沈繼忱，劉志杰，郭海山，鄭圣鵬

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

0 引言

國內(nèi)風(fēng)電市場需求逐漸擴大，風(fēng)力機生產(chǎn)企業(yè)有了較快地發(fā)展，風(fēng)電設(shè)備制造和配套部件的生產(chǎn)專業(yè)化正逐步形成［1－2］。在風(fēng)力機運行過程中，葉片檢測對風(fēng)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(chǎn)中有著非常廣泛的應(yīng)用，基于圖像的風(fēng)力發(fā)電葉片速度檢測在風(fēng)力發(fā)電中是個重要的環(huán)節(jié)。目前，對風(fēng)力發(fā)電葉片全過程進行檢測在國內(nèi)外都開展了一些研究。在圖像識別方面國內(nèi)外利用模板匹配的方法對特定的標(biāo)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(jiān)控系統(tǒng)對風(fēng)車進行實時監(jiān)控并實時利用圖像處理技術(shù)，通過霍夫變換來確定葉片的轉(zhuǎn)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(fēng)力發(fā)電處在惡劣的環(huán)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(fēng)車葉片是否處在異常狀態(tài)。

首先要在監(jiān)控范圍內(nèi)將目標(biāo)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(yù)處理

本文前面提取的圖像為真彩格式，其數(shù)據(jù)量大，難以處理，在對目標(biāo)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(xù)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(quán)平均法。根據(jù)重要性及其他指標(biāo)，將三個分量以不同的權(quán)值進行加權(quán)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(quán)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(biāo)和背景的正確門限值也稱最佳門限值，應(yīng)當(dāng)保持門限分割后的 m'i=mi(i=1，2，3)。

1.4 圖像的形態(tài)學(xué)處理

1.4.1 圖像的腐蝕

本文采用了形態(tài)學(xué)處理中的腐蝕處理，目的是為了消除二值圖像與葉片上標(biāo)記不相關(guān)的細節(jié)，為下面識別做準(zhǔn)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(guān)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(tài)為ON，如果其像素值為0，則該像素的狀態(tài)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(tài)為ON。

該像素鄰域中有一個或多個像素狀態(tài)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(jù)局部度量來計算全面描述參數(shù)，因而對于區(qū)域邊界被噪聲干擾或被其他目標(biāo)遮蓋而引起邊界發(fā)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(biāo)系下直線方程可以用參數(shù)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(shù)就是三點共線直線之參數(shù)。

運用直線擬合法讀出葉片在一定的時間內(nèi)轉(zhuǎn)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(jié)束語

葉片圖像檢測能使風(fēng)力發(fā)電在多種惡劣環(huán)境下穩(wěn)定可靠運行，使其在故障時采取必要的安全保護措施，使風(fēng)力發(fā)電機組處于保護狀態(tài)，對電網(wǎng)的穩(wěn)定性、電能的質(zhì)量、頻率等具有重要的意義。

［1］祁和生，沈德昌.我國大型風(fēng)力發(fā)電產(chǎn)業(yè)發(fā)展現(xiàn)狀［J］.電氣時代，2010(2):29 －31.

［2］包耳.風(fēng)力發(fā)電技術(shù)的發(fā)展現(xiàn)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(shù)學(xué)圖像處理［M］.北京:機械工業(yè)出版社，2010:110－115.

［5］王靜.基于顏色特征的圖像檢索技術(shù)研究［M］.北京:首都經(jīng)貿(mào)大學(xué)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(tǒng)的研究［J］.儀器儀表學(xué)報，2003，24(z2):430 －431.