(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211266982.X (22)申请日 2022.10.17 (71)申请人 风脉能源 （武汉） 股份有限公司 地址 430206 湖北省武汉市东湖开发区高 新大道999号 (72)发明人 韩梦婷　汪杨　郭鹏程　张翼龙　 魏青　 (74)专利代理 机构 北京轻创知识产权代理有限 公司 11212 专利代理师 沈尚林 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/70(2017.01) G06V 10/25(2022.01) G06V 10/26(2022.01)G06V 10/82(2022.01) G06V 20/17(2022.01) G01N 21/95(2006.01) G01S 17/08(2006.01) (54)发明名称 一种基于激光测距的风机叶片缺陷定位方 法及系统 (57)摘要 本发明涉及图片处理领域， 具体涉及一种基 于激光测距的风机叶片缺陷定位方法及系统， 方 法包括， 利用搭载有激光测距仪的云台相机的无 人机拍摄图片； 根据图片尺寸以及激光测距物距 结合相机镜头参数计算出转换系数； 对图片进行 叶片轮廓识别并标定出中心 十字参考线； 在叶片 轮廓识别的范围内识别缺陷； 根据图片位置分类 信息从中心十字参考线中识别出径向方向点和 轴向方向点， 基于中心十字参考线， 根据转换系 数、 径向方向点以及轴向方向点标定出缺陷中心 点在风机叶片中的相对位置； 本发 明先对叶片轮 廓进行识别并自动标定参考线， 再在叶片轮廓范 围内进行缺陷识别， 减少了复杂背景的干扰， 提 高缺陷定位精度， 可以避免人工手动标记参考线 的繁琐操作。 权利要求书4页 说明书10页 附图6页 CN 115546170 A 2022.12.30 CN 115546170 A 1.一种基于 激光测距的风机叶片缺陷定位方法， 其特 征在于： 包括以下步骤， S1， 利用搭载有相机的无人机沿着风机叶片的表面在叶根与叶尖之间飞行拍摄一组风 机叶片图片， 得到风机叶片图片组； 其中， 所述相机为带有激光测距仪的云台相机； S2， 根据所述风机叶片图片组中风机 叶片图片的图片尺寸以及激光测距物距参数， 结 合相机镜头参数， 计算出 所述风机叶片图片中每一像素对应的实际尺寸的转换系数； S3， 对所述风机 叶片图片组中的风机 叶片图片进行叶片轮廓识别， 得到叶片轮廓的最 小外接矩形， 并在所述 最小外接矩形中标定出中心十 字参考线段； S4， 在叶片轮廓识别的范围内， 对所述风机叶片图片组进行缺陷识别， 得到缺陷风机叶 片图片以及所述缺陷风机叶片图片的缺陷中心点； 其中， 所述缺陷风机叶片图片为所述风 机叶片图片组中具有缺陷的风机叶片 图片， 所述缺陷中心点为缺陷最小外接矩形的中心 点； S5， 判断所述风机叶片的表面是为迎风面或背风面， 还是为前缘面或后缘面； 当所述风 机叶片的表面为迎风面或背风面时， 则执行S6和S7； 当所述风机叶片的表面为前缘面或后 缘面时， 则执 行S8； S6， 根据所述风机叶片图片的位置分类信息， 从所述中心十字参考线段中识别出所述 风机叶片图片的径向方向点和轴向方向点； S7， 基于所述中心十字参考线段， 根据所述转换系数、 所述径向方向点以及所述轴向方 向点， 计算出所述缺陷风机叶片图片中缺陷中心 点在风机叶片中的相对位置以及缺陷尺寸 大小； S8， 基于所述中心十字参考线段， 根据所述转换系数， 计算出所述缺陷风机叶片图片中 缺陷中心点在风机叶片中的相对位置以及缺陷尺寸大小。 2.根据权利要求1所述的基于激光测距的风机叶片缺陷定位方法， 其特征在于： 在所述 S2中， 所述相机 镜头参数包括相机 镜头的成像平面长度以及 焦距； 所述 转换系数 具体为， 其中， k为所述转换系数， ObjDis为所述风机叶片图片的激光测距物距参数， ImgLen为 相机镜头的成像平面长度， FocalLen为相机镜头的焦距， PixelLen为风机叶片图片的图片 尺寸长度。 3.根据权利要求1所述的基于激光测距的风机叶片缺陷定位方法， 其特征在于： 所述S3 具体为， S31， 利用语义分割模型对所述风机叶片图片组中的风机叶片图片进行叶片轮廓识别， 得到mask掩码图片； S32， 对所述mask掩码图片依次进行灰度化处理、 二值化处理以及形态学操作， 得到形 态学操作图片； S33， 将所述形态学操作图片中面积最大的闭合区域作为叶片轮廓的多边形区域， 并计 算出所述多边形区域的最小外接矩形， 则所述多边形区域的最小外接矩形即为叶片 轮廓的 最小外接矩形； S34， 选取叶片轮廓最小外接矩形四个边的中点， 并将叶片轮廓最小外接矩形的两组相 对边的中点作为端点进行 连线， 得到所述中心十 字参考线段。权　利　要　求　书 1/4 页 2 CN 115546170 A 24.根据权利要求1所述的基于激光测距的风机叶片缺陷定位方法， 其特征在于： 所述S4 具体为， S41， 在所述风机叶片图片中完成叶片轮廓的语义分割后得到的mask掩码图片中， 取所 述mask掩码图片的叶片轮廓的mask掩码与所述风机叶片图片进 行按位与运算， 得到过滤背 景之后的风机叶片图片； S42， 利用深度神经网络， 对所述风机叶片图片组中过滤背景之后的风机叶片图片进行 缺陷识别， 得到缺陷风机叶片图片以及所述 缺陷风机叶片图片的缺陷 中心点。 5.根据权利要求3所述的基于激光测距的风机叶片缺陷定位方法， 其特征在于： 所述S6 具体为， S61， 计算所述中心十字参考线段中的两条参考线段分别与图片坐标系X轴正方向之间 的夹角， 得到 两个参考夹角； S62， 将与预设夹角更为接近的一个参考夹角所对应的参考线段作为轴向参考线段， 则 另一参考夹角所对应的参考线段作为径向参考线段； 其中， 所述预设夹角为无人机在预设 固定飞行路径下拍摄的风机叶片图片中风机叶片表面轴向与图片坐标系X轴正方向之 间的 固有夹角； S63， 根据 所述风机叶片图片的位置分类信息， 从所述轴向参考线段的两个端点以及所 述径向参 考线段的两个端点中识别出 所述风机叶片图片的径向方向点和轴向方向点。 6.根据权利要求5所述的基于激光测距的风机叶片缺陷定位方法， 其特征在于： 所述S7 具体为， 在所述缺陷风机叶片图片中， 计算出所述缺陷中心点到所述径向参考线段之间的距 离； 基于所述轴向方向点、 所述转换系 数以及所述缺陷中心点到所述径向参考线段之间的 距离， 计算出 所述缺陷中心点至叶片轴向端点的距离比例； 在所述缺陷风机 叶片图片中， 过所述径向方向点作所述轴向参考线段的平行线， 且计 算出所述缺陷中心 点到所述平行线之 间的距离； 根据所述径向参考线段的长度以及所述缺 陷中心点到所述平行线之间的距离， 计算出 所述缺陷中心点至叶片径向边 缘的距离比例； 根据所述缺陷中心点至叶片轴向端点的距离比例以及所述缺陷中心点至叶片径向边 缘的距离比例， 在所述 风机叶片中标注出 所述缺陷中心点的坐标； 根据所述缺陷最小外接矩形的尺寸以及所述转换系数， 计算出所述缺陷风机叶片图片 中的缺陷在所述 风机叶片中的实际尺寸； 其中， 当所述轴向方向点为叶尖方向点时， 所述叶片轴向端点具体为叶尖； 当所述轴向 方向点为叶根方向点时， 所述叶片轴向端点具体为叶根； 当所述径向方向点为前缘方向点 时， 所述叶片径向边缘具体为叶片前缘； 当所述径向方向点为后缘方向点时， 所述叶片径向 边缘具体为叶片后缘。 7.根据权利要求6所述的基于激光测距的风机叶片缺陷定位方法， 其特征在于： 所述缺 陷中心点至叶片径向边 缘的距离比例具体为， 其中， ScaleFront为所述缺陷中心点至叶片径向边缘的距离比例， dx为所述缺陷中心点 到所述平行线之间的距离， dAB为所述径向参 考线段的长度；权　利　要　求　书 2/4 页 3 CN 115546170 A 3