[发明专利]基于无人机的风机叶片及塔筒巡检识别系统及方法

权利要求书

1.一种基于无人机的风机叶片及塔筒巡检识别系统，包括无人机自主飞行平台、智能识别及管理平台、可视化操作客户端平台，其特征在于：

所述无人机自主飞行平台包括采用RTK高精度定位实现长航时精准飞行的无人机，用于对传入视频进行实时分析并通过实时识别结果对所述无人机进行实时调整的边缘计算模块，通过禅思变焦相机和激光雷达对叶片跟踪、并通过变焦拍摄对叶片表面进行清晰拍照的云台相机模块，用于根据巡检任务控制所述无人机飞行作业的无人机管控模块，所述边缘计算模块、所述云台相机模块均安装于所述无人机上，所述无人机管控模块与所述边缘计算模块通讯连接，所述无人机与所述边缘计算模块、所述云台相机模块通讯连接；

所述智能识别及管理平台包括用于对传入的巡检数据进行缺陷识别的缺陷智能识别模块，用于对巡检数据和缺陷数据进行存储和管理的数据管理模块，用于对收集缺陷数据进行迭代训练的自学习训练模块；

所述可视化操作客户端平台包括用于接入数据信息的数据加载模块，通过深度学习以对接入的数据信息进行智能识别以识别出缺陷数据的智能识别模块，用于上传识别到的缺陷数据的数据上传模块，用于生成缺陷报告的生成报告模块。

2.根据权利要求1所述的基于无人机的风机叶片及塔筒巡检识别系统，其特征在于：所述缺陷智能识别模块包括缺陷目标检测单元和语义分割单元，所述缺陷目标检测单元用于示出输入的巡检图像上的缺陷位置和缺陷类型以识别出缺陷，所述语义分割单元用于对输入的巡检图像按照像素进行识别以计算缺陷所占像素大小。

3.根据权利要求1所述的基于无人机的风机叶片及塔筒巡检识别系统，其特征在于：所述自学习训练模块包括用于统计并查看数据库中数据详细信息的信息统计和查看单元，选择需要训练模型的类型自动构建训练数据集的数据集构建单元，用于显示训练相关数据的训练可视化单元，用于发布训练精度高的模型的模型发布单元，用于对数据库中一级类别和二级类别进行增、删、改、查中的任意一种操作的缺陷类别管理单元，用于将新增训练样本同步到数据库中的数据同步单元。

4.一种基于无人机的风机叶片及塔筒巡检识别方法，其特征在于：该方法包括以下步骤：

S1：风力发电机停机，关停待巡检的风力发电机停机；

S2：航线规划，通过无人机管控模块规划无人机飞向目标巡检位置的路径点；

S3：风机定向，位于待巡检的风力发电机正上方的无人机将云台相机模块拍摄该风力发电机的俯视图，通过视觉算法检测风机与机舱的位置，确认该风力发电机在地理坐标系下朝向的角度；

S4：机舱轮毂定位，无人机飞行至该风力发电机正前方的100±1米的安全距离处，向机舱轮毂缓慢靠近，同时通过视觉算法实现轮毂中心位置的定位；

S5：叶片定位导航，无人机通过视觉算法实现叶片位置的定位，通过获得的叶片位置信息，规划预设路线，通过目标检测算法识别出叶片的位置，并计算出叶片与塔筒之间的夹角，通过夹角反算出各叶片在三维空间中的位置，并根据叶片位置进行航线规划，计算出粗略的航线；

S6：叶片跟踪飞行，无人机根据RTK和激光雷达信息，实时调整在风机航向与位置偏差上的多维度修正，并通过云台相机模块的前端识别结果，调整叶片在相机中的位置，保持叶片的拍摄角度；

S7：故障识别与处理，智能识别及管理平台对拍摄的照片进行处理后识别缺陷，后台人员通过可视化操作客户端平台对缺陷进行审核并通过生成报告模块自动生成缺陷报告。