風力發電機葉片缺陷檢測裝置

王敬茹 張靖林

摘要：本文基于機器視覺理論及圖像處理技術提出一種快速高效的風力發電機葉片表面缺陷檢測方法，進而為風電結構的安全運營提供技術支持。缺陷檢測的基本流程為：利用四旋翼無人飛行器來搭載高精度的航拍設備采集圖片；對采集的圖像進行灰度化、圖像增強等預處理操作；對二值圖像進行形態學處理并去噪；標記缺陷區域并提取缺陷特征參數；將參數輸入分類器并得出葉片表面缺陷識別的結果，從而對葉片狀態進行評估。

關鍵詞：風電葉片；機器視覺系統；數字圖像處理；特征提取

葉片是風力發電機組的重要組成部分，葉片因其工作環境影響，需要具有高強度、高硬度、低密度以及較長的使用壽命等優良特點的材料制造。葉片無論處于加工、運輸、安裝還是工作狀態，均會產生各種各樣的表面缺陷損傷，從而導致嚴重的后果。此外風電機工作的地點多在偏僻復雜，自然災害發生率高的海島、灘涂或者山澗，風力發電機葉片所面臨的損傷風險也會增加。這就更加凸顯了對風力發電機葉片進行表面缺陷檢測的必要性和重要性。目前已有的風機葉片缺陷檢測方法除了地面敲擊辨音、望遠鏡觀測，就是將熟練的檢修師運送至葉片高度近距離進行目測，既不能精度保證，又危險且耗時耗力。本論文旨在研究基于四旋翼無人飛行器和數字圖像處理技術的簡單便捷、高效可靠的風力發電機葉片表面缺陷新型檢測方法。

1設計內容

風力發電機葉片表面缺陷檢測系統從四旋翼無人飛行器航拍數據采集裝置的搭建開始的，以采集來的葉片表面缺陷圖片的數字圖像處理過程為重點的，包括圖像的預處理、特征提取與缺陷識別，最后是以整個葉片表面缺陷檢則系統的總結為結束的。

四旋翼無人飛行器航拍數據采集裝置的搭建包括無人飛行器的組建和機載航拍設備的組建。前者用購買的四旋翼航模組件自已動手組裝四軸飛行器；后者包括主控器、多功能模塊、GPS及指南針模塊、JR接收機、電調和航拍攝像頭的組裝。葉片表面缺陷的數字圖像處理過程包括圖像灰度化、空間濾波、圖像增強、圖像分割和形態學圖像處理等在內的圖像預處理以及圖像標記、特征提取和缺陷目標識別等諸多過程。

1.1硬件設計

1.1.1飛行器的選擇

本文采用四旋翼無人飛行器作為航拍設備的載體飛行器。

1.2航拍設備的選擇

（1）處理器采用韓國三星公司生產的S3C2440A微處理器。該處理采用的是ARM920t內核，性能強勁，主頻高達533MHz，具有性能優異、功耗較低和集成度高等優點可抵抗不良的溫度條件和抵抗電磁場干擾，使之具備在惡劣環境中使用的基本條件。

（2）服務端的硬件控制有包含核心板和地板兩部分的一塊ARM系統板組成，其極限運行頻率高達400MHz。

（3）攝像頭采用1000萬像素的4K攝像頭。該攝像頭可真實的還原鏡片色彩，獲取清晰度高的圖像，且鏡片不易發生變形。此外攝像頭安裝時配有四個減震球以降低對圖像的抖動干擾。

1.1.3服務端及客戶端軟件設計

四旋翼無人機航拍服務端的主要功能是驅動攝像頭拍攝葉片表面缺陷圖片，建立網絡連接體系等待地面的客戶端進行連接，地面客戶端連接之后，將處理后的數據通過網絡發送給客戶端。這里采用開發完成并且已經可以穩定運行的服務端程序，使用非常方便，穩定性高。

1.2圖像處理軟件的設計

對于風電葉片表面的缺陷檢測，本文研究側重于風電葉片表面缺陷的有無及其缺陷參數值。缺陷識別的過程就是基于圖像處理軟件編制其缺陷提取和參數計算算法的過程，借助缺陷識別算法達到對缺陷區域與背景圖像的分離，并提取缺陷區域的相關特征值，從而最終完成葉片表面缺陷的檢測與評估。由始至終所運用到的數字圖像處理相關內容包括：

（1）圖像增強：可提高圖像的清晰度，將圖像中感興趣的部分從背景圖中突出或使得原圖像變得更加清晰，包括圖像灰度化、直方圖匹配、平滑去噪及對比度增強。

（2）圖像分割：采用一種自適應的方法來確定閾值。

（3）形態學圖像處理：邊緣毛刺、內部空洞情況主要通過形態學中腐蝕和膨脹等運算來解決。

（4）缺陷判斷：首先統計連通域的面積，然后去除小面積的雜聲噪點，再通過各連通域的形態學區域特征判斷是否為缺陷，最后用外接矩形來對缺陷進行標記。

（5）獲取缺陷特征：主要獲取缺陷的面積、長度、寬度和形狀，以及對缺陷進行分類。缺陷面積、長度和寬度的單位都是像素，統計缺陷內像素的個數得到面積信息；采用經典的像素積分投影的思想對缺陷進行水平和垂直方向的累加操作，進而得到缺陷寬度和形狀信息。

（6）目標識別與檢測：將特征提取得到的目標區域特征參數按照相應的模式識別分類，并給出最終目標區域的分類識別結果。

2 圖像處理軟件實踐

葉片運輸過程中易發生摩擦接觸或刮擦傷害，裝機時易受繩子、安裝工具及樹葉等損壞，待風機運轉時缺陷前身便開始加重并形成有傷害力的缺陷。下圖為團隊成員利用風機缺陷檢測裝置采集的由于運輸和吊裝造成的缺陷照片并對其進行數字圖像處理的結果：

由圖1可知，該缺陷面積為3370.13mm2，長度為472.00mm，最大寬度為10.00mm，最小寬度為0.01mm，形狀為橫向缺陷，屬于裂痕劃痕。經過測試，風力發電機葉片缺陷檢測裝置可以高精度識別風機葉面的缺陷，并對缺陷區域進行標記，進而提取面積、周長、長短徑之比、圓形相似度、矩形相似度、缺陷數等缺陷特征參數。大大降低了風機葉面的檢測費用，能更早發現風機葉面存在的缺陷，盡早處理減少不必要的經濟損失，具有廣闊的利用前景。

3 創新點及應用前景

（1）設計了葉片表面航拍圖像采集模塊，由四旋翼無人機加載輕量化帶阻尼雙軸航拍云臺及高精度攝像頭來實現航拍功能。引入了1000萬高清攝像頭、去抖設備、云臺、S3C2440A處理器、servfox服務端和客戶端的航拍模塊。

（2）通過分段線性灰度增強方法對葉片缺陷圖像進了改善處理，提高了圖像清晰度，突出了圖像特征，為得到高品質的二值圖莫定了基礎。

（3）設計了形態學圖像處理技術和圖像分割相結合的方法，通過閾值分割法提取葉片表面表面斑點、砂眼缺陷和擦痕、裂紋缺陷，最終有效提取了葉片表面二值圖中的各類缺陷。

（4）設計了基于面積值、周長、形狀因子、缺陷數等缺陷區域的特征參數的葉片表面缺陷模式識別分類器，并通過實驗數據證明了該分類器的可行性，精確性和穩定性。

參考文獻

[1]徐凌鑫.風力發電機葉片表面缺陷的研究[D].中國計量學院，2015，06.

[2]張建斐.基于機器視覺的風力發電機葉片表面缺陷檢測研究[D].蘭州理工大學，2018，04

（作者單位：山東科技大學泰安校區）