風(fēng)力發(fā)電機(jī)組尺寸及表面缺陷檢測(cè)研究

酒泉職業(yè)技術(shù)學(xué)院 張永婷

1 引言

風(fēng)能是綠色能源，是解決其它礦產(chǎn)能源接近于枯竭的很好途徑。我國(guó)風(fēng)電產(chǎn)業(yè)地良好發(fā)展從二十一世紀(jì)初就已開(kāi)始，而首批投入發(fā)電的風(fēng)機(jī)已進(jìn)入壽命倒計(jì)時(shí)，或已超過(guò)保修時(shí)間范圍，大量的風(fēng)機(jī)葉片由于膠衣脫落致使葉片暴露在復(fù)雜環(huán)境中，如果不及時(shí)發(fā)現(xiàn)、維修，很容讓葉片對(duì)風(fēng)能吸收產(chǎn)生影響，甚至損壞或者斷裂。因此，相比望遠(yuǎn)鏡觀察和繩索垂降人工檢測(cè)風(fēng)機(jī)葉片低效、滯后等特點(diǎn)，及時(shí)、快速檢測(cè)出風(fēng)機(jī)葉片膠衣缺少表面缺陷以及尺寸大小，在“智慧風(fēng)場(chǎng)”運(yùn)維保障面前顯得至關(guān)重要[1]。本文主要采用無(wú)人機(jī)采集原始圖像，并對(duì)如何運(yùn)用視覺(jué)在線檢測(cè)技術(shù)對(duì)風(fēng)電機(jī)組葉片表面缺陷檢測(cè)以及尺寸測(cè)量等進(jìn)行介紹。

2 工作原理[2-3]

風(fēng)電機(jī)組葉片表面缺陷檢測(cè)以及尺寸測(cè)量主要是一種結(jié)合四旋翼無(wú)人飛行器航拍圖像采集與機(jī)器視覺(jué)圖像處理的在線檢測(cè)方法。即四旋翼無(wú)人機(jī)是配備有光源、鏡頭、相機(jī)以及圖像采集卡等形成圖像采集設(shè)備的搭建，并進(jìn)行風(fēng)電機(jī)組葉片表面缺陷圖像采集。四旋翼無(wú)人機(jī)主要性能有遙控距離7km，飛行時(shí)間可達(dá)38min，防護(hù)級(jí)別IP43，載重可達(dá)2公斤；機(jī)器視覺(jué)圖像處理包括圖像預(yù)處理、特征提取與分類(lèi)以及尺寸確定，為之后機(jī)組葉片缺陷運(yùn)維提供準(zhǔn)備工作。

以上檢測(cè)方法，采用四旋翼無(wú)人機(jī)對(duì)風(fēng)電機(jī)組葉片膠衣缺少表面缺陷進(jìn)行原始圖像的采集工作，這種方法相比人工采集操作簡(jiǎn)單、成本低、靈活性高，并很好地采集到原始葉片膠衣缺少表面缺陷圖片；其次，運(yùn)用視覺(jué)圖像處理的方法對(duì)風(fēng)電機(jī)組葉片膠衣缺少表面缺陷原始圖片進(jìn)行特征提取等圖像處理方法，以此高效滿足后續(xù)尺寸大小確定。

3 圖像處理過(guò)程[3-4]

3.1 圖像預(yù)處理

對(duì)于采集風(fēng)電機(jī)組葉片膠衣缺少表面缺陷中，有比如外部環(huán)境、光照度以及本身相機(jī)曝光度影響等干擾因素，致使獲取圖片不是很清晰或者不利于缺陷特征對(duì)象的提取，最終影響后續(xù)缺陷尺寸大小確定的準(zhǔn)確性。所以，要對(duì)四旋翼無(wú)人飛行器航拍采集到地風(fēng)機(jī)葉片膠衣缺少表面缺陷圖像進(jìn)行圖像預(yù)處理。本文進(jìn)行的預(yù)處理流程如圖1所示。

圖1 圖片預(yù)處理流程

3.2 圖像增強(qiáng)

圖像增強(qiáng)目的是將原來(lái)圖像清晰化，提高特征區(qū)域?qū)Ρ榷?，突出“興趣”特征區(qū)域，為之后“興趣”區(qū)域提取提供高質(zhì)量圖像增加效率，降低無(wú)效信息的處理。因此，增強(qiáng)處理是預(yù)處理至關(guān)重要的第一步。

3.3 圖像灰度轉(zhuǎn)換

將原始彩色圖片中的r，g，b 三個(gè)通道進(jìn)行處理，轉(zhuǎn)換為圖像中各個(gè)像素的灰度范圍只處于0到255，其中0為黑色，255為白色?；叶戎档拇笮”硎緢D片中各個(gè)像素的明暗程度。圖像灰度轉(zhuǎn)換對(duì)于以后缺陷特征的提取算法設(shè)計(jì)提供了原始數(shù)據(jù)基礎(chǔ)。

圖像灰度轉(zhuǎn)換有加權(quán)平均法，分量法以及平均值法，因加權(quán)平均法得出的灰度轉(zhuǎn)化圖片與無(wú)失真圖片之間差距小，且特征更加突出本文中選用加權(quán)平均法。

加權(quán)平均值法是將r，g，b 各分量亮度通過(guò)不同權(quán)值進(jìn)行加權(quán)平均處理，如式（1）所示。

其中式（1）中，x、y 為各個(gè)像素坐標(biāo)系。

3.4 圖像降噪

原始圖片由于光照度、外部環(huán)境等因素會(huì)產(chǎn)生很多隨機(jī)干擾噪聲點(diǎn)或者紋理，特別是“興趣”特征區(qū)域邊緣產(chǎn)生的噪聲點(diǎn)需在這一步處理中去除或有效抑制。通常圖像降噪濾波常用有均值濾波以及中值濾波處理，其中均值濾波是將噪聲點(diǎn)附近領(lǐng)域的n 個(gè)灰度值f(x,y)取平均值g(x,y)，然后將平均值g(x,y)置換到該噪聲點(diǎn)處，即平均值g(x,y)=1/n×〔Σf(x,y)〕；而中值濾波器，則是將給定3×3領(lǐng)域窗口中所有像素灰度值進(jìn)行排序后取中值灰度值，再將此中值灰度值代替噪聲點(diǎn)處灰度值，即中值為h(x,y)=Media[g(x-i,y-j)]。

對(duì)比兩種方法可以看出均值濾波有可能因領(lǐng)域平均值的選取不當(dāng)導(dǎo)致新噪聲點(diǎn)的產(chǎn)生，而中值灰度值的替代噪聲點(diǎn)更能夠平滑處理噪聲點(diǎn)或者有效抑制淡化處理，也更有利于后續(xù)特征分割處理。因此，本文選取中值濾波降噪處理。

3.5 圖像內(nèi)插處理

圖像內(nèi)插處理主要用途是將之前灰度轉(zhuǎn)換，降噪等處理過(guò)程中丟失的“興趣”特征區(qū)域進(jìn)行有效恢復(fù)，將原始圖像分辨率像素進(jìn)行提高的過(guò)程。也是提高“興趣”特征區(qū)域提取的準(zhǔn)確性。

圖像內(nèi)插處理，主要有雙線性內(nèi)插值法、最鄰近內(nèi)插值法以及雙三次內(nèi)插值法等內(nèi)插處理方法。首先，雙線性內(nèi)插值法是指在橫豎軸兩個(gè)方向進(jìn)行一次線性插值處理，不足之處在于在相鄰處平滑吻合，但在45度傾斜處不過(guò)渡吻合，可能出現(xiàn)相鄰色點(diǎn)，并對(duì)圖像特征放大處理，不呈現(xiàn)恢復(fù)邊緣效果；其次，最鄰近內(nèi)插值法即將“興趣”特征區(qū)域附近灰度值賦值給待求點(diǎn)。此方法簡(jiǎn)單也粗暴，易出現(xiàn)色塊；最后，雙三測(cè)內(nèi)插值法，即指得是由雙線性內(nèi)插值法不足改進(jìn)而得到的，由4×4特征鄰域采樣結(jié)構(gòu)單元替換原來(lái)2×2特征采樣結(jié)構(gòu)單元對(duì)目標(biāo)像素進(jìn)行賦值處理。彌補(bǔ)了雙線性內(nèi)插值法的不足之處，但因計(jì)算特征領(lǐng)域采樣點(diǎn)多，花費(fèi)時(shí)間有些多。

本文主要采用雙三測(cè)內(nèi)插值法，考慮到該種方法處理的圖片更加精確、高清晰度，隨費(fèi)事，但相比較無(wú)人機(jī)運(yùn)行航拍時(shí)間顯得微不足道，本文更加注重高質(zhì)量圖片，故本文采用雙三測(cè)內(nèi)插值法之前處理過(guò)程中丟失的“興趣”特征區(qū)域進(jìn)行有效恢復(fù)。

3.6 特征提取[6-7]

對(duì)于采集風(fēng)電機(jī)組葉片膠衣缺少表面缺陷中，有比如外部環(huán)境、光照度以及本身相機(jī)曝光度影響等等干擾因素，致使獲取圖片不是很清晰或者不利于缺陷特征對(duì)象的提取，最終影響后續(xù)缺陷尺寸大小確定的準(zhǔn)確性。所以，要對(duì)四旋翼無(wú)人飛行器航拍采集到地風(fēng)機(jī)葉片膠衣缺少表面缺陷圖像進(jìn)行圖像預(yù)處理。

針對(duì)風(fēng)電機(jī)組葉片膠衣缺少表面缺陷預(yù)處理圖像，需要將缺陷“興趣”特征進(jìn)行提取，本文缺陷特征先進(jìn)行閾值分割二值化處理提取“興趣”區(qū)域，其次再通過(guò)形態(tài)學(xué)開(kāi)運(yùn)算減少邊緣毛刺以及雜點(diǎn)。本文進(jìn)行的特征提取流程如圖2所示。

圖2 特征提取流程

3.6.1 閾值分割處理

閾值分割處理是將葉片膠衣脫落特征區(qū)域與其周?chē)渌尘皡^(qū)域，所處的灰度級(jí)范圍通過(guò)一定閾值大小的設(shè)置進(jìn)行分割處理。特征“興趣”區(qū)域灰度值高，背景灰度值低，找到臨界值灰度閾值，將兩者通過(guò)以下公式（式2）分割開(kāi)來(lái)。

其中式（2）中，f(x,y)表示原始葉片圖像預(yù)處理之后的灰度值大小，T 表示為進(jìn)行分割的臨界值灰度閾值T，g(x,y)表示圖像預(yù)處理灰度圖通過(guò)閾值T 分割后得到的二值化圖。即當(dāng)f(x,y)＞T 時(shí)，分割后像素為為黑色，此時(shí)為葉片膠衣缺陷“興趣”特征區(qū)域變?yōu)楹谏?；?dāng)f(x,y)＜T 時(shí)，分割后像素為為白色，此時(shí)為葉片膠衣缺陷“興趣”特征背景區(qū)域變?yōu)榘咨?/p>

3.6.2 形態(tài)學(xué)開(kāi)運(yùn)算

經(jīng)過(guò)上步走葉片膠衣缺陷“興趣”特征區(qū)域二值化處理，特征邊緣還有一些毛刺與雜點(diǎn)出現(xiàn)，還有空洞出現(xiàn)。形態(tài)學(xué)處理包括圖像腐蝕、圖像膨脹以及兩者相互結(jié)合組成的開(kāi)操作和閉操作等等。圖像膨脹是將特征區(qū)域像素增加，擴(kuò)大“興趣”區(qū)域；圖像腐蝕是將特征區(qū)域像素減少，減少邊緣毛刺以及雜點(diǎn)，縮小“興趣”區(qū)域；而圖像開(kāi)運(yùn)算是指將特征“興趣”區(qū)域先進(jìn)行腐蝕收縮再膨脹擴(kuò)大處理，圖像閉運(yùn)算是指將特征“興趣”區(qū)域先進(jìn)行膨脹擴(kuò)大再腐蝕收縮處理。

本文中由于風(fēng)電機(jī)組葉片膠衣缺陷“興趣”特征區(qū)域二值化處理特征邊緣，因產(chǎn)生一些毛刺、雜點(diǎn)，須先進(jìn)行“興趣”特征邊緣的收縮處理，消除毛刺與雜點(diǎn)，然后將膠衣缺陷“興趣”特征區(qū)域邊緣擴(kuò)大至原來(lái)缺陷邊緣位置，增加對(duì)特征邊緣準(zhǔn)確性的定位。為此開(kāi)運(yùn)算的數(shù)學(xué)表達(dá)式如下所示：

式（3）中，A 為原始圖像，B 為要對(duì)原始圖像A 進(jìn)行處理的結(jié)構(gòu)元素，θ 為圖像腐蝕收縮處理運(yùn)算符號(hào)，⊕為圖像膨脹擴(kuò)大處理運(yùn)算符號(hào)。因此，本文使用形態(tài)學(xué)開(kāi)運(yùn)算對(duì)分割后二值化圖片進(jìn)行處理。

4 尺寸大小確定

4.1 標(biāo)定[8]

本文標(biāo)定為比例標(biāo)定，即是確定物體平面上的實(shí)際尺寸與物像平面上的像素尺寸的比值。具體標(biāo)定模型成像過(guò)程如圖3所示：針孔面（相機(jī)坐標(biāo)系）在圖像平面（圖像坐標(biāo)系）和物點(diǎn)平面（原點(diǎn)標(biāo)定板平面）之間，所成圖像為倒立實(shí)像。

圖3 標(biāo)定模型

本文比例標(biāo)定步驟具體如下：a)確定出標(biāo)準(zhǔn)原點(diǎn)標(biāo)定板上原點(diǎn)直徑距離；b)確定出該距離與所得標(biāo)定板圖像上原點(diǎn)直徑方向上的像素?cái)?shù)目，并計(jì)算出這兩者之間的比例值k；c)確定實(shí)際風(fēng)電機(jī)組葉片膠衣缺少缺陷“興趣”特征區(qū)域像素?cái)?shù)目，最后通過(guò)標(biāo)定板與像素?cái)?shù)比例值k 計(jì)算出“興趣”特征區(qū)域?qū)嶋H尺寸大小。

表1中所示，標(biāo)定板標(biāo)定原點(diǎn)取8個(gè)點(diǎn)，已知標(biāo)定板直徑值為φ2mm，并分別計(jì)算單個(gè)像素值，最終求得平均值，此平均值作為標(biāo)定得出比例值k 約為0.0085mm。

表1 確定比例值k

4.2 尺寸大小處理[9]

進(jìn)行比例標(biāo)定，獲得實(shí)際尺寸和像素?cái)?shù)目多少的比值。據(jù)此可通過(guò)檢測(cè)得到的實(shí)際風(fēng)電機(jī)組葉片膠衣缺少缺陷特征區(qū)域面積值，求出面積S、長(zhǎng)度l 以及長(zhǎng)徑大小L 的實(shí)際數(shù)據(jù)值大小，單位為毫米（mm），葉片膠衣缺少缺陷特征區(qū)域面積值S 等于特征提取處理后的圖像的黑色（灰度值為255）像素點(diǎn)數(shù)目。

4.2.1 面積大小S 計(jì)算

式（4）中S 為風(fēng)電機(jī)組葉片膠衣缺少缺陷特征區(qū)域面積值，Σx=1Σy=1g(x,y)缺陷特征區(qū)域的像素?cái)?shù)目，k 為標(biāo)定比例值。若其中一缺陷像素為一半值時(shí)，在計(jì)算像素?cái)?shù)目個(gè)數(shù)，須將此值計(jì)算一半值。

4.2.2 長(zhǎng)度大小

式（5）中l(wèi)x、ly 分別為風(fēng)電機(jī)組葉片膠衣缺少缺陷特征區(qū)域在x 軸與y 軸方向的長(zhǎng)度，Σx=1g(x,y)、Σy=1g(x,y)分別為缺陷特征區(qū)域在x軸與y 軸方向的像素?cái)?shù)目，k 為標(biāo)定比例值。

4.2.3 長(zhǎng)徑大小L 確定

把缺陷特征區(qū)域最遠(yuǎn)兩點(diǎn)之間的距離設(shè)為L(zhǎng)，該兩點(diǎn)坐標(biāo)為(x1,y1)、(x2,y2)，則長(zhǎng)徑大小為如下：

5 結(jié)果輸出

由圖像處理提取出缺陷特征區(qū)域?yàn)閴K1和塊2，已知有人工測(cè)量得出塊1、塊2面積分別為S1=5500mm2，S2=4500mm2；而計(jì)算出塊1、塊2在x 軸、y 軸方向上的像素值數(shù)目分別為12000個(gè)、6588個(gè)和10706個(gè)、6118個(gè)，即得出塊1、塊2面積為S1’=5712mm2，S2’=4732mm2。相比人工測(cè)量，計(jì)算誤差率約為4.45%，小于5%，滿足檢測(cè)要求。

6 結(jié)論

根據(jù)風(fēng)電機(jī)組葉片膠衣缺少表面缺陷及尺寸大小確定的檢測(cè)技術(shù)，設(shè)計(jì)了整體膠衣表面缺陷特征區(qū)域提取及尺寸大小具體計(jì)算的方案。通過(guò)對(duì)葉片表面缺陷特征“興趣”區(qū)域各個(gè)檢測(cè)算法的研究比較，提出了由圖像增強(qiáng)、灰度轉(zhuǎn)換、圖像降噪、圖像內(nèi)插以及閾值分割、形態(tài)學(xué)開(kāi)運(yùn)算等算法組成的圖像特征提取過(guò)程；同時(shí)提出了由比例標(biāo)定進(jìn)行尺寸大小確定的方案。最后驗(yàn)證了本文檢測(cè)技術(shù)的準(zhǔn)確性。該檢測(cè)技術(shù)為后續(xù)無(wú)人機(jī)對(duì)風(fēng)電場(chǎng)風(fēng)機(jī)葉片表面檢測(cè)提供重要參考，同時(shí)缺陷尺寸大小確定為運(yùn)維范圍提供了數(shù)據(jù)支撐，也為實(shí)現(xiàn)“智慧風(fēng)場(chǎng)”運(yùn)維技術(shù)提供了良好的保障。