基于圖像處理的風力發電葉片速度的檢測

沈繼忱，劉志杰，郭海山，鄭圣鵬

(1.東北電力大學自動化工程學院，吉林吉林132012;2.福建省計量科學研究院，福建福州350000)

0 引言

國內風電市場需求逐漸擴大，風力機生產企業有了較快地發展，風電設備制造和配套部件的生產專業化正逐步形成［1－2］。在風力機運行過程中，葉片檢測對風力機的安全運行有著重要作用。

圖像識別在電力運行及生產中有著非常廣泛的應用，基于圖像的風力發電葉片速度檢測在風力發電中是個重要的環節。目前，對風力發電葉片全過程進行檢測在國內外都開展了一些研究。在圖像識別方面國內外利用模板匹配的方法對特定的標志的識別進行了研究［3］。本文提到的葉片速度檢測是利用遠程視頻監控系統對風車進行實時監控并實時利用圖像處理技術，通過霍夫變換來確定葉片的轉速，達到檢測葉片速度的目的。

1 葉片的識別過程

1.1 葉片圖像處理的過程

由于風力發電處在惡劣的環境中，需要實時的圖像檢測處理，如濾掉一些錯誤信息，蒼蠅等小動物，以判斷風車葉片是否處在異常狀態。

首先要在監控范圍內將目標從背景中提取出來，背景的去除在整個處理中占有很重要的地位。背景圖是靜止的，用實時圖像與背景圖像相減即可濾掉背景而只保留圖像變化信息。由于光照情況時刻都在變化，背景圖像也跟著變化，所以背景圖像必須進行實時更新，以減少噪聲影響。葉片圖像處理的整體過程如圖1所示。

圖1 葉片圖像處理的整體過程

1.2 圖像的預處理

本文前面提取的圖像為真彩格式，其數據量大，難以處理，在對目標進行顏色特征提取完畢后，為了后期其他特征量的提取方便快捷，需要對圖像進行灰度化處理。

灰度圖(Grayscale)是只含亮度信息，不含色彩信息的圖像，就像我們平時看到亮度由暗到明的黑白照片，變化是連續的。因此，要表示灰度圖，就需要把亮度值進行量化。通常劃分成0到255共256個級別，0最暗(全黑)，255最亮(全白)。從彩色灰度化的過程通常分為四種方法:分量法、最大值法、平均值法、加權平均法。根據重要性及其他指標，將三個分量以不同的權值進行加權平均。由于人眼對綠色的敏感度最高，對藍色的敏感度最低，因此，按(1)式對RGB三分量進行加權平均能得到較合理的灰度圖像［4］。

為了消除孤立的噪聲點和白噪聲，而又保持圖像的邊緣，本文采取了非線性中值濾波法［5］。中值濾波就是用圖象中某一點的N×N鄰域中各點象素的中間值來代替此點的像素值，運用公式表達如下:

其中 y稱為序列 X1，X2，…，Xn的中值。

1.3 圖像的分割

圖像分割的目的就是把圖像中的物體與背景分開。把我們感興趣的部分提取出來。為了更好的效果本文采用矩量保持分割。矩的定義為

其中mi是隨機變量組的第i階矩，Pj是指隨機變量zj的概率，而z0……zn是一組隨機變量。劃分目標和背景的正確門限值也稱最佳門限值，應當保持門限分割后的 m'i=mi(i=1，2，3)。

1.4 圖像的形態學處理

1.4.1 圖像的腐蝕

本文采用了形態學處理中的腐蝕處理，目的是為了消除二值圖像與葉片上標記不相關的細節，為下面識別做準備。腐蝕具有收縮圖像的作用，A被B腐蝕記為

這個公式表明，使用對進行腐蝕就是所有B中包含于A中的點z的集合用z平移。

1.4.2 圖像的膨脹

膨脹是在二值圖像中“加長”或“變粗”的操作。膨脹的運算符為⊕，A用B膨脹寫作A⊕B，這里先將A和B看做所有取值為1了的像素點的集合。其定義為

上式表明用B膨脹A的過程，先對B做關于中心像素的映射，再將其映像平移z。

1.5 邊緣檢測

對于一副灰度二進制圖像，如果圖像像素值為1，則該像素的狀態為ON，如果其像素值為0，則該像素的狀態為OFF。在一副圖像中，如果圖像某個像素滿足以下兩個條件:

該像素狀態為ON。

該像素鄰域中有一個或多個像素狀態為OFF。則認為該像素為邊緣像素［5］。

1.6 圖像取反

為了更能直觀的識別到葉片的具體位置，需對圖像進行取反命令。

2 Hough變換

由于其根據局部度量來計算全面描述參數，因而對于區域邊界被噪聲干擾或被其他目標遮蓋而引起邊界發生某些間斷的情況，它具有很好的容錯性和魯棒性。所以采用Hough來提取并識別葉片的位置［6］，Hough的極坐標系下直線方程可以用參數表示為

其中ρ為從原點到直線的垂直距離，θ為從x軸算起的角度，這條直線在ρ－θ平面中為一點。如果在xy平面上有三個公線點，它們變換到ρ－θ平面上為有一個公共交點的三條曲線，交點的ρ－θ參數就是三點共線直線之參數。

運用直線擬合法讀出葉片在一定的時間內轉過的角度即可得到葉片的速度，采集程序界面如圖2所示。

圖2 采集識別界面

3 結束語

葉片圖像檢測能使風力發電在多種惡劣環境下穩定可靠運行，使其在故障時采取必要的安全保護措施，使風力發電機組處于保護狀態，對電網的穩定性、電能的質量、頻率等具有重要的意義。

［1］祁和生，沈德昌.我國大型風力發電產業發展現狀［J］.電氣時代，2010(2):29 －31.

［2］包耳.風力發電技術的發展現狀［J］.可再生能源，2004(2):53－55.

［3］CORREA A F，CRUZ S A.Automatic calibration of analog and digital measuring instruments using computer vision［J］.IEEE Transactions on Instrumentation and Measurement，2000，49(1):94－99.

［4］劉剛.MATLAB數學圖像處理［M］.北京:機械工業出版社，2010:110－115.

［5］王靜.基于顏色特征的圖像檢索技術研究［M］.北京:首都經貿大學碩士論文，2006:15－16.

［6］岳國義，李寶樹，趙書濤.智能型指針式儀表識別系統的研究［J］.儀器儀表學報，2003，24(z2):430 －431.