论文部分内容阅读
风机叶片作为风力发电机最重要的结构之一,在运行过程中叶片表面会产生各种损伤。以往人们对于风机叶片损伤的检测存在检测效率低下、不能准确定位等问题。为此,本文提出基于图像的风机叶片表面损伤研究技术。
首先,针对缺少叶片损伤图像数据样本难以训练检测模型的问题,本文从图像生成和图像翻译角度提出一种基于正样本的叶片损伤检测及分类模型,称为DC-pix2pix。DC-pix2pix将图像翻译应用于损伤检测领域模型,主要包括三个部分:随机损伤生成模型、损伤检测模型和损伤分类模型。随机损伤生成模型为输入正样本添加模拟随机损伤,制作用于训练图像翻译网络的样本对。损伤检测模型由训练后的生成器和图像差异模块组成,生成器用于将损伤图像重构为无损伤图像,图像差异模块对比重构前后图像实现损伤检测。将检测到的损伤局部裁剪后输入损伤分类模型,损伤分类模型通过提取损伤部位的特征,与现有各类损伤图像进行匹配,实现损伤类别的划分。至此,实现了叶片图像中损伤的检测与分类。
其次,为获得完整叶片图像和确定损伤位置需要进行叶片图像拼接,针对现有方法拼接叶片图像成功率较低的问题,本文提出一种双通道叶片图像拼接方法。该方法结合空间域图像配准和变换域图像配准两个方面,在空间域配准方面提出一种线特征结合自选特征点的配准方法,在变换域配准方面采用基于扩展相位相关的配准方法。取双通道中拼接效果最优的图像作为输出结果,完成叶片图像的拼接。
最后,针对拍摄过程中由大仰角引起的损伤定位误差问题,本文提出一种风机叶片表面损伤定位方法。该方法先利用相机视角对每一张局部图像对应的实际尺寸进行计算,获取以叶根图像为基准的图像间畸变系数,然后利用畸变系数结合拼接后完整叶片图像尺寸完成损伤在叶片上位置的定位。
首先,针对缺少叶片损伤图像数据样本难以训练检测模型的问题,本文从图像生成和图像翻译角度提出一种基于正样本的叶片损伤检测及分类模型,称为DC-pix2pix。DC-pix2pix将图像翻译应用于损伤检测领域模型,主要包括三个部分:随机损伤生成模型、损伤检测模型和损伤分类模型。随机损伤生成模型为输入正样本添加模拟随机损伤,制作用于训练图像翻译网络的样本对。损伤检测模型由训练后的生成器和图像差异模块组成,生成器用于将损伤图像重构为无损伤图像,图像差异模块对比重构前后图像实现损伤检测。将检测到的损伤局部裁剪后输入损伤分类模型,损伤分类模型通过提取损伤部位的特征,与现有各类损伤图像进行匹配,实现损伤类别的划分。至此,实现了叶片图像中损伤的检测与分类。
其次,为获得完整叶片图像和确定损伤位置需要进行叶片图像拼接,针对现有方法拼接叶片图像成功率较低的问题,本文提出一种双通道叶片图像拼接方法。该方法结合空间域图像配准和变换域图像配准两个方面,在空间域配准方面提出一种线特征结合自选特征点的配准方法,在变换域配准方面采用基于扩展相位相关的配准方法。取双通道中拼接效果最优的图像作为输出结果,完成叶片图像的拼接。
最后,针对拍摄过程中由大仰角引起的损伤定位误差问题,本文提出一种风机叶片表面损伤定位方法。该方法先利用相机视角对每一张局部图像对应的实际尺寸进行计算,获取以叶根图像为基准的图像间畸变系数,然后利用畸变系数结合拼接后完整叶片图像尺寸完成损伤在叶片上位置的定位。