风力发电机组尺寸及表面缺陷检测研究

酒泉职业技术学院 张永婷

1 引言

风能是绿色能源，是解决其它矿产能源接近于枯竭的很好途径。我国风电产业地良好发展从二十一世纪初就已开始，而首批投入发电的风机已进入寿命倒计时，或已超过保修时间范围，大量的风机叶片由于胶衣脱落致使叶片暴露在复杂环境中，如果不及时发现、维修，很容让叶片对风能吸收产生影响，甚至损坏或者断裂。因此，相比望远镜观察和绳索垂降人工检测风机叶片低效、滞后等特点，及时、快速检测出风机叶片胶衣缺少表面缺陷以及尺寸大小，在“智慧风场”运维保障面前显得至关重要[1]。本文主要采用无人机采集原始图像，并对如何运用视觉在线检测技术对风电机组叶片表面缺陷检测以及尺寸测量等进行介绍。

2 工作原理[2-3]

风电机组叶片表面缺陷检测以及尺寸测量主要是一种结合四旋翼无人飞行器航拍图像采集与机器视觉图像处理的在线检测方法。即四旋翼无人机是配备有光源、镜头、相机以及图像采集卡等形成图像采集设备的搭建，并进行风电机组叶片表面缺陷图像采集。四旋翼无人机主要性能有遥控距离7km，飞行时间可达38min，防护级别IP43，载重可达2公斤；机器视觉图像处理包括图像预处理、特征提取与分类以及尺寸确定，为之后机组叶片缺陷运维提供准备工作。

以上检测方法，采用四旋翼无人机对风电机组叶片胶衣缺少表面缺陷进行原始图像的采集工作，这种方法相比人工采集操作简单、成本低、灵活性高，并很好地采集到原始叶片胶衣缺少表面缺陷图片；其次，运用视觉图像处理的方法对风电机组叶片胶衣缺少表面缺陷原始图片进行特征提取等图像处理方法，以此高效满足后续尺寸大小确定。

3 图像处理过程[3-4]

3.1 图像预处理

对于采集风电机组叶片胶衣缺少表面缺陷中，有比如外部环境、光照度以及本身相机曝光度影响等干扰因素，致使获取图片不是很清晰或者不利于缺陷特征对象的提取，最终影响后续缺陷尺寸大小确定的准确性。所以，要对四旋翼无人飞行器航拍采集到地风机叶片胶衣缺少表面缺陷图像进行图像预处理。本文进行的预处理流程如图1所示。

图1 图片预处理流程

3.2 图像增强

图像增强目的是将原来图像清晰化，提高特征区域对比度，突出“兴趣”特征区域，为之后“兴趣”区域提取提供高质量图像增加效率，降低无效信息的处理。因此，增强处理是预处理至关重要的第一步。

3.3 图像灰度转换

将原始彩色图片中的r，g，b 三个通道进行处理，转换为图像中各个像素的灰度范围只处于0到255，其中0为黑色，255为白色。灰度值的大小表示图片中各个像素的明暗程度。图像灰度转换对于以后缺陷特征的提取算法设计提供了原始数据基础。

图像灰度转换有加权平均法，分量法以及平均值法，因加权平均法得出的灰度转化图片与无失真图片之间差距小，且特征更加突出本文中选用加权平均法。

加权平均值法是将r，g，b 各分量亮度通过不同权值进行加权平均处理，如式（1）所示。

其中式（1）中，x、y 为各个像素坐标系。

3.4 图像降噪

原始图片由于光照度、外部环境等因素会产生很多随机干扰噪声点或者纹理，特别是“兴趣”特征区域边缘产生的噪声点需在这一步处理中去除或有效抑制。通常图像降噪滤波常用有均值滤波以及中值滤波处理，其中均值滤波是将噪声点附近领域的n 个灰度值f(x,y)取平均值g(x,y)，然后将平均值g(x,y)置换到该噪声点处，即平均值g(x,y)=1/n×〔Σf(x,y)〕；而中值滤波器，则是将给定3×3领域窗口中所有像素灰度值进行排序后取中值灰度值，再将此中值灰度值代替噪声点处灰度值，即中值为h(x,y)=Media[g(x-i,y-j)]。

对比两种方法可以看出均值滤波有可能因领域平均值的选取不当导致新噪声点的产生，而中值灰度值的替代噪声点更能够平滑处理噪声点或者有效抑制淡化处理，也更有利于后续特征分割处理。因此，本文选取中值滤波降噪处理。

3.5 图像内插处理

图像内插处理主要用途是将之前灰度转换，降噪等处理过程中丢失的“兴趣”特征区域进行有效恢复，将原始图像分辨率像素进行提高的过程。也是提高“兴趣”特征区域提取的准确性。

图像内插处理，主要有双线性内插值法、最邻近内插值法以及双三次内插值法等内插处理方法。首先，双线性内插值法是指在横竖轴两个方向进行一次线性插值处理，不足之处在于在相邻处平滑吻合，但在45度倾斜处不过渡吻合，可能出现相邻色点，并对图像特征放大处理，不呈现恢复边缘效果；其次，最邻近内插值法即将“兴趣”特征区域附近灰度值赋值给待求点。此方法简单也粗暴，易出现色块；最后，双三测内插值法，即指得是由双线性内插值法不足改进而得到的，由4×4特征邻域采样结构单元替换原来2×2特征采样结构单元对目标像素进行赋值处理。弥补了双线性内插值法的不足之处，但因计算特征领域采样点多，花费时间有些多。

本文主要采用双三测内插值法，考虑到该种方法处理的图片更加精确、高清晰度，随费事，但相比较无人机运行航拍时间显得微不足道，本文更加注重高质量图片，故本文采用双三测内插值法之前处理过程中丢失的“兴趣”特征区域进行有效恢复。

3.6 特征提取[6-7]

对于采集风电机组叶片胶衣缺少表面缺陷中，有比如外部环境、光照度以及本身相机曝光度影响等等干扰因素，致使获取图片不是很清晰或者不利于缺陷特征对象的提取，最终影响后续缺陷尺寸大小确定的准确性。所以，要对四旋翼无人飞行器航拍采集到地风机叶片胶衣缺少表面缺陷图像进行图像预处理。

针对风电机组叶片胶衣缺少表面缺陷预处理图像，需要将缺陷“兴趣”特征进行提取，本文缺陷特征先进行阈值分割二值化处理提取“兴趣”区域，其次再通过形态学开运算减少边缘毛刺以及杂点。本文进行的特征提取流程如图2所示。

图2 特征提取流程

3.6.1 阈值分割处理

阈值分割处理是将叶片胶衣脱落特征区域与其周围其它背景区域，所处的灰度级范围通过一定阈值大小的设置进行分割处理。特征“兴趣”区域灰度值高，背景灰度值低，找到临界值灰度阈值，将两者通过以下公式（式2）分割开来。

其中式（2）中，f(x,y)表示原始叶片图像预处理之后的灰度值大小，T 表示为进行分割的临界值灰度阈值T，g(x,y)表示图像预处理灰度图通过阈值T 分割后得到的二值化图。即当f(x,y)＞T 时，分割后像素为为黑色，此时为叶片胶衣缺陷“兴趣”特征区域变为黑色；当f(x,y)＜T 时，分割后像素为为白色，此时为叶片胶衣缺陷“兴趣”特征背景区域变为白色。

3.6.2 形态学开运算

经过上步走叶片胶衣缺陷“兴趣”特征区域二值化处理，特征边缘还有一些毛刺与杂点出现，还有空洞出现。形态学处理包括图像腐蚀、图像膨胀以及两者相互结合组成的开操作和闭操作等等。图像膨胀是将特征区域像素增加，扩大“兴趣”区域；图像腐蚀是将特征区域像素减少，减少边缘毛刺以及杂点，缩小“兴趣”区域；而图像开运算是指将特征“兴趣”区域先进行腐蚀收缩再膨胀扩大处理，图像闭运算是指将特征“兴趣”区域先进行膨胀扩大再腐蚀收缩处理。

本文中由于风电机组叶片胶衣缺陷“兴趣”特征区域二值化处理特征边缘，因产生一些毛刺、杂点，须先进行“兴趣”特征边缘的收缩处理，消除毛刺与杂点，然后将胶衣缺陷“兴趣”特征区域边缘扩大至原来缺陷边缘位置，增加对特征边缘准确性的定位。为此开运算的数学表达式如下所示：

式（3）中，A 为原始图像，B 为要对原始图像A 进行处理的结构元素，θ 为图像腐蚀收缩处理运算符号，⊕为图像膨胀扩大处理运算符号。因此，本文使用形态学开运算对分割后二值化图片进行处理。

4 尺寸大小确定

4.1 标定[8]

本文标定为比例标定，即是确定物体平面上的实际尺寸与物像平面上的像素尺寸的比值。具体标定模型成像过程如图3所示：针孔面（相机坐标系）在图像平面（图像坐标系）和物点平面（原点标定板平面）之间，所成图像为倒立实像。

图3 标定模型

本文比例标定步骤具体如下：a)确定出标准原点标定板上原点直径距离；b)确定出该距离与所得标定板图像上原点直径方向上的像素数目，并计算出这两者之间的比例值k；c)确定实际风电机组叶片胶衣缺少缺陷“兴趣”特征区域像素数目，最后通过标定板与像素数比例值k 计算出“兴趣”特征区域实际尺寸大小。

表1中所示，标定板标定原点取8个点，已知标定板直径值为φ2mm，并分别计算单个像素值，最终求得平均值，此平均值作为标定得出比例值k 约为0.0085mm。

表1 确定比例值k

4.2 尺寸大小处理[9]

进行比例标定，获得实际尺寸和像素数目多少的比值。据此可通过检测得到的实际风电机组叶片胶衣缺少缺陷特征区域面积值，求出面积S、长度l 以及长径大小L 的实际数据值大小，单位为毫米（mm），叶片胶衣缺少缺陷特征区域面积值S 等于特征提取处理后的图像的黑色（灰度值为255）像素点数目。

4.2.1 面积大小S 计算

式（4）中S 为风电机组叶片胶衣缺少缺陷特征区域面积值，Σx=1Σy=1g(x,y)缺陷特征区域的像素数目，k 为标定比例值。若其中一缺陷像素为一半值时，在计算像素数目个数，须将此值计算一半值。

4.2.2 长度大小

式（5）中lx、ly 分别为风电机组叶片胶衣缺少缺陷特征区域在x 轴与y 轴方向的长度，Σx=1g(x,y)、Σy=1g(x,y)分别为缺陷特征区域在x轴与y 轴方向的像素数目，k 为标定比例值。

4.2.3 长径大小L 确定

把缺陷特征区域最远两点之间的距离设为L，该两点坐标为(x1,y1)、(x2,y2)，则长径大小为如下：

5 结果输出

由图像处理提取出缺陷特征区域为块1和块2，已知有人工测量得出块1、块2面积分别为S1=5500mm2，S2=4500mm2；而计算出块1、块2在x 轴、y 轴方向上的像素值数目分别为12000个、6588个和10706个、6118个，即得出块1、块2面积为S1’=5712mm2，S2’=4732mm2。相比人工测量，计算误差率约为4.45%，小于5%，满足检测要求。

6 结论

根据风电机组叶片胶衣缺少表面缺陷及尺寸大小确定的检测技术，设计了整体胶衣表面缺陷特征区域提取及尺寸大小具体计算的方案。通过对叶片表面缺陷特征“兴趣”区域各个检测算法的研究比较，提出了由图像增强、灰度转换、图像降噪、图像内插以及阈值分割、形态学开运算等算法组成的图像特征提取过程；同时提出了由比例标定进行尺寸大小确定的方案。最后验证了本文检测技术的准确性。该检测技术为后续无人机对风电场风机叶片表面检测提供重要参考，同时缺陷尺寸大小确定为运维范围提供了数据支撑，也为实现“智慧风场”运维技术提供了良好的保障。