[发明专利]一种用于风机叶片缺陷检测的热成像图像增强训练方法和装置

说明书

本发明公开了一种用于风机叶片缺陷检测的热成像图像增强训练方法和装置，本发明属于风力发电机技术领域，包括：步骤1，获取待检测风机叶片的热成像图像，并对热成像图像进行图像增广处理，增加热成像图像的数据量；步骤2，对经过步骤1图像增广处理后的热成像图像进行二值化处理，然后通过高斯滤波处理消除热成像图像中的高斯噪声，然后对高斯滤波处理后的图像再进行线性灰度增强处理；步骤3，对经过步骤2处理的图像进一步进行图像锐化处理，得到图像增强模型，能够降低了对样本进行人工标注所需的人力成本，而且大大提高了叶片图像检测模型的精度。

技术领域

本发明涉及风力发电机技术领域，尤其涉及一种用于风机叶片缺陷检测的热成像图像增强训练方法和装置。

背景技术

风能是一种重要的可再生能源，随着我国风能市场的扩大，风机制造业逐渐进入高速发展期。风力发电机的寿命和安全性影响着风电利用和发展的脚步，风机叶片是风力发电机的核心部件，其寿命和安全性直接影响着整个风电机组的寿命和安全状况。由于风电场运行环境比较复杂，风机叶片全天候在高空运行，长期接收风沙、污染、雷击以及台风等各种因素的影响，风机叶片容易出现缺陷并逐步扩展，若未能及时发现，容易造成叶片甚至主机严重事故，最终降低叶片的寿命和运行安全性。

目前，现有的风机叶片检测模型通常采用人工标注的方法，或者在粗处理的基础上进一步进行人工标注的方式，以使得神经网络模型学习样本数据中的特征，从而对神经网络模型进行优化。该方式需要耗费大量的人力资源成本，并且所得到的模型鲁棒性也较低，导致通过模型对叶片的检测结果精度不高。

发明内容

本发明的目的在于针对现有技术的缺陷，本发明的目的在于提出一种用于风机叶片缺陷检测的热成像图像增强训练方法和装置以及设备，能够降低了对样本进行人工标注所需的人力成本，而且大大提高了叶片图像检测模型的精度。

本发明提供的一种用于风机叶片缺陷检测的热成像图像增强训练方法，包括以下步骤：

步骤1，获取待检测风机叶片的热成像图像，获取的热成像图像中应当有风机叶片且叶片清晰，并对热成像图像进行图像增广处理，增加热成像图像的数据量；

具体的，所述步骤1中，对所述热成像图像进行图像增广处理包括：对所述热成像图像进行翻转、裁剪和变换颜色处理，能够实现对图像质量的改善，以便于计算分析，提高模型的泛化能力，还可以防止模型过拟合，从而导致检测精度降低。

优选的，所述对所述热成像图像进行翻转是将热成像图像进行左右上下翻转；所述变换颜色处理是将同一张热成像图像的颜色饱和度进行变换形成若干张颜色饱和度不同的热成像图像；所述裁剪是对热成像图像不同位置(如右下部分或者左上部分)进行剪裁。

步骤2，对经过步骤1图像增广处理后的热成像图像进行二值化处理，然后通过高斯滤波处理消除热成像图像中的高斯噪声，然后对高斯滤波处理后的图像再进行线性灰度增强处理；高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程，通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。

给定一张黑白图片，该图片可能黑白并不分明，整个图片最黑的像素点的像素值可能并没有达到0，而最白的像素点的像素值可能并没有达到255，换句话说，这张黑白图像的像素并不均匀，整体的像素值集中在某一块区域，因此需要进行线性的像素，所述步骤2中，所述线性灰度增强处理，是将高斯滤波处理后的图像中最黑的像素点像素值调整为0、将最白的像素点像素值调整为255，将其他的像素点的像素值根据其与最黑和/或最白的像素点间的颜色深度比值进行线性调整，比值比率和线性度可以根据先验阈值设定和调整。