风机叶片的质量检测方法、装置、设备及介质

技术领域

本发明涉及风力发电的技术领域，尤其涉及一种风机叶片的质量检测方法、风机叶片的质量检测装置、风机叶片的质量检测设备及计算机可读存储介质。

背景技术

风机叶片是风力发电机的关键部件之一，其质量的可靠性是保障机组安全运行的关键因素。近年来，随着风力发电的大力发展，因此，对风机叶片的质量检测非常的重要。传统的风机叶片检测方法有地面敲击辨音法、望远镜目测法、绳索垂降人工检测等，这些方法均由人工检测，检测效率低，人为因素大，危险系数高。而在现在数字化的环境下，通过采集风电数据，再对风电数据进行分析来判断风机叶片的运行状态，则不能准确判断风机叶片的问题所在，当风机叶片出现细小的裂纹的情况下仅通过风电数据不能查看到对应风机叶片的问题。

发明内容

本发明的主要目的在于提供一种风机叶片的质量检测方法、风机叶片的质量检测装置、风机叶片的质量检测设备及计算机可读存储介质，旨在解决现有技术中难以准确确定风机叶片质量的技术问题。

为实现上述目的，本发明提供一种风机叶片的质量检测方法，包括以下步骤：

将拍摄到的风机的叶片图像转化为叶片灰度图；

对所述叶片灰度图进行锐化处理，得到锐化结果图；

基于所述锐化结果图确定风机叶片是否存在第一质量问题。

可选地，所述对所述叶片灰度图进行锐化处理，得到锐化结果图的步骤，包括：

构建8方向掩模算子，并基于所述8方向掩模算子对所述叶片灰度图进行锐化处理，得到锐化结果图。

可选地，所述构建8方向掩模算子的步骤，包括：

根据G-L分数阶微分方程构建二维微分方阵，并基于所述二维微分方阵构建所述8方向掩模算子。

可选地，所述根据G-L分数阶微分方程构建二维微分方阵的步骤之前，还包括：

确定所述叶片灰度图的图像大小，并基于所述图像大小确定所述G-L分数阶微分方程的分数阶阶次。

可选地，所述对所述叶片灰度图进行锐化处理，得到锐化结果图的步骤之后，还包括：

对所述锐化结果图进行降噪处理，得到检测结果图；

基于所述检测结果图确定风机叶片是否存在第二质量问题。

可选地，所述对所述锐化结果图进行降噪处理，得到检测结果图的步骤，包括：

确定所述锐化结果图的像素点的弥补权重；

获取X方向上的第一梯度以及Y方向的第二梯度；

合并均被赋予所述弥补权重的所述第一梯度和第二梯度，得到所述检测结果图。

可选地，所述确定所述锐化结果图的像素点的弥补权重的步骤，包括：

获取所述锐化结果图各像素点的灰度值平均值和灰度值方差；

基于所述灰度值平均值和所述灰度值方差确定所述锐化结果图的像素点的弥补权重。

可选地，所述基于所述灰度值平均值和所述灰度值方差确定所述锐化结果图的像素点的弥补权重的步骤，包括：

基于所述锐化结果图各像素点的灰度值呈正态分布的概率密度函数，以及所述灰度值平均值和所述灰度值方差，确定所述锐化结果图的像素点的弥补权重。

可选地，所述基于所述检测结果图确定风机叶片是否存在第二质量问题的步骤之后，还包括：

对所述检测结果图进行边缘检测，在所述检测结果图上输出存在第二质量问题的边缘信息。

此外，为实现上述目的，本发明还提供一种风机叶片的质量检测装置，所述风机叶片的质量检测装置，包括：

转换模块，用于将拍摄到的风机的叶片图像转化为叶片灰度图；

锐化模块，用于对所述叶片灰度图进行锐化处理，得到锐化结果图；

检测模块，用于基于所述锐化结果图确定风机叶片是否存在第一质量问题。

此外，为实现上述目的，本发明还提供一种风机叶片的质量检测设备，所述风机叶片的质量检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上所述的风机叶片的质量检测方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的风机叶片的质量检测方法的步骤。

本发明实施例提出的一种风机叶片的质量检测方法、风机叶片的质量检测装置、风机叶片的质量检测设备及计算机可读存储介质，将拍摄到的风机的叶片图像转化为叶片灰度图；对所述叶片灰度图进行锐化处理，得到锐化结果图；基于所述锐化结果图确定风机叶片是否存在第一质量问题。

有别于通过人工检测或者通过风电数据确定风机叶片质量问题时的效率低下且不够准确，通过拍摄采集风机的叶片图像并转化为叶片灰度图进行锐化处理得到锐化结果图，基于锐化结果图确定风机叶片是否存在明显的质量问题，从而通过图像处理快速高效且准确地识别到风叶损坏情况，解决难以准确确定风机叶片质量的技术问题，可以及时判断风机叶片的运行状态、准确判断风机叶片的问题所在，当风机叶片出现细小的裂纹的情况下便能检测并查看到对应风机叶片的质量问题。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的运行设备的结构示意图；

图2是本发明一种风机叶片的质量检测方法一实施例的流程示意图；

图3是本发明一种风机叶片的质量检测方法一实施例的砂孔示意图；

图4是本发明一种风机叶片的质量检测方法一实施例的边缘信息示意图；

图5是本发明一种风机叶片的质量检测方法一实施例的装置示意图；

图6是本发明一种风机叶片的质量检测方法一实施例的G-L分数阶微分方程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的运行设备的结构示意图。

如图1所示，该运行设备可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对运行设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及计算机程序。

在图1所示的运行设备中，网络接口1004主要用于与其他设备进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明运行设备中的处理器1001、存储器1005可以设置在运行设备中，所述运行设备通过处理器1001调用存储器1005中存储的计算机程序，并执行以下操作：

将拍摄到的风机的叶片图像转化为叶片灰度图；

对所述叶片灰度图进行锐化处理，得到锐化结果图；

基于所述锐化结果图确定风机叶片是否存在第一质量问题。

进一步地，处理器1001可以调用存储器1005中存储的计算机程序，还执行以下操作：

所述对所述叶片灰度图进行锐化处理，得到锐化结果图的步骤，包括：

构建8方向掩模算子，并基于所述8方向掩模算子对所述叶片灰度图进行锐化处理，得到锐化结果图。

进一步地，处理器1001可以调用存储器1005中存储的计算机程序，还执行以下操作：

所述构建8方向掩模算子的步骤，包括：

根据G-L分数阶微分方程构建二维微分方阵，并基于所述二维微分方阵构建所述8方向掩模算子。

进一步地，处理器1001可以调用存储器1005中存储的计算机程序，还执行以下操作：

所述根据G-L分数阶微分方程构建二维微分方阵的步骤之前，还包括：

确定所述叶片灰度图的图像大小，并基于所述图像大小确定所述G-L分数阶微分方程的分数阶阶次。

进一步地，处理器1001可以调用存储器1005中存储的计算机程序，还执行以下操作：

所述对所述叶片灰度图进行锐化处理，得到锐化结果图的步骤之后，还包括：

对所述锐化结果图进行降噪处理，得到检测结果图；

基于所述检测结果图确定风机叶片是否存在第二质量问题。

进一步地，处理器1001可以调用存储器1005中存储的计算机程序，还执行以下操作：

所述对所述锐化结果图进行降噪处理，得到检测结果图的步骤，包括：

确定所述锐化结果图的像素点的弥补权重；

获取X方向上的第一梯度以及Y方向的第二梯度；

合并均被赋予所述弥补权重的所述第一梯度和第二梯度，得到所述检测结果图。

进一步地，处理器1001可以调用存储器1005中存储的计算机程序，还执行以下操作：

所述确定所述锐化结果图的像素点的弥补权重的步骤，包括：

获取所述锐化结果图各像素点的灰度值平均值和灰度值方差；

基于所述灰度值平均值和所述灰度值方差确定所述锐化结果图的像素点的弥补权重。

进一步地，处理器1001可以调用存储器1005中存储的计算机程序，还执行以下操作：

所述基于所述灰度值平均值和所述灰度值方差确定所述锐化结果图的像素点的弥补权重的步骤，包括：

基于所述锐化结果图各像素点的灰度值呈正态分布的概率密度函数，以及所述灰度值平均值和所述灰度值方差，确定所述锐化结果图的像素点的弥补权重。

进一步地，处理器1001可以调用存储器1005中存储的计算机程序，还执行以下操作：

所述基于所述检测结果图确定风机叶片是否存在第二质量问题的步骤之后，还包括：

对所述检测结果图进行边缘检测，在所述检测结果图上输出存在第二质量问题的边缘信息。

参照图2，图2是本发明一种风机叶片的质量检测方法一实施例的流程示意图。本发明实施例提供了一种风机叶片的质量检测方法，本实施例中，所述风机叶片的质量检测方法，包括以下步骤：

步骤S10：将拍摄到的风机的叶片图像转化为叶片灰度图。

待进行质量检测的风机包括但不限于集中式风电、分散式风电、海上风电等场景。通过人工检测的方式对风机叶片进行检测，效率低下并且具有一定的危险性，因此，在本实施例中，将在适合拍摄如无人机航拍的天气环境下使用拍摄设备如无人机巡检拍摄采集风机的叶片图像。从而避免人工检测效率低，人为因素大，危险系数高的不利影响。另外，现有的方法或者算法对不同的颜色(白色除外)的风机叶片的检测效果一般，因此，在本实施例中，将拍摄到的风机的叶片图像转化为叶片灰度图，基于叶片灰度图进行后续的风机叶片质量检测，从而本实施例的风机叶片的质量检测方法可以适用于包括但不限于红色、绿色、蓝色等各种颜色的风机叶片。进一步的，对所述叶片灰度图进行锐化处理，得到锐化结果图之前，对所述叶片灰度图进行滤波处理，再对滤波处理后的图片进行锐化处理，得到所述锐化结果图。

步骤S20：对所述叶片灰度图进行锐化处理，得到锐化结果图。

图像锐化(image sharpening)是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰，分为空间域处理和频域处理两类。图像锐化是为了突出图像上地物的边缘、轮廓，或某些线性目标要素的特征。在本实施例中，对叶片灰度图进行锐化处理的锐化处理方法不做限定。在将叶片灰度图作为输入的原图进行锐化处理之后，得到锐化结果图。

步骤S30：基于所述锐化结果图确定风机叶片是否存在第一质量问题。

参照图3，图3是本发明一种风机叶片的质量检测方法一实施例的砂孔示意图。在本实施例中，在对叶片灰度图进行锐化处理后得到如图3所示的锐化结果图，在图3中可以确定风机叶片存在第一质量问题，即图3中的风机叶片存在砂孔(图3中的黑点)。其中，在本实施例中检测到的风机叶片的外观缺陷中，包括但不限于叶片裂纹、砂孔、脱漆损伤、表面脏污、壳体空鼓等。其中，第一质量问题是指基于锐化结果图可直接识别得到而无需进一步图像处理的外观缺陷。

在本实施例中，将拍摄到的风机的叶片图像转化为叶片灰度图；对所述叶片灰度图进行锐化处理，得到锐化结果图；基于所述锐化结果图确定风机叶片是否存在第一质量问题。有别于通过人工检测或者通过风电数据确定风机叶片质量问题时的效率低下且不够准确，通过拍摄采集风机的叶片图像并转化为叶片灰度图进行锐化处理得到锐化结果图，基于锐化结果图确定风机叶片是否存在明显的质量问题，从而通过图像处理快速高效且准确地识别到风叶损坏情况，解决难以准确确定风机叶片质量的技术问题，可以及时判断风机叶片的运行状态、准确判断风机叶片的问题所在，当风机叶片出现细小的裂纹的情况下便能检测并查看到对应风机叶片的质量问题。

在本发明提供一种风机叶片的质量检测方法另一实施例中，所述对所述叶片灰度图进行锐化处理，得到锐化结果图的步骤，包括：

构建8方向掩模算子，并基于所述8方向掩模算子对所述叶片灰度图进行锐化处理，得到锐化结果图。

在本实施例中，通过2方向或者4方向掩模算法进行了改进，构建8方向掩模算子，其中的掩膜算子为八个方向的掩膜算子，所述八个方向包括平面图像的上方、下方、左方、右方、左上方、左下方、右上方和右下方，再利用改进的8方向掩膜算子对图片进行锐化处理，得到锐化结果图。

可选的，所述构建8方向掩模算子的步骤，包括：

根据G-L分数阶微分方程构建二维微分方阵，并基于所述二维微分方阵构建所述8方向掩模算子。

在本实施例中，利用G-L(Grünwald-Letnikov)分数阶微分方程构建二维微分方阵，其中，其中，G代表G-L分数阶，a是所述分数阶微分的下限，t是所述分数阶微分的上限，v是可转换的分数阶微分的阶次，m是在图像坐标轴的x轴上运行的步长，n是在坐标轴的y轴上运行的步长。其中，基于二维微分方阵构建的所述8方向掩模算子为：

可选的，所述根据G-L分数阶微分方程构建二维微分方阵的步骤之前，还包括：

确定所述叶片灰度图的图像大小，并基于所述图像大小确定所述G-L分数阶微分方程的分数阶阶次。

在根据G-L分数阶微分方程构建二维微分方阵之前，对于G-L分数阶微分方程中的参数可以进行自适应调整。其中，G-L分数阶微分方程的分数阶阶次v可变，可以根据图片大小确定选择一阶、二阶或三阶。图片较小时可以求一阶导，图片较大时可以求二阶或三阶导，一般不超过三阶。在本实施例中，对确定选择一阶、二阶或三阶的图像大小不做限定，确定选择v为一阶、二阶或三阶的图像大小具体的判断标准是图像清晰度，即图像内存大小。

在本发明提供一种风机叶片的质量检测方法另一实施例中，所述对所述叶片灰度图进行锐化处理，得到锐化结果图的步骤之后，还包括：

对所述锐化结果图进行降噪处理，得到检测结果图；

基于所述检测结果图确定风机叶片是否存在第二质量问题。

通过风电数据进行分析来判断风机叶片的运行状态的方法，无法发现一些细微叶片的裂纹发现。因此，在本实施例中，在对叶片灰度图进行锐化处理得到锐化结果图之后，基于对锐化结果图进行降噪处理得到的检测结果图，确定风机叶片是否存在第二质量问题。其中，第二质量问题是指基于锐化结果图无法直接识别得到而需要进一步进行图像处理，如本实施例中的降噪处理才能检测到的外观缺陷。

可选的，所述对所述锐化结果图进行降噪处理，得到检测结果图的步骤，包括：

确定所述锐化结果图的像素点的弥补权重；

获取X方向上的第一梯度以及Y方向的第二梯度；

合并均被赋予所述弥补权重的所述第一梯度和第二梯度，得到所述检测结果图。

在本实施例中，基于改进的Scharr算法对锐化结果图进行降噪处理以得到检测结果图。进一步的，获取Scharr算子的模板，模板分为两个方向，为x方向和y方向，其X方向的模板如下所示：

其Y方向的模板如下所示：

接着，计算不同方向上的梯度，一次选取9个像素点，具体是经过平移后的像素点。要选取包含对应模块8个方向，从左往右，从上往下，两个倾斜方向。卷积公式如下所示：其中，*表示卷积。

X方向为：

即、

Y方向为：

即、

在不同方向上得到的不同的结果，在将两个方向的数据进行合并，从而得到新的像素点：

其中G

其中G

以上就是一般Scharr算法的降噪过程，由于Scharr值比较大，虽然边缘信息能够得到较强的边强度，但是将会损失一些细节，对此在本实施例中对Scharr算法进行了改进，通过确定锐化结果图的像素点的弥补权重，并合并被赋予弥补权重的X方向上的第一梯度和Y方向的第二梯度，以此得到检测结果图。

可选的，所述确定所述锐化结果图的像素点的弥补权重的步骤，包括：

获取所述锐化结果图各像素点的灰度值平均值和灰度值方差；

基于所述灰度值平均值和所述灰度值方差确定所述锐化结果图的像素点的弥补权重。

在本实施例中，所述锐化结果图各像素点的灰度值方差为：

所述锐化结果图各像素点的灰度值平均值为：

其中，P

可选的，所述基于所述灰度值平均值和所述灰度值方差确定所述锐化结果图的像素点的弥补权重的步骤，包括：

基于所述锐化结果图各像素点的灰度值呈正态分布的概率密度函数，以及所述灰度值平均值和所述灰度值方差，确定所述锐化结果图的像素点的弥补权重。

将合并之后的像素点加入权重，从而弥补了细节上像素点的损失，如下所示：

合并后的像素点为：

可选的，所述基于所述检测结果图确定风机叶片是否存在第二质量问题的步骤之后，还包括：

对所述检测结果图进行边缘检测，在所述检测结果图上输出存在第二质量问题的边缘信息。

参照图4，图4是本发明一种风机叶片的质量检测方法一实施例的边缘信息示意图。在基于检测结果图确定风机叶片是否存在第二质量问题的之后，对检测结果图进行边缘检测，在检测结果图上输出如图4所示的存在第二质量问题的边缘信息。从而基于改进的G-L微分算法进行图像锐化、基于改进的Scharr算法对锐化的图像进行边缘检测，两种改进的算法结合在保证边缘信息增强之外，增强了细节信息，从而更能清晰的诊断风机叶片存在的质量问题。

在本发明提供一种风机叶片的质量检测方法另一实施例中，在本实施例中，S1：将拍摄到的风机的叶片图像转化为叶片灰度图；S2：利用如图6所示的G-L分数阶微分方程构建二维微分方阵；S3：构建一个8方向掩模算子并对灰度图进行锐化；S4：获取Scharr算子x方向和y方向的模板，计算不同方向上的梯度，得到不同方向上的结果，再将两个方向的数据进行合并得到新的像素点；由于Scharr值比较大，虽然边缘信息能够得到较强的边强度，但是将会损失一些细节，对此将合并之后的像素点加入权重，从而弥补了细节上像素点的损失；S5：输出如图3和图4所示的图片。从而基于改进的G-L微分算法进行图像锐化、基于改进的Scharr算法对锐化的图像进行边缘检测，两种改进的算法结合在保证边缘信息增强之外，增强了细节信息，从而更能清晰的诊断风机叶片存在的质量问题。

此外，参照图6，本发明实施例还提供一种风机叶片的质量检测装置，所述风机叶片的质量检测装置，包括：

转换模块M1，用于将拍摄到的风机的叶片图像转化为叶片灰度图；

锐化模块M2，用于对所述叶片灰度图进行锐化处理，得到锐化结果图；

检测模块M3，用于基于所述锐化结果图确定风机叶片是否存在第一质量问题。

可选地，锐化模块还用于构建8方向掩模算子，并基于所述8方向掩模算子对所述叶片灰度图进行锐化处理，得到锐化结果图。

可选地，锐化模块还用于根据G-L分数阶微分方程构建二维微分方阵，并基于所述二维微分方阵构建所述8方向掩模算子。

可选地，锐化模块还用于所述根据G-L分数阶微分方程构建二维微分方阵的步骤之前，确定所述叶片灰度图的图像大小，并基于所述图像大小确定所述G-L分数阶微分方程的分数阶阶次。

可选地，所述风机叶片的质量检测装置还包括降噪模块，用于所述对所述叶片灰度图进行锐化处理，得到锐化结果图的步骤之后，

对所述锐化结果图进行降噪处理，得到检测结果图；

基于所述检测结果图确定风机叶片是否存在第二质量问题。

可选地，降噪模块还用于确定所述锐化结果图的像素点的弥补权重；

获取X方向上的第一梯度以及Y方向的第二梯度；

合并均被赋予所述弥补权重的所述第一梯度和第二梯度，得到所述检测结果图。

可选地，降噪模块还用于获取所述锐化结果图各像素点的灰度值平均值和灰度值方差；

基于所述灰度值平均值和所述灰度值方差确定所述锐化结果图的像素点的弥补权重。

可选地，降噪模块还用于基于所述锐化结果图各像素点的灰度值呈正态分布的概率密度函数，以及所述灰度值平均值和所述灰度值方差，确定所述锐化结果图的像素点的弥补权重。

可选地，降噪模块还用于对所述检测结果图进行边缘检测，在所述检测结果图上输出存在第二质量问题的边缘信息。

本发明提供的风机叶片的质量检测装置，采用上述实施例中的风机叶片的质量检测方法，解决现有技术中难以准确确定风机叶片质量的技术问题。与现有技术相比，本发明实施例提供的风机叶片的质量检测装置的有益效果与上述实施例提供的风机叶片的质量检测方法的有益效果相同，且该风机叶片的质量检测装置中的其他技术特征与上述实施例方法公开的特征相同，在此不做赘述。

此外，本发明实施例还提供一种风机叶片的质量检测设备，所述风机叶片的质量检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上所述的风机叶片的质量检测方法的步骤。

此外，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的风机叶片的质量检测方法的步骤。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明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，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。