風力發電機組尺寸及表面缺陷檢測研究

酒泉職業技術學院 張永婷

1 引言

風能是綠色能源，是解決其它礦產能源接近于枯竭的很好途徑。我國風電產業地良好發展從二十一世紀初就已開始，而首批投入發電的風機已進入壽命倒計時，或已超過保修時間范圍，大量的風機葉片由于膠衣脫落致使葉片暴露在復雜環境中，如果不及時發現、維修，很容讓葉片對風能吸收產生影響，甚至損壞或者斷裂。因此，相比望遠鏡觀察和繩索垂降人工檢測風機葉片低效、滯后等特點，及時、快速檢測出風機葉片膠衣缺少表面缺陷以及尺寸大小，在“智慧風場”運維保障面前顯得至關重要[1]。本文主要采用無人機采集原始圖像，并對如何運用視覺在線檢測技術對風電機組葉片表面缺陷檢測以及尺寸測量等進行介紹。

2 工作原理[2-3]

風電機組葉片表面缺陷檢測以及尺寸測量主要是一種結合四旋翼無人飛行器航拍圖像采集與機器視覺圖像處理的在線檢測方法。即四旋翼無人機是配備有光源、鏡頭、相機以及圖像采集卡等形成圖像采集設備的搭建，并進行風電機組葉片表面缺陷圖像采集。四旋翼無人機主要性能有遙控距離7km，飛行時間可達38min，防護級別IP43，載重可達2公斤；機器視覺圖像處理包括圖像預處理、特征提取與分類以及尺寸確定，為之后機組葉片缺陷運維提供準備工作。

以上檢測方法，采用四旋翼無人機對風電機組葉片膠衣缺少表面缺陷進行原始圖像的采集工作，這種方法相比人工采集操作簡單、成本低、靈活性高，并很好地采集到原始葉片膠衣缺少表面缺陷圖片；其次，運用視覺圖像處理的方法對風電機組葉片膠衣缺少表面缺陷原始圖片進行特征提取等圖像處理方法，以此高效滿足后續尺寸大小確定。

3 圖像處理過程[3-4]

3.1 圖像預處理

對于采集風電機組葉片膠衣缺少表面缺陷中，有比如外部環境、光照度以及本身相機曝光度影響等干擾因素，致使獲取圖片不是很清晰或者不利于缺陷特征對象的提取，最終影響后續缺陷尺寸大小確定的準確性。所以，要對四旋翼無人飛行器航拍采集到地風機葉片膠衣缺少表面缺陷圖像進行圖像預處理。本文進行的預處理流程如圖1所示。

圖1 圖片預處理流程

3.2 圖像增強

圖像增強目的是將原來圖像清晰化，提高特征區域對比度，突出“興趣”特征區域，為之后“興趣”區域提取提供高質量圖像增加效率，降低無效信息的處理。因此，增強處理是預處理至關重要的第一步。

3.3 圖像灰度轉換

將原始彩色圖片中的r，g，b 三個通道進行處理，轉換為圖像中各個像素的灰度范圍只處于0到255，其中0為黑色，255為白色?；叶戎档拇笮”硎緢D片中各個像素的明暗程度。圖像灰度轉換對于以后缺陷特征的提取算法設計提供了原始數據基礎。

圖像灰度轉換有加權平均法，分量法以及平均值法，因加權平均法得出的灰度轉化圖片與無失真圖片之間差距小，且特征更加突出本文中選用加權平均法。

加權平均值法是將r，g，b 各分量亮度通過不同權值進行加權平均處理，如式（1）所示。

其中式（1）中，x、y 為各個像素坐標系。

3.4 圖像降噪

原始圖片由于光照度、外部環境等因素會產生很多隨機干擾噪聲點或者紋理，特別是“興趣”特征區域邊緣產生的噪聲點需在這一步處理中去除或有效抑制。通常圖像降噪濾波常用有均值濾波以及中值濾波處理，其中均值濾波是將噪聲點附近領域的n 個灰度值f(x,y)取平均值g(x,y)，然后將平均值g(x,y)置換到該噪聲點處，即平均值g(x,y)=1/n×〔Σf(x,y)〕；而中值濾波器，則是將給定3×3領域窗口中所有像素灰度值進行排序后取中值灰度值，再將此中值灰度值代替噪聲點處灰度值，即中值為h(x,y)=Media[g(x-i,y-j)]。

對比兩種方法可以看出均值濾波有可能因領域平均值的選取不當導致新噪聲點的產生，而中值灰度值的替代噪聲點更能夠平滑處理噪聲點或者有效抑制淡化處理，也更有利于后續特征分割處理。因此，本文選取中值濾波降噪處理。

3.5 圖像內插處理

圖像內插處理主要用途是將之前灰度轉換，降噪等處理過程中丟失的“興趣”特征區域進行有效恢復，將原始圖像分辨率像素進行提高的過程。也是提高“興趣”特征區域提取的準確性。

圖像內插處理，主要有雙線性內插值法、最鄰近內插值法以及雙三次內插值法等內插處理方法。首先，雙線性內插值法是指在橫豎軸兩個方向進行一次線性插值處理，不足之處在于在相鄰處平滑吻合，但在45度傾斜處不過渡吻合，可能出現相鄰色點，并對圖像特征放大處理，不呈現恢復邊緣效果；其次，最鄰近內插值法即將“興趣”特征區域附近灰度值賦值給待求點。此方法簡單也粗暴，易出現色塊；最后，雙三測內插值法，即指得是由雙線性內插值法不足改進而得到的，由4×4特征鄰域采樣結構單元替換原來2×2特征采樣結構單元對目標像素進行賦值處理。彌補了雙線性內插值法的不足之處，但因計算特征領域采樣點多，花費時間有些多。

本文主要采用雙三測內插值法，考慮到該種方法處理的圖片更加精確、高清晰度，隨費事，但相比較無人機運行航拍時間顯得微不足道，本文更加注重高質量圖片，故本文采用雙三測內插值法之前處理過程中丟失的“興趣”特征區域進行有效恢復。

3.6 特征提取[6-7]

對于采集風電機組葉片膠衣缺少表面缺陷中，有比如外部環境、光照度以及本身相機曝光度影響等等干擾因素，致使獲取圖片不是很清晰或者不利于缺陷特征對象的提取，最終影響后續缺陷尺寸大小確定的準確性。所以，要對四旋翼無人飛行器航拍采集到地風機葉片膠衣缺少表面缺陷圖像進行圖像預處理。

針對風電機組葉片膠衣缺少表面缺陷預處理圖像，需要將缺陷“興趣”特征進行提取，本文缺陷特征先進行閾值分割二值化處理提取“興趣”區域，其次再通過形態學開運算減少邊緣毛刺以及雜點。本文進行的特征提取流程如圖2所示。

圖2 特征提取流程

3.6.1 閾值分割處理

閾值分割處理是將葉片膠衣脫落特征區域與其周圍其它背景區域，所處的灰度級范圍通過一定閾值大小的設置進行分割處理。特征“興趣”區域灰度值高，背景灰度值低，找到臨界值灰度閾值，將兩者通過以下公式（式2）分割開來。

其中式（2）中，f(x,y)表示原始葉片圖像預處理之后的灰度值大小，T 表示為進行分割的臨界值灰度閾值T，g(x,y)表示圖像預處理灰度圖通過閾值T 分割后得到的二值化圖。即當f(x,y)＞T 時，分割后像素為為黑色，此時為葉片膠衣缺陷“興趣”特征區域變為黑色；當f(x,y)＜T 時，分割后像素為為白色，此時為葉片膠衣缺陷“興趣”特征背景區域變為白色。

3.6.2 形態學開運算

經過上步走葉片膠衣缺陷“興趣”特征區域二值化處理，特征邊緣還有一些毛刺與雜點出現，還有空洞出現。形態學處理包括圖像腐蝕、圖像膨脹以及兩者相互結合組成的開操作和閉操作等等。圖像膨脹是將特征區域像素增加，擴大“興趣”區域；圖像腐蝕是將特征區域像素減少，減少邊緣毛刺以及雜點，縮小“興趣”區域；而圖像開運算是指將特征“興趣”區域先進行腐蝕收縮再膨脹擴大處理，圖像閉運算是指將特征“興趣”區域先進行膨脹擴大再腐蝕收縮處理。

本文中由于風電機組葉片膠衣缺陷“興趣”特征區域二值化處理特征邊緣，因產生一些毛刺、雜點，須先進行“興趣”特征邊緣的收縮處理，消除毛刺與雜點，然后將膠衣缺陷“興趣”特征區域邊緣擴大至原來缺陷邊緣位置，增加對特征邊緣準確性的定位。為此開運算的數學表達式如下所示：

式（3）中，A 為原始圖像，B 為要對原始圖像A 進行處理的結構元素，θ 為圖像腐蝕收縮處理運算符號，⊕為圖像膨脹擴大處理運算符號。因此，本文使用形態學開運算對分割后二值化圖片進行處理。

4 尺寸大小確定

4.1 標定[8]

本文標定為比例標定，即是確定物體平面上的實際尺寸與物像平面上的像素尺寸的比值。具體標定模型成像過程如圖3所示：針孔面（相機坐標系）在圖像平面（圖像坐標系）和物點平面（原點標定板平面）之間，所成圖像為倒立實像。

圖3 標定模型

本文比例標定步驟具體如下：a)確定出標準原點標定板上原點直徑距離；b)確定出該距離與所得標定板圖像上原點直徑方向上的像素數目，并計算出這兩者之間的比例值k；c)確定實際風電機組葉片膠衣缺少缺陷“興趣”特征區域像素數目，最后通過標定板與像素數比例值k 計算出“興趣”特征區域實際尺寸大小。

表1中所示，標定板標定原點取8個點，已知標定板直徑值為φ2mm，并分別計算單個像素值，最終求得平均值，此平均值作為標定得出比例值k 約為0.0085mm。

表1 確定比例值k

4.2 尺寸大小處理[9]

進行比例標定，獲得實際尺寸和像素數目多少的比值。據此可通過檢測得到的實際風電機組葉片膠衣缺少缺陷特征區域面積值，求出面積S、長度l 以及長徑大小L 的實際數據值大小，單位為毫米（mm），葉片膠衣缺少缺陷特征區域面積值S 等于特征提取處理后的圖像的黑色（灰度值為255）像素點數目。

4.2.1 面積大小S 計算

式（4）中S 為風電機組葉片膠衣缺少缺陷特征區域面積值，Σx=1Σy=1g(x,y)缺陷特征區域的像素數目，k 為標定比例值。若其中一缺陷像素為一半值時，在計算像素數目個數，須將此值計算一半值。

4.2.2 長度大小

式（5）中lx、ly 分別為風電機組葉片膠衣缺少缺陷特征區域在x 軸與y 軸方向的長度，Σx=1g(x,y)、Σy=1g(x,y)分別為缺陷特征區域在x軸與y 軸方向的像素數目，k 為標定比例值。

4.2.3 長徑大小L 確定

把缺陷特征區域最遠兩點之間的距離設為L，該兩點坐標為(x1,y1)、(x2,y2)，則長徑大小為如下：

5 結果輸出

由圖像處理提取出缺陷特征區域為塊1和塊2，已知有人工測量得出塊1、塊2面積分別為S1=5500mm2，S2=4500mm2；而計算出塊1、塊2在x 軸、y 軸方向上的像素值數目分別為12000個、6588個和10706個、6118個，即得出塊1、塊2面積為S1’=5712mm2，S2’=4732mm2。相比人工測量，計算誤差率約為4.45%，小于5%，滿足檢測要求。

6 結論

根據風電機組葉片膠衣缺少表面缺陷及尺寸大小確定的檢測技術，設計了整體膠衣表面缺陷特征區域提取及尺寸大小具體計算的方案。通過對葉片表面缺陷特征“興趣”區域各個檢測算法的研究比較，提出了由圖像增強、灰度轉換、圖像降噪、圖像內插以及閾值分割、形態學開運算等算法組成的圖像特征提取過程；同時提出了由比例標定進行尺寸大小確定的方案。最后驗證了本文檢測技術的準確性。該檢測技術為后續無人機對風電場風機葉片表面檢測提供重要參考，同時缺陷尺寸大小確定為運維范圍提供了數據支撐，也為實現“智慧風場”運維技術提供了良好的保障。