王敬茹 張靖林

摘要：本文基于機(jī)器視覺理論及圖像處理技術(shù)提出一種快速高效的風(fēng)力發(fā)電機(jī)葉片表面缺陷檢測(cè)方法，進(jìn)而為風(fēng)電結(jié)構(gòu)的安全運(yùn)營(yíng)提供技術(shù)支持。缺陷檢測(cè)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(shè)備采集圖片；對(duì)采集的圖像進(jìn)行灰度化、圖像增強(qiáng)等預(yù)處理操作；對(duì)二值圖像進(jìn)行形態(tài)學(xué)處理并去噪；標(biāo)記缺陷區(qū)域并提取缺陷特征參數(shù)；將參數(shù)輸入分類器并得出葉片表面缺陷識(shí)別的結(jié)果，從而對(duì)葉片狀態(tài)進(jìn)行評(píng)估。

關(guān)鍵詞：風(fēng)電葉片；機(jī)器視覺系統(tǒng)；數(shù)字圖像處理；特征提取

葉片是風(fēng)力發(fā)電機(jī)組的重要組成部分，葉片因其工作環(huán)境影響，需要具有高強(qiáng)度、高硬度、低密度以及較長(zhǎng)的使用壽命等優(yōu)良特點(diǎn)的材料制造。葉片無論處于加工、運(yùn)輸、安裝還是工作狀態(tài)，均會(huì)產(chǎn)生各種各樣的表面缺陷損傷，從而導(dǎo)致嚴(yán)重的后果。此外風(fēng)電機(jī)工作的地點(diǎn)多在偏僻復(fù)雜，自然災(zāi)害發(fā)生率高的海島、灘涂或者山澗，風(fēng)力發(fā)電機(jī)葉片所面臨的損傷風(fēng)險(xiǎn)也會(huì)增加。這就更加凸顯了對(duì)風(fēng)力發(fā)電機(jī)葉片進(jìn)行表面缺陷檢測(cè)的必要性和重要性。目前已有的風(fēng)機(jī)葉片缺陷檢測(cè)方法除了地面敲擊辨音、望遠(yuǎn)鏡觀測(cè)，就是將熟練的檢修師運(yùn)送至葉片高度近距離進(jìn)行目測(cè)，既不能精度保證，又危險(xiǎn)且耗時(shí)耗力。本論文旨在研究基于四旋翼無人飛行器和數(shù)字圖像處理技術(shù)的簡(jiǎn)單便捷、高效可靠的風(fēng)力發(fā)電機(jī)葉片表面缺陷新型檢測(cè)方法。

1設(shè)計(jì)內(nèi)容

風(fēng)力發(fā)電機(jī)葉片表面缺陷檢測(cè)系統(tǒng)從四旋翼無人飛行器航拍數(shù)據(jù)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(shù)字圖像處理過程為重點(diǎn)的，包括圖像的預(yù)處理、特征提取與缺陷識(shí)別，最后是以整個(gè)葉片表面缺陷檢則系統(tǒng)的總結(jié)為結(jié)束的。

四旋翼無人飛行器航拍數(shù)據(jù)采集裝置的搭建包括無人飛行器的組建和機(jī)載航拍設(shè)備的組建。前者用購(gòu)買的四旋翼航模組件自已動(dòng)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(jī)、電調(diào)和航拍攝像頭的組裝。葉片表面缺陷的數(shù)字圖像處理過程包括圖像灰度化、空間濾波、圖像增強(qiáng)、圖像分割和形態(tài)學(xué)圖像處理等在內(nèi)的圖像預(yù)處理以及圖像標(biāo)記、特征提取和缺陷目標(biāo)識(shí)別等諸多過程。

1.1硬件設(shè)計(jì)

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(shè)備的載體飛行器。

1.2航拍設(shè)備的選擇

（1）處理器采用韓國(guó)三星公司生產(chǎn)的S3C2440A微處理器。該處理采用的是ARM920t內(nèi)核，性能強(qiáng)勁，主頻高達(dá)533MHz，具有性能優(yōu)異、功耗較低和集成度高等優(yōu)點(diǎn)可抵抗不良的溫度條件和抵抗電磁場(chǎng)干擾，使之具備在惡劣環(huán)境中使用的基本條件。

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

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

1.1.3服務(wù)端及客戶端軟件設(shè)計(jì)

四旋翼無人機(jī)航拍服務(wù)端的主要功能是驅(qū)動(dòng)攝像頭拍攝葉片表面缺陷圖片，建立網(wǎng)絡(luò)連接體系等待地面的客戶端進(jìn)行連接，地面客戶端連接之后，將處理后的數(shù)據(jù)通過網(wǎng)絡(luò)發(fā)送給客戶端。這里采用開發(fā)完成并且已經(jīng)可以穩(wěn)定運(yùn)行的服務(wù)端程序，使用非常方便，穩(wěn)定性高。

1.2圖像處理軟件的設(shè)計(jì)

對(duì)于風(fēng)電葉片表面的缺陷檢測(cè)，本文研究側(cè)重于風(fēng)電葉片表面缺陷的有無及其缺陷參數(shù)值。缺陷識(shí)別的過程就是基于圖像處理軟件編制其缺陷提取和參數(shù)計(jì)算算法的過程，借助缺陷識(shí)別算法達(dá)到對(duì)缺陷區(qū)域與背景圖像的分離，并提取缺陷區(qū)域的相關(guān)特征值，從而最終完成葉片表面缺陷的檢測(cè)與評(píng)估。由始至終所運(yùn)用到的數(shù)字圖像處理相關(guān)內(nèi)容包括：

（1）圖像增強(qiáng)：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(duì)比度增強(qiáng)。

（2）圖像分割：采用一種自適應(yīng)的方法來確定閾值。

（3）形態(tài)學(xué)圖像處理：邊緣毛刺、內(nèi)部空洞情況主要通過形態(tài)學(xué)中腐蝕和膨脹等運(yùn)算來解決。

（4）缺陷判斷：首先統(tǒng)計(jì)連通域的面積，然后去除小面積的雜聲噪點(diǎn)，再通過各連通域的形態(tài)學(xué)區(qū)域特征判斷是否為缺陷，最后用外接矩形來對(duì)缺陷進(jìn)行標(biāo)記。

（5）獲取缺陷特征：主要獲取缺陷的面積、長(zhǎng)度、寬度和形狀，以及對(duì)缺陷進(jìn)行分類。缺陷面積、長(zhǎng)度和寬度的單位都是像素，統(tǒng)計(jì)缺陷內(nèi)像素的個(gè)數(shù)得到面積信息；采用經(jīng)典的像素積分投影的思想對(duì)缺陷進(jìn)行水平和垂直方向的累加操作，進(jìn)而得到缺陷寬度和形狀信息。

（6）目標(biāo)識(shí)別與檢測(cè)：將特征提取得到的目標(biāo)區(qū)域特征參數(shù)按照相應(yīng)的模式識(shí)別分類，并給出最終目標(biāo)區(qū)域的分類識(shí)別結(jié)果。

2 圖像處理軟件實(shí)踐

葉片運(yùn)輸過程中易發(fā)生摩擦接觸或刮擦傷害，裝機(jī)時(shí)易受繩子、安裝工具及樹葉等損壞，待風(fēng)機(jī)運(yùn)轉(zhuǎn)時(shí)缺陷前身便開始加重并形成有傷害力的缺陷。下圖為團(tuán)隊(duì)成員利用風(fēng)機(jī)缺陷檢測(cè)裝置采集的由于運(yùn)輸和吊裝造成的缺陷照片并對(duì)其進(jìn)行數(shù)字圖像處理的結(jié)果：

由圖1可知，該缺陷面積為3370.13mm2，長(zhǎng)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(jīng)過測(cè)試，風(fēng)力發(fā)電機(jī)葉片缺陷檢測(cè)裝置可以高精度識(shí)別風(fēng)機(jī)葉面的缺陷，并對(duì)缺陷區(qū)域進(jìn)行標(biāo)記，進(jìn)而提取面積、周長(zhǎng)、長(zhǎng)短徑之比、圓形相似度、矩形相似度、缺陷數(shù)等缺陷特征參數(shù)。大大降低了風(fēng)機(jī)葉面的檢測(cè)費(fèi)用，能更早發(fā)現(xiàn)風(fēng)機(jī)葉面存在的缺陷，盡早處理減少不必要的經(jīng)濟(jì)損失，具有廣闊的利用前景。

3 創(chuàng)新點(diǎn)及應(yīng)用前景

（1）設(shè)計(jì)了葉片表面航拍圖像采集模塊，由四旋翼無人機(jī)加載輕量化帶阻尼雙軸航拍云臺(tái)及高精度攝像頭來實(shí)現(xiàn)航拍功能。引入了1000萬高清攝像頭、去抖設(shè)備、云臺(tái)、S3C2440A處理器、servfox服務(wù)端和客戶端的航拍模塊。

（2）通過分段線性灰度增強(qiáng)方法對(duì)葉片缺陷圖像進(jìn)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(zhì)的二值圖莫定了基礎(chǔ)。

（3）設(shè)計(jì)了形態(tài)學(xué)圖像處理技術(shù)和圖像分割相結(jié)合的方法，通過閾值分割法提取葉片表面表面斑點(diǎn)、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(shè)計(jì)了基于面積值、周長(zhǎng)、形狀因子、缺陷數(shù)等缺陷區(qū)域的特征參數(shù)的葉片表面缺陷模式識(shí)別分類器，并通過實(shí)驗(yàn)數(shù)據(jù)證明了該分類器的可行性，精確性和穩(wěn)定性。

參考文獻(xiàn)

[1]徐凌鑫.風(fēng)力發(fā)電機(jī)葉片表面缺陷的研究[D].中國(guó)計(jì)量學(xué)院，2015，06.

[2]張建斐.基于機(jī)器視覺的風(fēng)力發(fā)電機(jī)葉片表面缺陷檢測(cè)研究[D].蘭州理工大學(xué)，2018，04

（作者單位：山東科技大學(xué)泰安校區(qū)）