CN117536797B - 一种基于无人机的风机叶片巡检系统及方法 - Google Patents

Abstract

本申请涉及风机叶片巡检技术领域，特别是涉及一种基于无人机的风机叶片巡检系统及方法，该系统包括：采集模块，用于采集待巡检叶片的叶片数据和周围环境数据，根据叶片数据和周围环境数据确定无人机的特征巡检点，生成巡检路径；巡检模块，用于按照巡检路径在特征巡检点对相应叶片进行拍摄，得到第一巡检图像和第二巡检图像；分析模块，用于接收第一巡检图像和第二巡检图像，分析第一巡检图像和第二巡检图像，得到对应叶片的健康状态，根据叶片的健康状态制定维护计划。本发明解决了不能对风机叶片进行全方位拍摄，且由于人工操作原因或外界因素影响，无人机易造成严重撞击后果，巡检效率较低，人工劳动强度大，存在较大的危险性的技术问题。

Description

一种基于无人机的风机叶片巡检系统及方法

技术领域

本申请涉及技术领域，特别是涉及一种基于无人机的风机叶片巡检系统及方法。

背景技术

叶片是风力发电机组的一个重要组成部件，由于风机所处环境较为恶劣，叶片在严苛的环境中运行时受到风沙、雨雪、雷电等自然因素的破坏，形成表面脱落、砂眼、雷击、叶边磨损等缺陷，需要通过对叶片进行定期检查和维护以预防缺陷造成的事故发生，无人机在巡检工作的应用范围日益广泛。无人机由于具有悬停、低速飞行、操作简便、维护方便、性价比高等特点，因此，将无人机运用到叶片检测中，将大大提高工作效率。

现有技术中，对叶片进行巡检多依靠人工操作无人机，人工操作技术限制不能对风机叶片进行全方位拍摄，且由于人工操作原因或外界因素影响，无人机易造成严重撞击后果，巡检效率较低，人工劳动强度大，存在较大的危险性。

发明内容

为解决上述技术问题，本申请提供了一种基于无人机的风机叶片巡检系统及方法，根据采集待巡检叶片的叶片数据和周围环境数据，确定待巡检叶片的目标转动面积，根据目标转动面积设定多个第一巡检点和第二巡检点，并在多个第一巡检点和第二巡检点中筛选出拍摄图像最清晰的第一特征巡检点和第二特征巡检点，将多个待巡检叶片的第一特征巡检点和第二特征巡检点标注在对应第一叶片空间坐标系中，按照风机叶片的巡检顺序，制定无人机的巡检路径，无人机按照巡检路径对待巡检叶片进行拍摄，得到第一巡检图像和第二巡检图像，根据第一巡检图像和第二巡检图像分析叶片的健康状态，根据健康状态制定对应的维护计划，旨在解决由于人工操作原因或外界因素影响，无人机易造成严重撞击后果，巡检效率较低，人工劳动强度大，存在较大的危险性的技术问题。

本申请的一些实施例中，提供了一种基于无人机的风机叶片巡检系统，包括：

采集模块，用于采集待巡检叶片的叶片数据和周围环境数据，根据叶片数据和周围环境数据确定无人机的特征巡检点，基于特征巡检点，生成巡检路径；

巡检模块，用于按照巡检路径在特征巡检点对相应叶片进行拍摄，得到第一巡检图像和第二巡检图像；

分析模块，用于接收第一巡检图像和第二巡检图像，分析第一巡检图像和第二巡检图像，得到对应叶片的健康状态，根据叶片的健康状态制定维护计划。

在本申请的一些实施例中，采集待巡检叶片的叶片数据和周围环境数据，包括：

所述叶片数据包括待巡检叶片的轮毂高度和叶尖半径，根据轮毂高度和轮毂中心点建立第一叶片空间坐标系，根据叶尖半径确定待巡检叶片的第一转动面积；

所述周围环境数据包括风速数据、天气数据和障碍物数据，根据风速数据确定瞬时风速，根据瞬时风速对第一转动面积进行一次修正，根据天气数据预测预设时段的天气状况，根据障碍物数据确定对应待巡检叶片的受障碍频率；

根据天气状况和受障碍频率对第一转动面积进行二次修正，得到目标转动面积。

在本申请的一些实施例中，根据瞬时风速对第一转动面积进行一次修正，包括：

获取历史风速数据，根据历史风速数据确定历史风速－转动面积映射表，根据第一转动面积确定第一历史风速，将第一历史风速与当前瞬时风速进行比对，若瞬时风速不大于第一历史风速，选定第一修正系数对第一转动面积进行一次修正；

若瞬时风速大于第一历史风速，确定瞬时风速在所述历史风速－转动面积映射表中对应的瞬时转动面积，计算瞬时转动面积与第一转动面积的面积差值，计算瞬时风速与第一历史风速的风速差值，根据风速差值与面积差值的比值确定第二修正系数，根据第二修正系数对第一转动面积进行一次修正。

在本申请的一些实施例中，根据天气状况和受障碍频率对第一转动面积进行二次修正，包括：

根据天气数据确定历史天气－转动面积映射表，根据预测的天气状况确定对应的天气转动面积，根据天气状况的预测概率值与天气转动面积确定天气权重系数；

根据障碍物数据确定历史障碍－转动面积映射表，确定当前待巡检叶片预设时段内的受障碍频率，若受障碍频率大于预设障碍频率，基于历史障碍－转动面积映射表，确定预设时段内的历史障碍对应的多个转动面积，计算转动面积均值，根据转动面积均值和受障碍频率确定障碍权重系数；

根据天气权重系数和障碍权重系数确定第三修正系数，根据第三修正系数对第一转动面积进行二次修正，得到目标转动面积。

在本申请的一些实施例中，根据叶片数据和周围环境数据确定无人机的特征巡检点，包括：

基于所述待巡检叶片的目标转动面积，在第一叶片空间坐标系上确定无人机的多个第一巡检点和多个第二巡检点，其中，第一巡检点和第二巡检点分别设置在待巡检叶片的两侧，且第一巡检点和第二巡检点设定在预设拍摄倾角上；

获取多个第一巡检点和第二巡检点的巡检图像，对巡检图像进行预处理，获取预处理后的巡检图像中特征位置的识别率和准确率，根据识别率和准确率确定第一特征拍摄倾角和第二特征拍摄倾角；

将第一特征拍摄倾角对应的第一巡检点设定为第一特征巡检点，将第二特征拍摄倾角对应的第二巡检点设定为第二特征巡检点。

在本申请的一些实施例中，按照巡检路径在特征巡检点对相应叶片进行拍摄，得到第一巡检图像和第二巡检图像，包括：

获取待巡检叶片的空间坐标，根据空间坐标制定待巡检叶片的巡检顺序，所述巡检顺序将待巡检叶片设定为第一待巡检叶片、第二待巡检叶片、…第n待巡检叶片；

根据第一待巡检叶片、第二待巡检叶片、…第n待巡检叶片对应的第一特征巡检点和第二特征巡检点，构成无人机的第一巡检路径、第二巡检路径、…第n巡检路径，将第一巡检路径、第二巡检路径、…第n巡检路径绘制在第一叶片空间坐标系上，得到无人机的巡检空间坐标，无人机按照巡检空间坐标对相应叶片进行拍摄；

所述第一巡检图像为第一拍摄图像和第一红外图像，所述第二巡检图像为第二拍摄图像和第二红外图像。

在本申请的一些实施例中，分析第一巡检图像和第二巡检图像，得到对应叶片的健康状态，包括：

根据第一拍摄图像和第二拍摄图像划分出特征位置对应的特征图像，将特征图像输入至训练好的叶片状态模型中，得到第一状态；

根据第一拍摄图像和第二拍摄图像构建对应待巡检叶片的三维模型，将第一红外图像和第二红外图像与三维模型进行图像融合，得到三维－红外模型，确定对应叶片的温度分布；

根据叶片的温度分布，确定对应叶片的第二状态；

将第一状态、第二状态进行量化，得到第一状态量化值和第二状态量化值，根据第一状态量化值和第二状态量化值以及对应的权重系数确定健康状态系数，根据健康状态系数得到对应叶片的健康状态；

所述健康状态系数为：

K＝a1×n1+a2×n2；

其中，K为健康状态系数，a1为第一状态量化值，n1为第一状态量化值对应的权重系数，a2为第二状态量化值，n2为第二状态量化值对应的权重系数。

在本申请的一些实施例中，根据叶片的健康状态制定维护计划，包括：

预先设定第一预设健康状态系数和第二预设健康状态系数，且第一预设健康状态系数小于第二预设健康状态系数，根据健康状态系数与第一预设健康状态系数、第二预设健康状态系数之间的关系，确定对应叶片的健康状态，根据健康状态制定维护计划；

当健康状态系数小于第一预设健康状态系数时，确定对应叶片的健康状态为不健康状态，制定维护计划为停机更换对应叶片；

当健康状态系数处于第一预设健康状态系数和第二预设健康状态系数之间时，确定对应叶片的健康状态为亚健康状态，制定维护计划为增多对应叶片的巡检频率；

当健康状态系数大于第二预设健康状态系数时，确定对应叶片的健康状态为健康状态，不制定维护计划。

在本申请的一些实施例中，还包括一种基于无人机的风机叶片巡检方法：

采集待巡检叶片的叶片数据和周围环境数据，根据叶片数据和周围环境数据确定无人机的特征巡检点，基于特征巡检点，生成巡检路径；

按照巡检路径在特征巡检点对相应叶片进行拍摄，得到第一巡检图像和第二巡检图像；

接收第一巡检图像和第二巡检图像，分析第一巡检图像和第二巡检图像，得到对应叶片的健康状态，根据叶片的健康状态制定维护计划。

本申请实施例的一种基于无人机的风机叶片巡检系统及方法，与现有技术相比，其有益效果在于：

根据采集待巡检叶片的叶片数据和周围环境数据，确定待巡检叶片的目标转动面积，根据目标转动面积设定多个第一巡检点和第二巡检点，并在多个第一巡检点和第二巡检点中筛选出拍摄图像最清晰的第一特征巡检点和第二特征巡检点，将多个待巡检叶片的第一特征巡检点和第二特征巡检点标注在第一叶片空间坐标系中，按照风机叶片的巡检顺序，制定无人机的巡检路径，无人机按照巡检路径对待巡检叶片进行拍摄，得到第一巡检图像和第二巡检图像，根据第一巡检图像和第二巡检图像分析叶片的健康状态，根据健康状态制定对应的维护计划，旨在解决由于人工操作原因或外界因素影响，无人机易造成严重撞击后果，巡检效率较低，人工劳动强度大，存在较大的危险性的技术问题。

附图说明

图1是本申请实施例优选实施例中一种基于无人机的风机叶片巡检系统的示意图；

图2是本申请实施例优选实施例中一种基于无人机的风机叶片巡检方法的流程示意图。

具体实施方式

下面结合附图和实施例，对本申请的具体实施方式作进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。

在本申请的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

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一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体的连接；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。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。

如图1所示，本申请实施例优选实施例的一种基于无人机的风机叶片巡检系统，包括：

采集模块，用于采集待巡检叶片的叶片数据和周围环境数据，根据叶片数据和周围环境数据确定无人机的特征巡检点，基于特征巡检点，生成巡检路径；

巡检模块，用于按照巡检路径在特征巡检点对相应叶片进行拍摄，得到第一巡检图像和第二巡检图像；

分析模块，用于接收第一巡检图像和第二巡检图像，分析第一巡检图像和第二巡检图像，得到对应叶片的健康状态，根据叶片的健康状态制定维护计划。

在本实施例中，无人机对每个待巡检叶片的特征巡检点都有两个，分别为第一特征巡检点和第二特征巡检点，设置在对应叶片的左侧和右侧，可以将对应叶片的完整图像拍摄下来，无人机从第一特征巡检点移动到第二特征巡检点为一次巡检路径。

在本实施例中，无人机上搭载有红外热成像仪，第一巡检图像为第一特征巡检点的第一拍摄图像和第一红外图像，第二巡检图像为第二特征巡检点的第二拍摄图像和第二红外图像。

在本实施例中，通过待巡检叶片的叶片数据和周围环境数据确定待巡检叶片的转动范围，将无人机的特征巡检点设定在转动范围外的最近处，在保证叶片拍摄的清晰度和完整度的情况下，避免出现无人机与叶片撞击情况，且这些都是自动设置好的，不用人工操作，大大降低了人工强度，保证了巡检系统的安全性和高效性。

在本申请的一些实施例中，采集待巡检叶片的叶片数据和周围环境数据，包括：

所述叶片数据包括待巡检叶片的轮毂高度和叶尖半径，根据轮毂高度和轮毂中心点建立第一叶片空间坐标系，根据叶尖半径确定待巡检叶片的第一转动面积；

所述周围环境数据包括风速数据、天气数据和障碍物数据，根据风速数据确定瞬时风速，根据瞬时风速对第一转动面积进行一次修正，根据天气数据预测预设时段的天气状况，根据障碍物数据确定对应待巡检叶片的受障碍频率；

根据天气状况和受障碍频率对第一转动面积进行二次修正，得到目标转动面积。

在本实施例中，风机叶片的转动面积是受天气、风速和障碍物等影响的，根据天气、风速和障碍物对转动面积进行修正，得到准确的叶片转动面积，目标转动面积具体为风机叶片的动态范围，确定风机叶片的动态范围后确定无人机的巡检点，即动态范围外的最接近的点，解决了由于人工操作原因或外界因素影响，无人机易造成严重撞击后果的技术问题。

在本申请的一些实施例中，根据瞬时风速对第一转动面积进行一次修正，包括：

获取历史风速数据，根据历史风速数据确定历史风速－转动面积映射表，根据第一转动面积确定第一历史风速，将第一历史风速与当前瞬时风速进行比对，若瞬时风速不大于第一历史风速，选定第一修正系数对第一转动面积进行一次修正；

若瞬时风速大于第一历史风速，确定瞬时风速在所述历史风速－转动面积映射表中对应的瞬时转动面积，计算瞬时转动面积与第一转动面积的面积差值，计算瞬时风速与第一历史风速的风速差值，根据风速差值与面积差值的比值确定第二修正系数，根据第二修正系数对第一转动面积进行一次修正。

在本实施例中，第一修正系数为1，即不对转动面积进行修改，第二修正系数根据实时的风速差值、面积差值的比值确定第二修正系数，对叶片的第一转动面积进行一次修正，提高了叶片动态范围的精准度。

在本申请的一些实施例中，根据天气状况和受障碍频率对第一转动面积进行二次修正，包括：

根据天气数据确定历史天气－转动面积映射表，根据预测的天气状况确定对应的天气转动面积，根据天气状况的预测概率值与天气转动面积确定天气权重系数；

根据障碍物数据确定历史障碍－转动面积映射表，确定当前待巡检叶片预设时段内的受障碍频率，若受障碍频率大于预设障碍频率，基于历史障碍－转动面积映射表，确定预设时段内的历史障碍对应的多个转动面积，计算转动面积均值，根据转动面积均值和受障碍频率确定障碍权重系数；

根据天气权重系数和障碍权重系数确定第三修正系数，根据第三修正系数对第一转动面积进行二次修正，得到目标转动面积。

在本实施例中，天气状况包括大雨天、大风天、大雪天和大雾天，历史天气－转动面积映射表为历史天气状况和对应叶片的历史转动面积，天气状况对应叶片的历史转动面积设定为天气转动面积，天气权重系数为预测概率值与天气转动面积的乘积，历史障碍－转动面积映射表具体为历史障碍物和对应叶片的历史转动面积，根据不同障碍物以及对应叶片的历史转动面积计算转动面积均值，转动面积均值和受障碍频率的乘积确定障碍权重系数，根据障碍权重系数和天气权重系数的平均值设定第三修正系数，大大提高了叶片动态范围的精准度。

在本申请的一些实施例中，根据叶片数据和周围环境数据确定无人机的特征巡检点，包括：

基于所述待巡检叶片的目标转动面积，在第一叶片空间坐标系上确定无人机的多个第一巡检点和多个第二巡检点，其中，第一巡检点和第二巡检点分别设置在待巡检叶片的两侧，且第一巡检点和第二巡检点设定在预设拍摄倾角上；

获取多个第一巡检点和第二巡检点的巡检图像，对巡检图像进行预处理，获取预处理后的巡检图像中特征位置的识别率和准确率，根据识别率和准确率确定第一特征拍摄倾角和第二特征拍摄倾角；

将第一特征拍摄倾角对应的第一巡检点设定为第一特征巡检点，将第二特征拍摄倾角对应的第二巡检点设定为第二特征巡检点。

在本实施例中，预设拍摄倾角根据历史拍摄角度进行设定，特征位置是根据叶片的历史故障位置的频次设定，识别率为特征位置的识别面积，识别面积越大识别率越高，特征位置越准确，准确率越高，由此确定叶片左侧的第一特征巡检点和右侧的第二特征巡检点。

在本申请的一些实施例中，按照巡检路径在特征巡检点对相应叶片进行拍摄，得到第一巡检图像和第二巡检图像，包括：

获取待巡检叶片的空间坐标，根据空间坐标制定待巡检叶片的巡检顺序，所述巡检顺序将待巡检叶片设定为第一待巡检叶片、第二待巡检叶片、…第n待巡检叶片；

根据第一待巡检叶片、第二待巡检叶片、…第n待巡检叶片对应的第一特征巡检点和第二特征巡检点，构成无人机的第一巡检路径、第二巡检路径、…第n巡检路径，将第一巡检路径、第二巡检路径、…第n巡检路径绘制在第一叶片空间坐标系上，得到无人机的巡检空间坐标，无人机按照巡检空间坐标对相应叶片进行拍摄；

所述第一巡检图像为第一拍摄图像和第一红外图像，所述第二巡检图像为第二拍摄图像和第二红外图像。

在本实施例中，按照待巡检叶片的空间坐标设定巡检顺序，第一待巡检叶片的第一特诊巡检点到第二特征巡检点为第一巡检路径，从第一待巡检叶片到第n待巡检叶片，都有对应的巡检路径，将巡检路径绘制到第一叶片空间坐标系中，得到巡检空间坐标，按照巡检顺序将巡检空间坐标输入到无人机中，无人机按照巡检空间坐标对相应叶片进行拍摄，第一叶片空间坐标系为以第一待巡检叶片的轮毂中心点到地面的映射点为原点构建的。

在本申请的一些实施例中，分析第一巡检图像和第二巡检图像，得到对应叶片的健康状态，包括：

根据第一拍摄图像和第二拍摄图像划分出特征位置对应的特征图像，将特征图像输入至训练好的叶片状态模型中，得到第一状态；

根据第一拍摄图像和第二拍摄图像构建对应待巡检叶片的三维模型，将第一红外图像和第二红外图像与三维模型进行图像融合，得到三维－红外模型，确定对应叶片的温度分布；

根据叶片的温度分布，确定对应叶片的第二状态；

将第一状态、第二状态进行量化，得到第一状态量化值和第二状态量化值，根据第一状态量化值和第二状态量化值以及对应的权重系数确定健康状态系数，根据健康状态系数得到对应叶片的健康状态；

所述健康状态系数为：

K＝a1×n1+a2×n2；

其中，K为健康状态系数，a1为第一状态量化值，n1为第一状态量化值对应的权重系数，a2为第二状态量化值，n2为第二状态量化值对应的权重系数。

在本实施例中，第一状态和第二状态包括良好、正常和恶劣，良好状态对应的量化值为1，正常状态对应的量化值为0.7，恶劣状态对应的量化值为0.3。

在本申请的一些实施例中，根据叶片的健康状态制定维护计划，包括：

预先设定第一预设健康状态系数和第二预设健康状态系数，且第一预设健康状态系数小于第二预设健康状态系数，根据健康状态系数与第一预设健康状态系数、第二预设健康状态系数之间的关系，确定对应叶片的健康状态，根据健康状态制定维护计划；

当健康状态系数小于第一预设健康状态系数时，确定对应叶片的健康状态为不健康状态，制定维护计划为停机更换对应叶片；

当健康状态系数处于第一预设健康状态系数和第二预设健康状态系数之间时，确定对应叶片的健康状态为亚健康状态，制定维护计划为增多对应叶片的巡检频率；

当健康状态系数大于第二预设健康状态系数时，确定对应叶片的健康状态为健康状态，不制定维护计划。

在本申请的一些实施例中，如图2所示，还包括一种基于无人机的风机叶片巡检方法：

步骤S201：采集待巡检叶片的叶片数据和周围环境数据，根据叶片数据和周围环境数据确定无人机的特征巡检点，基于特征巡检点，生成巡检路径；

步骤S202：按照巡检路径在特征巡检点对相应叶片进行拍摄，得到第一巡检图像和第二巡检图像；

步骤S203：接收第一巡检图像和第二巡检图像，分析第一巡检图像和第二巡检图像，得到对应叶片的健康状态，根据叶片的健康状态制定维护计划。

综上所述，本申请实施例的一种基于无人机的风机叶片巡检系统及方法，根据采集待巡检叶片的叶片数据和周围环境数据，确定待巡检叶片的目标转动面积，根据目标转动面积设定多个第一巡检点和第二巡检点，并在多个第一巡检点和第二巡检点中筛选出拍摄图像最清晰的第一特征巡检点和第二特征巡检点，将多个待巡检叶片的第一特征巡检点和第二特征巡检点标注在第一叶片空间坐标系中，按照风机叶片的巡检顺序，制定无人机的巡检路径，无人机按照巡检路径对待巡检叶片进行拍摄，得到第一巡检图像和第二巡检图像，根据第一巡检图像和第二巡检图像分析叶片的健康状态，根据健康状态制定对应的维护计划，旨在解决由于人工操作原因或外界因素影响，无人机易造成严重撞击后果，巡检效率较低，人工劳动强度大，存在较大的危险性的技术问题。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本申请的保护范围。

Claims (5)

1.一种基于无人机的风机叶片巡检系统，其特征在于，包括：

采集模块，用于采集待巡检叶片的叶片数据和周围环境数据，根据叶片数据和周围环境数据确定无人机的特征巡检点，基于特征巡检点，生成巡检路径；

巡检模块，用于按照巡检路径在特征巡检点对相应叶片进行拍摄，得到第一巡检图像和第二巡检图像；

分析模块，用于接收第一巡检图像和第二巡检图像，分析第一巡检图像和第二巡检图像，得到对应叶片的健康状态，根据叶片的健康状态制定维护计划；

采集待巡检叶片的叶片数据和周围环境数据，包括：

所述叶片数据包括待巡检叶片的轮毂高度和叶尖半径，根据轮毂高度和轮毂中心点建立第一叶片空间坐标系，根据叶尖半径确定待巡检叶片的第一转动面积；

所述周围环境数据包括风速数据、天气数据和障碍物数据，根据风速数据确定瞬时风速，根据瞬时风速对第一转动面积进行一次修正，根据天气数据预测预设时段的天气状况，根据障碍物数据确定对应待巡检叶片的受障碍频率；

根据天气状况和受障碍频率对第一转动面积进行二次修正，得到目标转动面积；

根据瞬时风速对第一转动面积进行一次修正，包括：

获取历史风速数据，根据历史风速数据确定历史风速－转动面积映射表，根据第一转动面积确定第一历史风速，将第一历史风速与当前瞬时风速进行比对，若瞬时风速不大于第一历史风速，选定第一修正系数对第一转动面积进行一次修正，若瞬时风速大于第一历史风速，确定瞬时风速在所述历史风速－转动面积映射表中对应的瞬时转动面积，计算瞬时转动面积与第一转动面积的面积差值，计算瞬时风速与第一历史风速的风速差值，根据风速差值与面积差值的比值确定第二修正系数，根据第二修正系数对第一转动面积进行一次修正；

根据天气状况和受障碍频率对第一转动面积进行二次修正，包括：

根据天气数据确定历史天气－转动面积映射表，根据预测的天气状况确定对应的天气转动面积，根据天气状况的预测概率值与天气转动面积确定天气权重系数；

根据障碍物数据确定历史障碍－转动面积映射表，确定当前待巡检叶片预设时段内的受障碍频率，若受障碍频率大于预设障碍频率，基于历史障碍－转动面积映射表，确定预设时段内的历史障碍对应的多个转动面积，计算转动面积均值，根据转动面积均值和受障碍频率确定障碍权重系数；

根据天气权重系数和障碍权重系数确定第三修正系数，根据第三修正系数对第一转动面积进行二次修正，得到目标转动面积；

根据叶片数据和周围环境数据确定无人机的特征巡检点，包括：

基于所述待巡检叶片的目标转动面积，在第一叶片空间坐标系上确定无人机的多个第一巡检点和多个第二巡检点，其中，第一巡检点和第二巡检点分别设置在待巡检叶片的两侧，且第一巡检点和第二巡检点设定在预设拍摄倾角上；

获取多个第一巡检点和第二巡检点的巡检图像，对巡检图像进行预处理，获取预处理后的巡检图像中特征位置的识别率和准确率，根据识别率和准确率确定第一特征拍摄倾角和第二特征拍摄倾角；

将第一特征拍摄倾角对应的第一巡检点设定为第一特征巡检点，将第二特征拍摄倾角对应的第二巡检点设定为第二特征巡检点。

2.如权利要求1所述的基于无人机的风机叶片巡检系统，其特征在于，按照巡检路径在特征巡检点对相应叶片进行拍摄，得到第一巡检图像和第二巡检图像，包括：

获取待巡检叶片的空间坐标，根据空间坐标制定待巡检叶片的巡检顺序，所述巡检顺序将待巡检叶片设定为第一待巡检叶片、第二待巡检叶片、…第n待巡检叶片；

根据第一待巡检叶片、第二待巡检叶片、…第n待巡检叶片对应的第一特征巡检点和第二特征巡检点，构成无人机的第一巡检路径、第二巡检路径、…第n巡检路径，将第一巡检路径、第二巡检路径、…第n巡检路径绘制在第一叶片空间坐标系上，得到无人机的巡检空间坐标，无人机按照巡检空间坐标对相应叶片进行拍摄；

所述第一巡检图像为第一拍摄图像和第一红外图像，所述第二巡检图像为第二拍摄图像和第二红外图像。

3.如权利要求2所述的基于无人机的风机叶片巡检系统，其特征在于，分析第一巡检图像和第二巡检图像，得到对应叶片的健康状态，包括：

根据第一拍摄图像和第二拍摄图像划分出特征位置对应的特征图像，将特征图像输入至训练好的叶片状态模型中，得到第一状态；

根据第一拍摄图像和第二拍摄图像构建对应待巡检叶片的三维模型，将第一红外图像和第二红外图像与三维模型进行图像融合，得到三维－红外模型，确定对应叶片的温度分布；

根据叶片的温度分布，确定对应叶片的第二状态；

将第一状态、第二状态进行量化，得到第一状态量化值和第二状态量化值，根据第一状态量化值和第二状态量化值以及对应的权重系数确定健康状态系数，根据健康状态系数得到对应叶片的健康状态；

所述健康状态系数为：

K＝a1×n1+a2×n2；

其中，K为健康状态系数，a1为第一状态量化值，n1为第一状态量化值对应的权重系数，a2为第二状态量化值，n2为第二状态量化值对应的权重系数。

4.如权利要求1所述的基于无人机的风机叶片巡检系统，其特征在于，根据叶片的健康状态制定维护计划，包括：

预先设定第一预设健康状态系数和第二预设健康状态系数，且第一预设健康状态系数小于第二预设健康状态系数，根据健康状态系数与第一预设健康状态系数、第二预设健康状态系数之间的关系，确定对应叶片的健康状态，根据健康状态制定维护计划；

当健康状态系数小于第一预设健康状态系数时，确定对应叶片的健康状态为不健康状态，制定维护计划为停机更换对应叶片；

当健康状态系数处于第一预设健康状态系数和第二预设健康状态系数之间时，确定对应叶片的健康状态为亚健康状态，制定维护计划为增多对应叶片的巡检频率；

当健康状态系数大于第二预设健康状态系数时，确定对应叶片的健康状态为健康状态，不制定维护计划。

5.一种基于无人机的风机叶片巡检方法，其特征在于，包括：

采集待巡检叶片的叶片数据和周围环境数据，根据叶片数据和周围环境数据确定无人机的特征巡检点，基于特征巡检点，生成巡检路径；

按照巡检路径在特征巡检点对相应叶片进行拍摄，得到第一巡检图像和第二巡检图像；

接收第一巡检图像和第二巡检图像，分析第一巡检图像和第二巡检图像，得到对应叶片的健康状态，根据叶片的健康状态制定维护计划；

采集待巡检叶片的叶片数据和周围环境数据，包括：

所述叶片数据包括待巡检叶片的轮毂高度和叶尖半径，根据轮毂高度和轮毂中心点建立第一叶片空间坐标系，根据叶尖半径确定待巡检叶片的第一转动面积；

所述周围环境数据包括风速数据、天气数据和障碍物数据，根据风速数据确定瞬时风速，根据瞬时风速对第一转动面积进行一次修正，根据天气数据预测预设时段的天气状况，根据障碍物数据确定对应待巡检叶片的受障碍频率；

根据天气状况和受障碍频率对第一转动面积进行二次修正，得到目标转动面积；

根据瞬时风速对第一转动面积进行一次修正，包括：

获取历史风速数据，根据历史风速数据确定历史风速－转动面积映射表，根据第一转动面积确定第一历史风速，将第一历史风速与当前瞬时风速进行比对，若瞬时风速不大于第一历史风速，选定第一修正系数对第一转动面积进行一次修正，若瞬时风速大于第一历史风速，确定瞬时风速在所述历史风速－转动面积映射表中对应的瞬时转动面积，计算瞬时转动面积与第一转动面积的面积差值，计算瞬时风速与第一历史风速的风速差值，根据风速差值与面积差值的比值确定第二修正系数，根据第二修正系数对第一转动面积进行一次修正；

根据天气状况和受障碍频率对第一转动面积进行二次修正，包括：

根据天气数据确定历史天气－转动面积映射表，根据预测的天气状况确定对应的天气转动面积，根据天气状况的预测概率值与天气转动面积确定天气权重系数；

根据障碍物数据确定历史障碍－转动面积映射表，确定当前待巡检叶片预设时段内的受障碍频率，若受障碍频率大于预设障碍频率，基于历史障碍－转动面积映射表，确定预设时段内的历史障碍对应的多个转动面积，计算转动面积均值，根据转动面积均值和受障碍频率确定障碍权重系数；

根据天气权重系数和障碍权重系数确定第三修正系数，根据第三修正系数对第一转动面积进行二次修正，得到目标转动面积；

根据叶片数据和周围环境数据确定无人机的特征巡检点，包括：

基于所述待巡检叶片的目标转动面积，在第一叶片空间坐标系上确定无人机的多个第一巡检点和多个第二巡检点，其中，第一巡检点和第二巡检点分别设置在待巡检叶片的两侧，且第一巡检点和第二巡检点设定在预设拍摄倾角上；

获取多个第一巡检点和第二巡检点的巡检图像，对巡检图像进行预处理，获取预处理后的巡检图像中特征位置的识别率和准确率，根据识别率和准确率确定第一特征拍摄倾角和第二特征拍摄倾角；

将第一特征拍摄倾角对应的第一巡检点设定为第一特征巡检点，将第二特征拍摄倾角对应的第二巡检点设定为第二特征巡检点。