基于无人机的风机叶片表面缺陷自动检测方法

来源：计算机测量与控制杂志2024年第11期北京时间：

作者：闫浩伟

摘要：风机叶片是风力发电系统的核心部件,受到气候条件、工作负荷等因素的影响,容易出现各类缺陷,如裂纹、磨损、腐蚀等。如果不能及时发现和解决这些缺陷,将导致风机性能下降、损坏甚至引发事故。为此,研究一种基于无人机的风机叶片表面缺陷自动检测方法。利用无人机搭载摄像机,飞到高空当中,拍摄空中运行的叶片图像。对叶片图像实施灰度化、去噪以及照度均衡化处理,提升图像质量。提取叶片图像中的几何特征和纹理特征。利用差异演化算法改进概率神经网络平滑参数,以优化后的概率神经网络为基础构建分类识别模型,将几何特征和纹理特征作为输入,计算每种类别的输出概率,将最大值响应原则将概率数值最大的类别作为判定的缺陷类别,以此实现风机叶片表面缺陷自动检测。结果表明:所研究技术应用下,杰卡德系数相对更高,说明该方法的检测结果更为准确；所花费时间相对更少,说明该方法的检测效率更高,可以更快地完成检测任务。

关键词：无人机;风机叶片;特征提取;改进概率神经网络;缺陷自动检测技术