[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

说明书

本申请公开了基于无人机的风机叶片及塔筒巡检识别系统及方法，该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，所述无人机自主飞行平台包括无人机、边缘计算模块、云台相机模块、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缺陷智能识别模块、数据管理模块、自学习训练模块；所述可视化操作客户端平台包括、数据加载模块、智能识别模块、数据上传模块、生成报告模块。本申请还公开了基于无人机的风机叶片及塔筒巡检识别方法。

技术领域

本申请涉及无人机设备技术领域，具体是基于无人机的风机叶片及塔筒巡检识别系统及方法。

背景技术

针对风力发电机叶片检查，传统的方式主要为目测检查，形式上分为高倍望远镜、高空绕行下降目测检查和维修平台检查。上述方法均不同程度的存在检查效率低、经济成本高、高空坠落安全隐患等问题。

无人机作业在巡检过程中带来巨大便利的同时也产生了大量的巡检数据，但是，传统的单纯依靠人工审核的方式已不再适用，反而有可能导致更大的人力需求，从而降低了无人机的价值。随着人工智能的快速发展，为实现智能识别提供了强大的技术支持，基于人工智能的图像识别系统进一步提高了巡检的自动化和智能化。因此，亟需一种依靠人工智能的无人机巡检作业系统来进行智能化的风机叶片及塔筒巡检任务。

发明内容

本申请的目的在于提供基于无人机的风机叶片及塔筒巡检识别系统及方法，已解决上述背景技术中提出的技术问题。

为实现上述目的，本申请提供了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，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。

通过无人机自主飞行平台的无人机智能巡检技术实现对风力发电叶片及塔筒的自动化巡检，该平台主要实现对风力发电叶片及塔筒的自主巡检，按照风机状态可以分为：停车状态和正常运行状态，根据不同的风机状态采取不同的巡检方式，可以分为基于低速状态的叶片细节的精细化拍照和基于正常运行状态的整体轮廓的视频拍摄。

通过智能识别及管理平台的人工智能技术实现对风力发电叶片及塔筒巡检图像的缺陷智能识别和检测，该平台主要针对风力叶片及塔筒的缺陷进行检测，按照风机的状态分为图片模式即风机停止运行状态和视频模式即风机正常运行状态，图片模式下是针对叶片进行精细化的缺陷检测，包括对细小裂纹，小范围胶衣脱落等缺陷检测；视频模式下是针对运动状态下的风机叶片进行较大缺陷的检测。

通过可视化操作客户端平台的缺陷自主学习训练实现对缺陷数据的自动再训练过程和对缺陷识别模块的迭代更新和精度提升，该平台主要是对现阶段初期模型精度较低，结合人工审核方式，增加训练库样本容量，进行迭代训练提高模型的精度，从而达到逐渐减少甚至替代人工的方式，该模块可以应用到包括通道环境、杆塔精细化和风力发电叶片及塔筒的模型精度的提高。