[发明专利]风机叶片缺陷检测方法和装置、存储介质

说明书

本发明公开了一种风机叶片缺陷检测方法和装置、存储介质，所述方法包括：构建叶片分割网络和叶片缺陷检测网络并进行网络训练，得到训练后的叶片分割网络模型和叶片缺陷检测网络模型；将采集的风机叶片原始图片输入经训练的叶片分割网络模型中进行图片分割，获得包含叶片区域的分割图片；将包含叶片区域的分割图片划分为多个子图片；将多个子图片输入经训练的叶片缺陷检测网络模型中进行叶片缺陷检测，获得多个子图片中的缺陷信息；根据多个子图片中的缺陷信息获得风机叶片上缺陷的类型、位置和尺寸。该风机叶片缺陷检测方法通过两级级联的叶片分割网络和叶片缺陷检测网络，能够有效增加缺陷检测的鲁棒性、减少漏检。

技术领域

本发明属于缺陷检测技术领域，具体涉及一种风机叶片缺陷检测方法和装置、存储介质。

背景技术

风力发电机是将风能转换为机械功，机械功带动转子旋转，最终输出交流电的电力设备。风力发电机一般有叶片、发电机、调向器、塔架、限速安全机构和储能装置等构件组成。

在风力发电机的长期运行过程中，叶片的表面会呈现出各种损伤，例如叶片保护膜损伤、叶片掉漆、叶片结冰、叶片裂纹以及叶片油污等，因此，需要定期对风机叶片进行缺陷检测。

当前大多数风机叶片缺陷检测大体分两种情况，一种传统的方法是使用人工来做巡查，即把无人机拍摄或其他手段采集回来的风机叶片可见光图片进行人工查看；另一种较先进的方法是使用计算机视觉技术选出有缺陷的图片，然后根据拍摄的信息定位具体到缺陷所在风机叶片上的准确位置，最后派遣人员检修或更换。

上述人工检测方法是缺乏信息化的粗放的叶片缺陷检测方法，存在极度依靠人工、有效利用率低、即时性差等问题。而使用计算机视觉技术的方法一般直接把采集的图片直接送给检测网络，然后给出图片中缺陷的位置和类别，这种方法存在以下几点不足：(1)由于缺陷在整幅图像中相对较小，现有网络对小目标检测效果不好，存在较多漏检，可能错过一些重大隐患；(2)这种方法可能会把非叶片区域的目标检测为缺陷，增加了人力消除这种虚假检测的工作量，同时缺陷分级不精确。综上所述，现有技术较大地影响风机叶片巡检任务精度和进度，降低工作效率，增加巡检任务成本和安全风险。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种风机叶片缺陷检测方法和装置、存储介质。本发明要解决的技术问题通过以下技术方案实现：

本发明提供了一种风机叶片缺陷检测方法，包括：

构建叶片分割网络和叶片缺陷检测网络并进行网络训练，得到训练后的叶片分割网络模型和叶片缺陷检测网络模型；

将采集的风机叶片原始图片输入经训练的叶片分割网络模型中进行图片分割，获得包含叶片区域的分割图片；

将所述包含叶片区域的分割图片划分为多个子图片；

将所述多个子图片输入经训练的叶片缺陷检测网络模型中进行叶片缺陷检测，获得所述多个子图片中的缺陷信息；

根据所述多个子图片中的缺陷信息获得风机叶片上缺陷的类型、位置和尺寸。

在本发明的一个实施例中，构建叶片分割网络和叶片缺陷检测网络并进行网络训练，得到训练后的叶片分割网络模型和叶片缺陷检测网络模型，包括：

构建叶片分割网络；

预先采集风机叶片数据并进行人工标注，生成用于叶片分割网络的第一训练数据集；

利用所述第一训练数据集对所述叶片分割网络进行训练，得到训练后的叶片分割网络模型；

构建叶片缺陷检测网络；

预先采集风机叶片数据并进行人工缺陷数据标注，生成用于叶片缺陷检测网络的第二训练数据集；