CN116046797B - 一种发电机膛内视觉检测系统及方法 - Google Patents
一种发电机膛内视觉检测系统及方法 Download PDFInfo
- Publication number
- CN116046797B CN116046797B CN202310021098.8A CN202310021098A CN116046797B CN 116046797 B CN116046797 B CN 116046797B CN 202310021098 A CN202310021098 A CN 202310021098A CN 116046797 B CN116046797 B CN 116046797B
- Authority
- CN
- China
- Prior art keywords
- unit
- detection
- motion
- camera
- visual
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000011179 visual inspection Methods 0.000 title claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000007689 inspection Methods 0.000 claims abstract description 13
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims description 142
- 230000000007 visual effect Effects 0.000 claims description 69
- 230000007246 mechanism Effects 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 13
- 238000013136 deep learning model Methods 0.000 claims description 9
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 230000006872 improvement Effects 0.000 claims description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 3
- 229910052802 copper Inorganic materials 0.000 claims description 3
- 239000010949 copper Substances 0.000 claims description 3
- 230000009193 crawling Effects 0.000 claims description 3
- 239000011347 resin Substances 0.000 claims description 2
- 229920005989 resin Polymers 0.000 claims description 2
- 239000010802 sludge Substances 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 13
- 238000013135 deep learning Methods 0.000 abstract description 8
- 206010063385 Intellectualisation Diseases 0.000 abstract description 3
- 230000009194 climbing Effects 0.000 abstract description 3
- 239000000428 dust Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000001502 supplementing effect Effects 0.000 description 3
- 239000011324 bead Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G01N21/94—Investigating contamination, e.g. dust
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/8806—Specially adapted optical and illumination features
-
- 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
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
-
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/8901—Optical details; Scanning details
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
-
- 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
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N2021/8909—Scan signal processing specially adapted for inspection of running sheets
Landscapes
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Textile Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Manufacture Of Motors, Generators (AREA)
Abstract
本发明涉及视觉检测技术领域,更具体地,涉及一种发电机膛内视觉检测系统及方法,使用搭载多个摄像头的爬转子运动单元进入发电机膛内,采用可调节亮度的光源和高清晰度摄像头代替人眼对发电机膛内进行成像,数据更加客观清晰,且能长期保存,采用深度学习技术进行识别通风孔异物,检查过程和检查结果一致性好,可减少因人工误操作带来的影响,采用视觉检测和深度学习的方式代替人工去检测,实现发电机检修的自动化和智能化,相比原有人工抽转子方式可节省50%以上的检修工期,大大提高了检修效率,并降低了检修过程中的损失和风险。
Description
技术领域
本发明涉及视觉检测技术领域,更具体地,涉及一种发电机膛内视觉检测系统及方法。
背景技术
发电机运行过程中,灰尘、铜屑、绝缘材料、紧固件等有可能脱落导致转子线圈通风孔的堵塞,轻则影响发电机效率,重则容易引起转子铁芯热量聚集而发生烧蚀引起发电机停机造成较大损失。采用人工抽转子检测方式不仅存在成本高、检测效率低、安全隐患大、二次损伤的问题,而且容易受到操作人员主观因素的影响,发生漏检或者错检,不能保证检测的效率和精度。
发明内容
为了更好的解决上述问题,本发明提供一种发电机膛内视觉检测系统及方法。
具体地,本发明提供一种发电机膛内视觉检测系统,包括:
控制单元、运动单元、视觉检测单元;
控制单元与运动单元进行电连接,用于控制运动单元运动;
视觉检测单元置于运动单元上,跟随运动单元的运动进行视觉检测。
进一步地,控制单元通过线缆与运动单元相连,通过遥控器、触摸屏或者上位机软件控制运动单元运动。
进一步地,运动单元运动是指运动单元在发电机膛内沿转子轴向爬行。
进一步地,运动单元包括运动机构和照明机构,分别用于实现运动单元的运动和实现通风孔底部区域整体亮度的提高。
进一步地,运动单元还包括检测支架升降机构、定子检测模块,可同时实现定子铁芯ELCID检测、定子槽楔松动检测等检查项目。
进一步地,运动单元上部安装红色激光灯,用于代表运动单元的状态,还安装有距离传感器,用于实现是否有挡风板的检测。
进一步地,视觉检测单元包括目视检测单元、运动偏差校准单元、转子通风孔异物检测单元。
进一步地,目视检测单元包括检测运动单元的行进视野的摄像头一、检测定子检测模块的运行状态同时观察定子的表面状态的摄像头二。
进一步地,运动偏差校准单元包括采集发电机膛内顶部定子铁芯与定子槽楔的图像的摄像头三。
进一步地,转子通风孔异物检测单元包括获取通风孔的实时位置的摄像头四、通风孔内部异物图像的摄像头五、深度学习模型。
具体地,本发明还提供一种发电机膛内视觉检测方法,包括如下步骤:
S1.投放运动单元到发电机膛内;
S2.设置运动单元参数和视觉检测单元参数;
S3.启动运动单元和视觉检测单元,运动机构带动运动单元开始运动;
转子通风孔异物检测单元的摄像头四获取图像并传输到图像处理装置,经模型分析获取槽楔通风孔的实时位置,同时转子通风孔异物检测单元的摄像头五获取通风孔底部状态图像,传输至图像处理单元,识别出转子通风孔内部异物的类型。
进一步地,所述S3中,运动偏差校准单元摄像头三获取视野图像,经过图像灰度化、滤波、边缘检测和Hough直线检测提取缝隙信息,计算直线的斜率从而得到偏移角度,判别运动单元行进状态是否偏移既定路线,执行运动偏差校准程序,运动单元进行纠偏动作,继续前进;
进一步地,所述S3中,目视检测单元的摄像头一获取运动单元的行进视野,目视检测单元的摄像头二用于观察定子检测模块的运行状态同时观察定子的表面状态,在此过程中采用照明机构设置合适的补光亮度。
进一步地,在视觉检测过程中上位机实时显示检测视频和相应识别结果、记录运行数据。
进一步的,所述视觉检测方法还包括,
S4.在遇到挡风板时,先降下定子检测模块,通过后再升起定子检测模块。
进一步的,所述视觉检测方法还包括,
S5.在完成一条槽楔的检测后,运动单元以前进速度的两倍速度返回,完成一个检测周期;
S6.运动单元周向转动一定角度后,重复S3、S4;在完成所有检测周期后,从发电机膛内移出运动单元,完成检测。
本发明的有益效果:
本发明提供一种发电机膛内视觉检测系统及方法,使用搭载多个摄像头的爬转子运动单元进入发电机膛内,采用可调节亮度的光源和高清晰度摄像头代替人眼对发电机膛内进行成像,数据更加客观清晰,且能长期保存,采用深度学习技术进行识别通风孔异物,检查过程和检查结果一致性好,可减少因人工误操作带来的影响,采用视觉检测和深度学习的方式代替人工去检测,实现发电机检修的自动化和智能化,相比原有人工抽转子方式可节省50%以上的检修工期,大大提高了检修效率,并降低了检修过程中的损失和风险。
附图说明
图1为本发明实施例的视觉检测方法流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征,也即包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个、三个等,除非另有明确具体的限定。当某个特征“包括或者包含”某个或某些其涵盖的特征时,除非另外特别地描述,这指示不排除其它特征和可以进一步包括其它特征。
除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”、“固定”、“耦合”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。本领域的普通技术人员,应该可以根据具体情况理解上述术语在本发明中的具体含义。
此外,在本实施例的描述中,第一特征在第二特征“之上”或“之下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。也即在本实施例的描述中,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”、或“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本实施例的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
本发明提供一种发电机膛内视觉检测系统及方法,具有如下优势:
1.突破了原有人工检修方式的限制,以转子爬行的运动单元为载体,以视觉检测和深度学习为主要手段,并集成原来的定子铁芯ELCID检测、定子槽楔松动检测,有效完成了发电机膛内定转子检查和故障智能诊断任务;
2.采用可调节亮度的照明机构和高清晰度摄像头代替人眼对发电机膛内进行成像,数据更加客观清晰,且能长期保存,采用深度学习技术进行识别通风孔异物,检查过程和检查结果一致性好,可减少因人工误操作带来的影响;
3.采用激光线辅助和基于传统的阈值分割等图像处理技术实现了运动单元运行过程中的偏移量实时检测,保证了运动模单元运动状态的稳定,提高了产品的可靠性。
4.相比原有人工抽转子方式可节省50%以上的检修工期,大大提高了检修效率,并降低了检修过程中的损失和风险。
实施例1
本实施例提供一种发电机膛内视觉检测系统,包括:
控制单元、运动单元、视觉检测单元;
控制单元与运动单元进行电连接,用于控制运动单元运动;所述控制单元通过线缆与运动单元相连,通过遥控器、触摸屏或者上位机软件控制运动单元在发电机膛内沿转子轴向爬行;运动单元包括运动机构和照明机构,分别用于实现运动单元的运动和实现通风孔底部区域整体亮度的提高;
视觉检测单元置于运动单元上,跟随运动单元的运动进行视觉检测;视觉检测单元包括目视检测单元、运动偏差校准单元、转子通风孔异物检测单元;目视检测单元包括检测运动单元的行进视野的摄像头一、检测定子检测模块的运行状态同时观察定子的表面状态的摄像头二;运动偏差校准单元包括采集发电机膛内顶部定子铁芯与定子槽楔的图像的摄像头三;转子通风孔异物检测单元包括获取通风孔的实时位置的摄像头四、通风孔内部异物图像的摄像头五、深度学习模型。
本实施例还提供一种发电机膛内视觉检测方法,采用上述视觉检测系统,包括如下步骤:
S1.投放运动单元到发电机膛内;
S2.设置运动单元参数和视觉检测单元参数;
S3.启动运动单元和视觉检测单元,运动机构带动运动单元开始运动;
转子通风孔异物检测单元的摄像头四获取图像并传输到图像处理装置,经模型分析获取槽楔通风孔的实时位置,同时转子通风孔异物检测单元的摄像头五获取通风孔底部状态图像,传输至图像处理单元,识别出转子通风孔内部异物的类型。目视检测单元的摄像头一获取运动单元的行进视野,目视检测单元的摄像头二用于观察定子检测模块的运行状态同时观察定子的表面状态,在此过程中采用照明机构设置合适的补光亮度。
实施例2
本实施例提供一种发电机膛内视觉检测系统,包括:
控制单元、运动单元、视觉检测单元;
控制单元与运动单元进行电连接,用于控制运动单元运动;所述控制单元通过线缆与运动单元相连,通过遥控器、触摸屏或者上位机软件控制运动单元在发电机膛内沿转子轴向爬行;运动单元包括运动机构和照明机构,分别用于实现运动单元的运动和实现通风孔底部区域整体亮度的提高;运动单元还包括检测支架升降机构、定子检测模块,可同时实现定子铁芯ELCID检测、定子槽楔松动检测等检查项目。
视觉检测单元包括目视检测单元、运动偏差校准单元、转子通风孔异物检测单元;目视检测单元包括检测运动单元的行进视野的摄像头一、检测定子检测模块的运行状态同时观察定子的表面状态的摄像头二;运动偏差校准单元包括采集发电机膛内顶部定子铁芯与定子槽楔的图像的摄像头三;转子通风孔异物检测单元包括获取通风孔的实时位置的摄像头四、通风孔内部异物图像的摄像头五、深度学习模型。
本发明另一个实施例提供一种发电机膛内视觉检测方法,采用上述视觉检测系统,包括如下步骤:
S1.投放运动单元到发电机膛内;
S2.设置运动单元参数和视觉检测单元参数;
S3.启动运动单元和视觉检测单元,运动机构带动运动单元开始运动;
转子通风孔异物检测单元的摄像头四获取图像并传输到图像处理装置,经模型分析获取槽楔通风孔的实时位置,同时转子通风孔异物检测单元的摄像头五获取通风孔底部状态图像,传输至图像处理单元,识别出转子通风孔内部异物的类型。运动偏差校准单元摄像头三获取视野图像,经过图像灰度化、滤波、边缘检测和Hough直线检测提取缝隙信息,计算直线的斜率从而得到偏移角度,判别运动单元行进状态是否偏移既定路线,执行运动偏差校准程序,运动单元进行纠偏动作,继续前进。目视检测单元的摄像头一获取运动单元的行进视野,目视检测单元的摄像头二用于观察定子检测模块的运行状态同时观察定子的表面状态,在此过程中采用照明机构设置合适的补光亮度。
实施例3
本实施例提供一种发电机膛内视觉检测系统,包括:
控制单元、运动单元、视觉检测单元;本实施例中运动单元为机器人;
控制单元与运动单元进行电连接,用于控制运动单元运动;所述控制单元通过线缆与运动单元相连,同时控制单元与电脑通过USB或者以太网总线相连,控制单元留有遥控器接口,可通过遥控器、触摸屏或者上位机软件控制运动单元在发电机膛内沿转子轴向爬行;运动单元包括运动机构、照明机构,分别用于实现运动单元的运动、实现通风孔底部区域整体亮度的提高;由于通风孔直径仅16mm,摄像头的镜头部分直径为12mm,留给照明机构的位置非常小,本实施例视觉检测系统的照明机构包括12颗白色0402型(1mm×0.5mm)LED灯珠并联,整体呈方型排列,外部直径15mm,内部边长8mm,套装在摄像头四、摄像头五外围,保证在检测过程中有两颗以上可以正对通风孔,此外还增加了一套光源亮度调整硬件设备,控制通过LED灯珠的电流调整亮度等级,根据亮度的大小将其分为四个等级;考虑到发电机长期运行过程中,可能存在灰尘或油脂积累,表面失去光泽,运动单元上部安装小型红色激光灯,用于代表运动单元的状态,还安装有距离传感器,用于实现是否有挡风板的检测;运动单元还包括检测支架升降机构、定子检测模块,可同时实现定子铁芯ELCID检测、定子槽楔松动检测等检查项目。
视觉检测单元包括目视检测单元、运动偏差校准单元、转子通风孔异物检测单元;目视检测单元包括检测运动单元的行进视野的摄像头一(包括运动单元的行进视野的前方和后方的摄像头一A和摄像头一B)、检测定子检测模块的运行状态同时观察定子的表面状态的摄像头二,结合摄像头的画面,可完成对于定子外表面的整体观测,观察定转子是否有划痕、蚀锈等问题,可通过上位机人工标记记录故障点,手动保存图像的文件包含有对应的时间、槽楔号、运动距离等值,便于后续离线分析定位;运动偏差校准单元包括采集发电机膛内顶部定子铁芯与定子槽楔的图像的摄像头三,通过图像灰度化、滤波、边缘检测和Hough直线检测提取定子铁芯与定子槽楔之间的缝隙信息,计算直线的斜率从而得到偏移角度;通过摄像头三监测激光光线的斜率计算偏移角度,将两种计算方式结合,相互验证,提高可靠性;初始位置红色激光线与定子缝隙线相互垂直,运行过程中,红色激光相对于摄像头的位置不会发生改变,可以作为参考基准,判断黑色分界线相对于基准的偏角;在偏差较大时,通过界面指示灯闪烁和PC机扬声器蜂鸣提示操作人员,手动确认;转子通风孔异物检测单元包括获取通风孔的实时位置的摄像头四、通风孔内部异物图像的摄像头五、深度学习模型;通过运动单元在发电机膛内爬行作业,获取定焦摄像头四采集的图像,并对获取到的图像进行处理,送入基于Adaboost和改进的Mobile-Unet技术的深度学习模型,获取槽楔通风孔的实时位置,同时使用自动对焦像头五对转子通风孔进行整体观测,采集通风孔内部异物图像,将含有通风孔异物图像的数据送入已经训练好的MobilenetV3-YOLOv4深度学习模型,对每幅图像进行检测并判断通风孔内异物的类型,上位机显示输出结果,异物类型包括铜屑、紧固件、绝缘胶带、油泥、树脂,在识别到异物时,通过界面指示灯闪烁和PC机扬声器蜂鸣提示。
如图1所示,本发明另一个实施例提供一种发电机膛内视觉检测方法,采用上述视觉检测系统,包括如下步骤:
S1.启动检测软件,投放运动单元到发电机膛内;
S2.设置运动单元参数和视觉检测单元参数;启动发电机膛内视觉检测系统软件,设置待检测的发电机型号、运动单元的控制模式、运动速度、运动距离和检测摄像头的帧率、分辨率、曝光时间等;
S3.启动运动单元和视觉检测单元,运动机构带动运动单元开始运动;
转子通风孔异物检测单元的摄像头四获取图像并传输到图像处理装置,经模型分析获取槽楔通风孔的实时位置,同时转子通风孔异物检测单元的摄像头五获取通风孔底部状态图像,传输至图像处理单元,识别出转子通风孔内部异物的类型;运动偏差校准单元摄像头三获取视野图像,经过图像灰度化、滤波、边缘检测和Hough直线检测提取缝隙信息,计算直线的斜率从而得到偏移角度,判别运动单元行进状态是否偏移既定路线,执行运动偏差校准程序,运动单元进行纠偏动作,继续前进;目视检测单元的摄像头一获取运动单元的行进视野,目视检测单元的摄像头二用于观察定子检测模块的运行状态同时观察定子的表面状态,在此过程中采用照明机构设置合适的补光亮度;在视觉检测过程中上位机实时显示检测视频和相应识别结果、记录运行数据。
S4.在遇到挡风板时,运动单元上的距离传感器识别到障碍物,先降下定子检测模块,通过后再升起定子检测模块,此过程可由摄像头二直观观测到;
S5.在完成一条槽楔的检测后,运动单元以前进速度的两倍速度返回,完成一个检测周期;
S6.运动单元周向转动一定角度后,重复S3、S4;在完成所有检测周期后,从发电机膛内移出运动单元,保存运行数据,推出检测软件,完成检测。
本发明使用搭载多个摄像头的爬转子运动单元进入发电机膛内,采用可调节亮度的光源和高清晰度摄像头代替人眼对发电机膛内进行成像,数据更加客观清晰,且能长期保存,采用深度学习技术进行识别通风孔异物,检查过程和检查结果一致性好,可减少因人工误操作带来的影响,采用视觉检测和深度学习的方式代替人工去检测,实现发电机检修的自动化和智能化,相比原有人工抽转子方式可节省50%以上的检修工期,大大提高了检修效率,并降低了检修过程中的损失和风险。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。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,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种发电机膛内视觉检测系统,其特征在于,包括:
控制单元、运动单元、视觉检测单元;
控制单元与运动单元进行电连接,用于控制运动单元运动,运动单元运动是指运动单元在发电机膛内沿转子轴向爬行;
视觉检测单元置于运动单元上,跟随运动单元的运动进行视觉检测;
运动单元包括运动机构和照明机构,分别用于实现运动单元的运动和实现通风孔底部区域整体亮度的提高;运动单元还包括检测支架升降机构、定子检测模块,可同时实现定子铁芯ELCID检测、定子槽楔松动检测检查项目;
视觉检测单元包括目视检测单元、运动偏差校准单元、转子通风孔异物检测单元;转子通风孔异物检测单元包括获取通风孔的实时位置的摄像头四、通风孔内部异物图像的摄像头五、深度学习模型,通过运动单元在发电机膛内爬行作业,获取定焦摄像头四采集的图像,并对获取到的图像进行处理,送入基于Adaboost和改进的Mobile-Unet技术的深度学习模型,获取槽楔通风孔的实时位置,同时使用自动对焦像头五对转子通风孔进行整体观测,采集通风孔内部异物图像,将含有通风孔异物图像的数据送入已经训练好的MobilenetV3-YOLOv4深度学习模型,对每幅图像进行检测并判断通风孔内异物的类型,上位机显示输出结果,异物类型包括铜屑、紧固件、绝缘胶带、油泥、树脂,在识别到异物时,通过界面指示灯闪烁和PC机扬声器蜂鸣提示;目视检测单元包括检测运动单元的行进视野的摄像头一、检测定子检测模块的运行状态同时观察定子的表面状态的摄像头二;运动偏差校准单元包括采集发电机膛内顶部定子铁芯与定子槽楔的图像的摄像头三,运动偏差校准单元摄像头三获取视野图像,经过图像灰度化、滤波、边缘检测和Hough直线检测提取缝隙信息,计算直线的斜率从而得到偏移角度,判别运动单元行进状态是否偏移既定路线,执行运动偏差校准程序,运动单元进行纠偏动作,继续前进。
2.根据权利要求1所述的视觉检测系统,其特征在于,控制单元通过线缆与运动单元相连,通过遥控器、触摸屏或者上位机软件控制运动单元运动。
3.根据权利要求1所述的视觉检测系统,其特征在于,运动单元上部安装红色激光灯,用于代表运动单元的状态,还安装有距离传感器,用于实现是否有挡风板的检测。
4.一种发电机膛内视觉检测方法,其特征在于,采用权利要求1-3任一项所述的视觉检测系统,包括如下步骤:
S1.投放运动单元到发电机膛内;
S2.设置运动单元参数和视觉检测单元参数;
S3.启动运动单元和视觉检测单元,运动机构带动运动单元开始运动;
转子通风孔异物检测单元的摄像头四获取图像并传输到图像处理装置,经模型分析获取槽楔通风孔的实时位置,同时转子通风孔异物检测单元的摄像头五获取通风孔底部状态图像,传输至图像处理单元,识别出转子通风孔内部异物的类型。
5.根据权利要求4所述的视觉检测方法,其特征在于,所述S3中,运动偏差校准单元摄像头三获取视野图像,经过图像灰度化、滤波、边缘检测和Hough直线检测提取缝隙信息,计算直线的斜率从而得到偏移角度,判别运动单元行进状态是否偏移既定路线,执行运动偏差校准程序,运动单元进行纠偏动作,继续前进。
6.根据权利要求4所述的视觉检测方法,其特征在于,所述S3中,目视检测单元的摄像头一获取运动单元的行进视野,目视检测单元的摄像头二用于观察定子检测模块的运行状态同时观察定子的表面状态,在此过程中采用照明机构设置合适的补光亮度。
7.根据权利要求4所述的视觉检测方法,其特征在于,所述视觉检测方法还包括,
S4.在遇到挡风板时,先降下定子检测模块,通过后再升起定子检测模块。
8.根据权利要求7所述的视觉检测方法,其特征在于,所述视觉检测方法还包括,
S5.在完成一条槽楔的检测后,运动单元以前进速度的两倍速度返回,完成一个检测周期;
S6.运动单元周向转动一定角度后,重复S3、S4;在完成所有检测周期后,从发电机膛内移出运动单元,完成检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310021098.8A CN116046797B (zh) | 2023-01-06 | 2023-01-06 | 一种发电机膛内视觉检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310021098.8A CN116046797B (zh) | 2023-01-06 | 2023-01-06 | 一种发电机膛内视觉检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116046797A CN116046797A (zh) | 2023-05-02 |
CN116046797B true CN116046797B (zh) | 2024-01-02 |
Family
ID=86130910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310021098.8A Active CN116046797B (zh) | 2023-01-06 | 2023-01-06 | 一种发电机膛内视觉检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116046797B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109640046A (zh) * | 2018-12-21 | 2019-04-16 | 上海电气电站设备有限公司 | 应用于定子膛内检测爬壁机器人的摄像及传感器安装模块 |
CN115097300A (zh) * | 2022-06-02 | 2022-09-23 | 核电运行研究(上海)有限公司 | 通用型汽轮发电机免抽转子气隙内状态检测机器人及方法 |
CN115170829A (zh) * | 2022-08-03 | 2022-10-11 | 无锡中车时代智能装备研究院有限公司 | 发电机转子通风孔异物监控识别系统及方法 |
CN115471501A (zh) * | 2022-10-31 | 2022-12-13 | 长江勘测规划设计研究有限责任公司 | 利用机器视觉在线识别发电机气隙分布状态的方法及系统 |
WO2022259380A1 (ja) * | 2021-06-08 | 2022-12-15 | 三菱電機株式会社 | 点検支援装置、点検支援システム、点検支援方法および点検支援プログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8275558B2 (en) * | 2010-01-28 | 2012-09-25 | General Electric Company | Visual inspection-based generator retention assembly tightness detection |
-
2023
- 2023-01-06 CN CN202310021098.8A patent/CN116046797B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109640046A (zh) * | 2018-12-21 | 2019-04-16 | 上海电气电站设备有限公司 | 应用于定子膛内检测爬壁机器人的摄像及传感器安装模块 |
WO2022259380A1 (ja) * | 2021-06-08 | 2022-12-15 | 三菱電機株式会社 | 点検支援装置、点検支援システム、点検支援方法および点検支援プログラム |
CN115097300A (zh) * | 2022-06-02 | 2022-09-23 | 核电运行研究(上海)有限公司 | 通用型汽轮发电机免抽转子气隙内状态检测机器人及方法 |
CN115170829A (zh) * | 2022-08-03 | 2022-10-11 | 无锡中车时代智能装备研究院有限公司 | 发电机转子通风孔异物监控识别系统及方法 |
CN115471501A (zh) * | 2022-10-31 | 2022-12-13 | 长江勘测规划设计研究有限责任公司 | 利用机器视觉在线识别发电机气隙分布状态的方法及系统 |
Non-Patent Citations (1)
Title |
---|
发电机膛内检测爬壁机器人技术研究与系统设计;丁志齐;《中国优秀硕士学位论文全文数据库 工程科技II辑》;C042-231 * |
Also Published As
Publication number | Publication date |
---|---|
CN116046797A (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5659013B2 (ja) | パンタグラフの損傷および摩耗を監視するシステム | |
WO2017039259A1 (ko) | 열화상 카메라를 이용한 전력설비 진단 장치 및 방법 | |
KR101835552B1 (ko) | 스마트 팩토리 작업환경 관제시스템 | |
CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
KR101054522B1 (ko) | 광학렌즈가 부착된 자외선 센서를 이용한 전력설비 코로나 방전 측정 장치 및 방법 | |
CN112157642B (zh) | 一种用于配电室的无人巡检机器人 | |
CN109598193A (zh) | 一种基于人工智能的火焰图像识别方法 | |
CN109409395A (zh) | 在电力监控中采用模板匹配法识别目标物体区域电气符号的方法 | |
CN116046797B (zh) | 一种发电机膛内视觉检测系统及方法 | |
CN201037962Y (zh) | 一种电子桩考系统 | |
CN115465293A (zh) | 一种多传感器安全自认知及安全处理装置及方法 | |
CN1132554C (zh) | 具有视点检测功能的电子设备 | |
CN110434848A (zh) | 一种机械臂工作区域内异常人员检测方法 | |
CN116681665A (zh) | 一种融合iv和cv的智能诊断系统及其方法 | |
JP5603302B2 (ja) | 車両監視装置 | |
CN113031610A (zh) | 一种监狱夜间自动巡检机器人系统及其控制方法 | |
JP5710230B2 (ja) | 監視システムおよび監視方法 | |
CN115912183A (zh) | 高压输电线路生态措施巡视方法、系统及可读存储介质 | |
CN213086134U (zh) | 一种提高铜电解极板故障信息判断准确度的装置 | |
CN110632951B (zh) | 一种智能视觉伺服引导设备及其引导方法 | |
CN113435371A (zh) | 一种基于电力物联网及人工智能的设备周边环境管控方法、装置及设备 | |
KR102568680B1 (ko) | 인공지능을 이용한 헤어핀 모터의 용접불량 진단장치 | |
KR102112399B1 (ko) | 광학진단 이미지 검출장치 | |
KR102135591B1 (ko) | 광학진단 이미지 검출장치 | |
CN116486313B (zh) | 一种适应场景的视频分析系统及方法 |
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 |