽样矩形框v中的边缘像素点的集合，表示像素点h在设定方向上的梯度值，表示抽样矩形框v中的边缘像素点的总数。
2.根据权利要求1所述的一种基于图像识别技术的风电设备巡检系统，其特征在于，所述无人机模块包括通信单元、计算单元和摄像机单元；
通信单元用于与控制中心模块进行通信，接收控制中心模块发送过来的风电设备的叶片转速；
计算单元用于根据叶片圈速计算自适应FPS；
摄像机单元用于基于自适应FPS对风电设备进行拍摄，获得巡检视频；
通信单元还用于将巡检视频发送至控制中心模块。
3.根据权利要求2所述的一种基于图像识别技术的风电设备巡检系统，其特征在于，所述通信单元包括4G通信装置和5G通信装置。
4.根据权利要求1所述的一种基于图像识别技术的风电设备巡检系统，其特征在于，所述控制中心模块包括监测单元、收发单元和图像识别单元；
监测单元用于对风电设备进行监测，实时获取风电设备的叶片转速；
收发单元用于将叶片转速发送至无人机模块，以及用于接收从无人机模块发送过来的巡检视频；
图像识别单元用于根据巡检视频对风电设备进行图像识别，获得风电设备的巡检结果。
5.根据权利要求1所述的一种基于图像识别技术的风电设备巡检系统，其特征在于，当最佳视频帧中没有出现预设类型的缺陷时，则巡检结果为状态正常，当最佳视频帧中出现预设类型的缺陷时，则巡检结果为缺陷的类型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211670368.XA CN115661970B (zh) | 2022-12-26 | 2022-12-26 | 一种基于图像识别技术的风电设备巡检系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211670368.XA CN115661970B (zh) | 2022-12-26 | 2022-12-26 | 一种基于图像识别技术的风电设备巡检系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115661970A CN115661970A (zh) | 2023-01-31 |
| CN115661970B true CN115661970B (zh) | 2023-05-12 |
Family
ID=85022965
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211670368.XA Active CN115661970B (zh) | 2022-12-26 | 2022-12-26 | 一种基于图像识别技术的风电设备巡检系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115661970B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116137680B (zh) * | 2023-02-14 | 2023-10-17 | 海外远景(北京)科技有限公司 | 一种基于物联网的风电设备运行监测系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105388319A (zh) * | 2015-11-26 | 2016-03-09 | 上海斐讯数据通信技术有限公司 | 测量转动物体转速的方法、装置、相机模块及设备 |
| CN106370880B (zh) * | 2016-10-24 | 2023-05-05 | 杭州品拓电子技术有限公司 | 电机转速自动测量方法及装置 |
| DE102019211929A1 (de) * | 2019-08-08 | 2021-02-11 | Prüftechnik Dieter Busch GmbH | Verfahren und System zur Drehzahlbestimmung mittels Videokamera |
| CN112360699A (zh) * | 2020-10-22 | 2021-02-12 | 华能大理风力发电有限公司 | 一种全自动风力发电机组叶片智能巡视及诊断分析方法 |
| CN112734970B (zh) * | 2020-12-22 | 2022-12-27 | 沈阳工程学院 | 基于LoRaWAN定位技术的风电场无人机自动巡检系统及方法 |
| CN113759960A (zh) * | 2021-07-26 | 2021-12-07 | 青海黄河风力发电有限责任公司 | 基于无人机的风机叶片及塔筒巡检识别系统及方法 |
-
2022
- 2022-12-26 CN CN202211670368.XA patent/CN115661970B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115661970A (zh) | 2023-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111272148B (zh) | 输电线路无人机自主巡检自适应成像质量优化方法 | |
| CN110246177B (zh) | 一种基于视觉的自动测波方法 | |
| CN111243033B (zh) | 一种优化双目相机外参数的方法 | |
| CN108171787A (zh) | 一种基于orb特征检测的三维重建方法 | |
| JP2019526950A (ja) | マルチセンサ画像手ぶれ補正技術 | |
| CN104574425B (zh) | 一种基于旋转模型的主从摄像机系统的标定以及联动方法 | |
| CN105357433B (zh) | 一种高速旋转焦距自适应全景成像方法 | |
| CN115661970B (zh) | 一种基于图像识别技术的风电设备巡检系统 | |
| CN112949478A (zh) | 基于云台相机的目标检测方法 | |
| CN109559355A (zh) | 一种基于相机组的无公共视场的多相机全局标定装置及方法 | |
| CN111027415B (zh) | 一种基于偏振图像的车辆检测方法 | |
| CN113793270A (zh) | 一种基于无人机姿态信息的航拍图像几何校正方法 | |
| CN115239820A (zh) | 一种分体式飞行车辆鸟瞰图实时拼接及车位检测方法 | |
| CN115240089A (zh) | 一种航空遥感图像的车辆检测方法 | |
| CN115330594A (zh) | 一种基于无人机倾斜摄影3d模型的目标快速识别与标定方法 | |
| CN113391644A (zh) | 一种基于图像信息熵的无人机拍摄距离半自动寻优方法 | |
| CN112556658B (zh) | 一种基于双目立体视觉的对接环抓捕点测量方法及系统 | |
| CN112258581B (zh) | 一种多鱼眼镜头全景相机的现场标定方法 | |
| CN113743286A (zh) | 一种多源信号融合的目标监测系统及方法 | |
| CN110853145B (zh) | 高空间分辨率便携式抗抖动高光谱成像方法及装置 | |
| CN111541886A (zh) | 一种应用于浑浊水下的视觉增强系统 | |
| CN116912715A (zh) | 一种面向风机叶片巡检的无人机视觉伺服控制方法及系统 | |
| CN113240749B (zh) | 一种面向海上舰船平台无人机回收的远距离双目标定与测距方法 | |
| CN113406091A (zh) | 一种用于风机叶片检测的无人机系统及控制方法 | |
| CN112037274A (zh) | 一种基于太阳光照条件的多旋翼无人机视点确定方法 |
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 |