CN115700644A - 基于视觉的风电场站自动巡检方法及装置 - Google Patents
基于视觉的风电场站自动巡检方法及装置 Download PDFInfo
- Publication number
- CN115700644A CN115700644A CN202211276374.7A CN202211276374A CN115700644A CN 115700644 A CN115700644 A CN 115700644A CN 202211276374 A CN202211276374 A CN 202211276374A CN 115700644 A CN115700644 A CN 115700644A
- Authority
- CN
- China
- Prior art keywords
- inspection
- wind power
- preset
- power plant
- model
- 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
Links
Images
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开一种基于视觉的风电场站自动巡检方法及装置。本发明涉及风电场巡检技术领域，解决现有的风电场站巡检方式需要采集大量的图片进行人工检查缺陷，检测效率低下的问题。本发明通过在风电场的各检测需求点分别安装摄像头，对摄像头配置预置位，响应于预设的巡检计划的执行时间，启动巡检计划；按照巡检时间和巡检周期，控制相应的摄像头，在需要巡检的预置位拍摄图像；利用需要巡检的预置位对应的巡检模型，对图像进行检测，得到检测结果；本发明可根据风电场内环境或者设备的检测类型的不同，通过各自的巡检模型进行计算，进而对检测区域的目标给出检测结果，从而达到风电场站内替代人工进行巡检的目的，显著提升风电场巡检效率。
Description
技术领域
本发明涉及风电场巡检技术领域，尤其涉及一种基于视觉的风电场站自动巡检方法及装置。
背景技术
传统的风电场巡检的主要方式为借助望远镜观察和近距巡视与检测。由于风电场具有设备高大、占地面积广等特点，风电场一般都建在气候条件不好的地点，特别是在雪山、沙漠、海上等艰苦环境以及雨雪冰冻和地震等灾害条件下，人员难以到达，人工巡检方式效率低且有安全风险，难以发现风机设备缺陷等问题。
近年来随着视频监控技术与机器人技术的发展，利用摄像头与机器人先进行拍照，然后巡检人员排查照片中的设备缺陷的手段越来越普及。随之而来的问题是，随着巡检效率的增长，图片数据的采集越来越多，对人力的需求也越来越大，依赖人员进行判断已经成为制约巡检的瓶颈。摄像机与机器人代替运维人员登高巡视大大节约了巡检人力，但对于大量的图片，人工检查缺陷工作量极大且繁琐。因此，有必要提出一种基于视觉的风电场站自动巡检方法及装置，以解决上述问题。
发明内容
本发明的目的在于提供一种基于视觉的风电场站自动巡检方法及装置，以解决现有的风电场站巡检方式需要采集大量的图片进行人工检查缺陷，检测效率低下的问题。
第一方面，本发明提供一种基于视觉的风电场站自动巡检方法，包括：
响应于预设的巡检计划的执行时间，启动巡检计划；其中，风电场的各检测需求点分别安装有摄像头，所述摄像头配置有预置位，所述预置位配置有对应的巡检模型，所述巡检模型用于对所述预置位对应的检测区域内的风电场环境及设备进行检测；所述巡检计划包括一个或多个巡检任务，所述巡检任务包括巡检时间、巡检周期以及需要巡检的预置位；
按照所述巡检时间和巡检周期，控制相应的摄像头，在需要巡检的预置位拍摄图像；
利用需要巡检的预置位对应的巡检模型，对所述图像进行检测，得到检测结果。
进一步地，所述方法还包括：一个巡检计划中所有巡检任务都执行完毕后，根据所述巡检任务的检测结果，生成巡检报告。
进一步地，所述方法还包括：根据所述检测结果，判断风电场环境或者设备的参数是否在正常范围内；
如果风电场环境或者设备的参数不在正常范围内，发出告警信息。
进一步地，利用需要巡检的预置位对应的巡检模型，对所述图像进行检测，得到检测结果，包括：
所述巡检模型为设备缺陷巡检模型的情况下，通过所述设备缺陷巡检模型对图像进行识别，检测预设范围内是否存在目标零件；
如果预设范围内不存在目标零件；
输出缺陷为所述目标零件缺失。
进一步地，利用需要巡检的预置位对应的巡检模型，对所述图像进行检测，得到检测结果，包括：
所述巡检模型为指针表巡检模型的情况下，通过所述指针表巡检模型对图像进行识别，得出指针角度；
根据所述指针角度以及预先配置的指针表的最大值刻度、最小值刻度以及指针位置，计算指针表读数。
进一步地，利用需要巡检的预置位对应的巡检模型，对所述图像进行检测，得到检测结果，包括：
所述巡检模型为状态识别巡检模型的情况下，通过所述状态识别巡检模型对图像进行识别，判断状态检测目标是否处于预设的正常状态。
进一步地，利用需要巡检的预置位对应的巡检模型，对所述图像进行检测，得到检测结果，包括：
所述巡检模型为实时数值巡检模型的情况下，通过所述实时数值巡检模型对图像进行识别，判断实时数值检测目标是否处于预设的正常数值范围内。
第二方面，本发明提供一种基于视觉的风电场站自动巡检装置，包括：
启动单元，用于响应于预设的巡检计划的执行时间，启动巡检计划；其中，风电场的各检测需求点分别安装有摄像头，所述摄像头配置有预置位，所述预置位配置有对应的巡检模型，所述巡检模型用于对所述预置位对应的检测区域内的风电场环境及设备进行检测；所述巡检计划包括一个或多个巡检任务，所述巡检任务包括巡检时间、巡检周期以及需要巡检的预置位；
控制单元，用于按照所述巡检时间和巡检周期，控制相应的摄像头，在需要巡检的预置位拍摄图像；
检测单元，用于利用需要巡检的预置位对应的巡检模型，对所述图像进行检测，得到检测结果。
本发明的有益效果如下：本发明提供的一种基于视觉的风电场站自动巡检方法及装置，通过在风电场的各检测需求点分别安装摄像头，对摄像头配置预置位，对预置位配置对应的巡检模型，巡检模型可用于对预置位对应的检测区域内的风电场环境及设备进行检测；并配置巡检计划，巡检计划包括一个或多个巡检任务，巡检任务包括巡检时间、巡检周期以及需要巡检的预置位；响应于预设的巡检计划的执行时间，启动巡检计划；按照巡检时间和巡检周期，控制相应的摄像头，在需要巡检的预置位拍摄图像；利用需要巡检的预置位对应的巡检模型，对图像进行检测，得到检测结果；本发明可根据风电场内环境或者设备的检测类型的不同，通过各自的巡检模型进行计算，进而对检测区域的目标给出检测结果，从而达到风电场站内替代人工进行巡检的目的，显著提升风电场巡检效率。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为本发明实施例提供的基于视觉的风电场站自动巡检方法流程图；
图2为本发明实施例提供的基于视觉的风电场站自动巡检系统示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例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。以下结合附图，详细说明本发明各实施例提供的技术方案。
请参阅图1，本发明提供一种基于视觉的风电场站自动巡检方法，包括：
S101，响应于预设的巡检计划的执行时间，启动巡检计划。其中，风电场的各检测需求点分别安装有摄像头，所述摄像头配置有预置位，所述预置位配置有对应的巡检模型，所述巡检模型用于对所述预置位对应的检测区域内的风电场环境及设备进行检测。所述巡检计划包括一个或多个巡检任务，所述巡检任务包括巡检时间、巡检周期以及需要巡检的预置位。
具体地，可以根据巡检需求，在风电场的各检测需求点分别安装摄像头，为每个摄像头配置预置位，以及预置位对应的巡检模型。可根据检测区域内的风电场环境及设备的不同，设置不同类型的巡检模型。例如：设备缺陷巡检模型、指针表巡检模型、状态识别巡检模型以及实时数值巡检模型等。
可通过采集风电场内设备与环境在各种状态下的大量图像数据，经模型训练，对图像进行区域扫描、分割、特征识别、输出分类或结果，从而实现对风电场内设备环境的缺陷等信息分析。
S102，按照所述巡检时间和巡检周期，控制相应的摄像头，在需要巡检的预置位拍摄图像。
S103，利用需要巡检的预置位对应的巡检模型，对所述图像进行检测，得到检测结果。
在本实施例中，所述方法还包括：一个巡检计划中所有巡检任务都执行完毕后，根据所述巡检任务的检测结果，生成巡检报告。通过自动对风电场内环境及设备进行巡检，将巡检计划中各个巡检任务的检测结果自动汇总生成巡检报告，相比于传统人工统计方式，显著提升了效率。
在本实施例中，可配备有告警功能，对一些有特定需要的关键设备及环境参数，摄像机可以按一定的频率进行抓图并经模型检测，若有异常则进行广播、短信等告警。例如，所述方法还包括：根据所述检测结果，判断风电场环境或者设备的参数是否在正常范围内。如果风电场环境或者设备的参数不在正常范围内，发出告警信息。
在本实施例中，利用需要巡检的预置位对应的巡检模型，对所述图像进行检测，得到检测结果，可以根据不同的检测类型分为不同的情况。
所述巡检模型为设备缺陷巡检模型的情况下，通过所述设备缺陷巡检模型对图像进行识别，检测预设范围内是否存在目标零件。如果预设范围内不存在目标零件。输出缺陷为所述目标零件缺失。该方式为一种反向设备缺陷识别的策略方案。
所述巡检模型为指针表巡检模型的情况下，通过所述指针表巡检模型对图像进行识别，得出指针角度。根据所述指针角度以及预先配置的指针表的最大值刻度、最小值刻度以及指针位置，计算指针表读数。
所述巡检模型为状态识别巡检模型的情况下，通过所述状态识别巡检模型对图像进行识别，判断状态检测目标是否处于预设的正常状态。例如，可以指定正常状态，如指示灯亮为正常状态或灭为正常状态。
所述巡检模型为实时数值巡检模型的情况下，通过所述实时数值巡检模型对图像进行识别，判断实时数值检测目标是否处于预设的正常数值范围内。例如，温度在0至70℃为正常，温度异常则可通过显示界面突出显示，也可配置告警。
本发明还可设置具有图像采集装置的机器人，在摄像机与机器人获取图像数据的基础上，基于本发明的基于视觉的风电场站自动巡检方法，能够集电力设备缺陷识别、开关柜等状态的识别、表计读数、红外测温、配置巡检任务、告警等功能于一体，解决人工识别缺陷的效率低下和准确性低的问题，实现风电场的自动巡检功能。
请参阅图2，本发明提供一种基于视觉的风电场站自动巡检装置，包括：
启动单元21，用于响应于预设的巡检计划的执行时间，启动巡检计划。其中，风电场的各检测需求点分别安装有摄像头，所述摄像头配置有预置位，所述预置位配置有对应的巡检模型，所述巡检模型用于对所述预置位对应的检测区域内的风电场环境及设备进行检测。所述巡检计划包括一个或多个巡检任务，所述巡检任务包括巡检时间、巡检周期以及需要巡检的预置位。
控制单元22，用于按照所述巡检时间和巡检周期，控制相应的摄像头，在需要巡检的预置位拍摄图像。
检测单元23，用于利用需要巡检的预置位对应的巡检模型，对所述图像进行检测，得到检测结果。
本发明实施例还提供一种存储介质，本发明实施例还提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现本发明提供的基于视觉的风电场站自动巡检方法各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文：Read-OnlyMemory，简称：ROM)或随机存储记忆体(英文：RandomAccessMemory，简称：RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于基于视觉的风电场站自动巡检装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例中的说明即可。
以上所述的本发明实施方式并不构成对本发明保护范围的限定。
Claims (8)
1.一种基于视觉的风电场站自动巡检方法，其特征在于，包括：
响应于预设的巡检计划的执行时间，启动巡检计划；其中，风电场的各检测需求点分别安装有摄像头，所述摄像头配置有预置位，所述预置位配置有对应的巡检模型，所述巡检模型用于对所述预置位对应的检测区域内的风电场环境及设备进行检测；所述巡检计划包括一个或多个巡检任务，所述巡检任务包括巡检时间、巡检周期以及需要巡检的预置位；
按照所述巡检时间和巡检周期，控制相应的摄像头，在需要巡检的预置位拍摄图像；
利用需要巡检的预置位对应的巡检模型，对所述图像进行检测，得到检测结果。
2.如权利要求1所述的基于视觉的风电场站自动巡检方法，其特征在于，还包括：
一个巡检计划中所有巡检任务都执行完毕后，根据所述巡检任务的检测结果，生成巡检报告。
3.如权利要求1所述的基于视觉的风电场站自动巡检方法，其特征在于，还包括：
根据所述检测结果，判断风电场环境或者设备的参数是否在正常范围内；
如果风电场环境或者设备的参数不在正常范围内，发出告警信息。
4.如权利要求1所述的基于视觉的风电场站自动巡检方法，其特征在于，利用需要巡检的预置位对应的巡检模型，对所述图像进行检测，得到检测结果，包括：
所述巡检模型为设备缺陷巡检模型的情况下，通过所述设备缺陷巡检模型对图像进行识别，检测预设范围内是否存在目标零件；
如果预设范围内不存在目标零件；
输出缺陷为所述目标零件缺失。
5.如权利要求1所述的基于视觉的风电场站自动巡检方法，其特征在于，利用需要巡检的预置位对应的巡检模型，对所述图像进行检测，得到检测结果，包括：
所述巡检模型为指针表巡检模型的情况下，通过所述指针表巡检模型对图像进行识别，得出指针角度；
根据所述指针角度以及预先配置的指针表的最大值刻度、最小值刻度以及指针位置，计算指针表读数。
6.如权利要求1所述的基于视觉的风电场站自动巡检方法，其特征在于，利用需要巡检的预置位对应的巡检模型，对所述图像进行检测，得到检测结果，包括：
所述巡检模型为状态识别巡检模型的情况下，通过所述状态识别巡检模型对图像进行识别，判断状态检测目标是否处于预设的正常状态。
7.如权利要求1所述的基于视觉的风电场站自动巡检方法，其特征在于，利用需要巡检的预置位对应的巡检模型，对所述图像进行检测，得到检测结果，包括：
所述巡检模型为实时数值巡检模型的情况下，通过所述实时数值巡检模型对图像进行识别，判断实时数值检测目标是否处于预设的正常数值范围内。
8.一种基于视觉的风电场站自动巡检装置，其特征在于，包括：
启动单元，用于响应于预设的巡检计划的执行时间，启动巡检计划；其中，风电场的各检测需求点分别安装有摄像头，所述摄像头配置有预置位，所述预置位配置有对应的巡检模型，所述巡检模型用于对所述预置位对应的检测区域内的风电场环境及设备进行检测；所述巡检计划包括一个或多个巡检任务，所述巡检任务包括巡检时间、巡检周期以及需要巡检的预置位；
控制单元，用于按照所述巡检时间和巡检周期，控制相应的摄像头，在需要巡检的预置位拍摄图像；
检测单元，用于利用需要巡检的预置位对应的巡检模型，对所述图像进行检测，得到检测结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211276374.7A CN115700644A (zh) | 2022-10-18 | 2022-10-18 | 基于视觉的风电场站自动巡检方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211276374.7A CN115700644A (zh) | 2022-10-18 | 2022-10-18 | 基于视觉的风电场站自动巡检方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115700644A true CN115700644A (zh) | 2023-02-07 |
Family
ID=85121061
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211276374.7A Pending CN115700644A (zh) | 2022-10-18 | 2022-10-18 | 基于视觉的风电场站自动巡检方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115700644A (zh) |
-
2022
- 2022-10-18 CN CN202211276374.7A patent/CN115700644A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106302798A (zh) | 一种变电站巡检通讯系统 | |
| CN101834989B (zh) | 直升机电力巡检实时数据采集存储系统 | |
| CN111190065A (zh) | 一种电力设备非接触式的在线监测系统 | |
| CN112083000B (zh) | 一种变电站设备外观缺陷的智能识别方法及系统 | |
| CN116054417B (zh) | 一种变电站用的监控系统及方法 | |
| CN112802004B (zh) | 便携式输电线路和杆塔健康智能视频检测装置 | |
| CN105245855A (zh) | 一种直升机智能巡检的终端及方法 | |
| CN112688434A (zh) | 输配电线路的监测预警方法、装置、计算机设备和介质 | |
| CN111127445A (zh) | 基于深度学习的配网线路高温区域检测方法与系统 | |
| CN111899211A (zh) | 基于图像和气味的变压器漏油故障检测系统及方法 | |
| CN205846861U (zh) | 一种500千伏变电站通信设备智能定期巡检系统 | |
| CN114025148A (zh) | 一种监测方法和监测系统 | |
| CN112326039B (zh) | 一种光伏电站巡检辅助系统 | |
| CN113591574A (zh) | 一种基于激光雷达的输电线路巡检方法及装置 | |
| CN113776670A (zh) | 一种基于红外图像的电力设备监测系统及方法 | |
| CN113065540A (zh) | 一种基于机巡图像的输电线路元件失效识别方法及系统 | |
| CN117630912A (zh) | 一种输电线路通道隐患目标发现识别系统和方法 | |
| CN111812457A (zh) | 输电线路及杆塔设备动、静态特征全覆盖故障评估模型 | |
| CN115700644A (zh) | 基于视觉的风电场站自动巡检方法及装置 | |
| CN116631087A (zh) | 一种基于无人机的电力巡检系统 | |
| CN114882682B (zh) | 一种高压线缆状态监测平台及监测方法 | |
| CN116363397A (zh) | 设备故障排查方法、装置及巡检系统 | |
| CN107194923B (zh) | 一种用于接触网电力设备缺陷巡检的紫外图像诊断方法 | |
| CN115187880A (zh) | 基于图像识别的通信光缆缺陷检测方法、系统及存储介质 | |
| CN213152220U (zh) | 一种槽式光热电站全天候监控系统 |
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 |