【技术实现步骤摘要】
本专利技术涉及图像处理，特别是指一种风电叶片用拉挤板材表面缺陷的检测方法及系统。
技术介绍
1、拉挤板材是通过将玻璃增强纤维浸渍树脂后，采用拉挤工艺制造的复合材料板材，具有特定的截面形状和连续长度。由于其优异的力学性能和稳定的质量，拉挤板材广泛应用于风电叶片的制造。然而，在生产过程中，拉挤板材可能出现各种缺陷，如气泡、原纱氧化、夹杂物、开裂以及干纱等。这些缺陷可能在风力系统运行中发生变化，从而严重影响风力系统的正常运作，导致显著的经济损失和安全风险。因此，对拉挤板材进行有效的缺陷检测至关重要。
2、在现有的技术方案中，已经提出了多种用于拉挤板材缺陷检测的技术，包括基于图像的检测方法和非图像的检测方法。这些技术旨在减少人工干预，并提高对小目标缺陷的检测准确性。
3、然而，现有的基于图像的缺陷检测方法未充分考虑风电叶片用拉挤板材的半透明特性，这使得一些内部缺陷在传统的反射光场下难以有效提取，从而影响了检测的准确性，同时，非图像的缺陷检测方法虽然能提供更全面的缺陷信息，但也面临噪声干扰、设备及维护成本高、对操作人员技术要求高以及技术难度大的问题。
技术实现思路
1、为了解决传统的基于图像的缺陷检测方法未充分考虑风电叶片用拉挤板材的半透明特性，这使得一些内部缺陷在传统的反射光场下难以有效提取，从而影响了检测的准确性，同时，非图像的缺陷检测方法虽然能提供更全面的缺陷信息，但也面临噪声干扰、设备及维护成本高、对操作人员技术要求高以及技术难度大的技术问题，本专利技术提供了
2、本专利技术实施例提供的技术方案如下：
3、第一方面：
4、本专利技术实施例提供的一种风电叶片用拉挤板材表面缺陷的检测方法，包括：
5、s1：获取拉挤板材表面在反射场以及背光场下的交叉频闪图像；
6、s2：对所述交叉频闪图像进行拆分，获取反射场图像以及背光场图像；
7、s3：基于所述反射场图像，构建反射场数据集，基于所述背光场图像，构建背光场数据集；
8、s4：分别构建在反射场以及背光场下的基于深度学习的视觉检测模型；
9、s5：使用所述反射场数据集对在反射场下的视觉检测模型进行训练，使用背光场数据集对在背光场下的视觉检测模型进行训练；
10、s6：获取待检测拉挤板材表面在反射场以及背光场下的交叉频闪图像；
11、s7：对所述待检测拉挤板材表面的交叉频闪图像进行拆分，获取待检测反射场图像以及待检测背光场图像；
12、s8：将所述待检测反射场图像输入至训练完成的在反射场下的视觉检测模型中进行检测，得到反射场检测结果，将所述待检测背光场图像输入至训练完成的在背光场下的视觉检测模型中进行检测，得到背光场检测结果；
13、s9：根据所述反射场检测结果以及所述背光场检测结果，得到最终检测结果。
14、第二方面：
15、本专利技术实施例提供的一种风电叶片用拉挤板材表面缺陷的检测系统，包括：存储器和一个或多个处理器；
16、所述存储器中存储有一个或多个应用程序，所述一个或多个应用程序适于由所述一个或多个处理器执行以实现上述的风电叶片用拉挤板材表面缺陷的检测方法。
17、本专利技术实施例提供的技术方案带来的有益效果至少包括：
18、在本专利技术中，通过获取拉挤板材表面在反射场以及背光场下的交叉频闪图像，并对所述交叉频闪图像进行拆分，获取反射场图像以及背光场图像，充分考虑了风电叶片用拉挤板材的半透明特性，有助于内部缺陷在传统的反射光场下被有效提取，通过分别构建在反射场以及背光场下的基于深度学习的视觉检测模型，使拉挤板材的缺陷检测不再面临噪声干扰、设备及维护成本高、对操作人员技术要求高以及技术难度大的问题，通过基于所述反射场图像，构建反射场数据集，基于所述背光场图像，构建背光场数据集，并使用所述反射场数据集对在反射场下的视觉检测模型进行训练，使用背光场数据集对在背光场下的视觉检测模型进行训练，提升了拉挤板材表面缺陷检测的准确性。
本文档来自技高网...【技术保护点】
1.一种风电叶片用拉挤板材表面缺陷的检测方法，其特征在于，包括：
2.根据权利要求1所述的风电叶片用拉挤板材表面缺陷的检测方法，其特征在于，所述S1具体为：
3.根据权利要求1所述的风电叶片用拉挤板材表面缺陷的检测方法，其特征在于，所述S2具体为：
4.根据权利要求3所述的风电叶片用拉挤板材表面缺陷的检测方法，其特征在于，所述使用基于灰度阈值的图像拆分方法，对所述交叉频闪图像进行拆分，得到所述反射场图像以及所述背光场图像，具体包括：
5.根据权利要求1所述的风电叶片用拉挤板材表面缺陷的检测方法，其特征在于，在所述S2之后，在所述S3之前，还包括：
6.根据权利要求5所述的风电叶片用拉挤板材表面缺陷的检测方法，其特征在于，所述使用基于图像学的区域提取方法，对所述反射场图像以及所述背光场图像进行裁切，得到反射场检测区域图像以及背光场检测区域图像，具体包括：
7.根据权利要求6所述的风电叶片用拉挤板材表面缺陷的检测方法，其特征在于，在所述S3之后，在所述S4之前，还包括：
8.根据权利要求7所述的风电叶
9.根据权利要求1所述的风电叶片用拉挤板材表面缺陷的检测方法，其特征在于，所述S9具体为：
10.一种风电叶片用拉挤板材表面缺陷的检测系统，其特征在于，包括：存储器和一个或多个处理器；
...【技术特征摘要】
1.一种风电叶片用拉挤板材表面缺陷的检测方法，其特征在于，包括：
2.根据权利要求1所述的风电叶片用拉挤板材表面缺陷的检测方法，其特征在于，所述s1具体为：
3.根据权利要求1所述的风电叶片用拉挤板材表面缺陷的检测方法，其特征在于，所述s2具体为：
4.根据权利要求3所述的风电叶片用拉挤板材表面缺陷的检测方法，其特征在于，所述使用基于灰度阈值的图像拆分方法，对所述交叉频闪图像进行拆分，得到所述反射场图像以及所述背光场图像，具体包括：
5.根据权利要求1所述的风电叶片用拉挤板材表面缺陷的检测方法，其特征在于，在所述s2之后，在所述s3之前，还包括：
6.根据权利要求5所述的风电叶片用拉挤板材表面缺陷的检测方法，...
【专利技术属性】
技术研发人员：马晨，张勇军，杨朝霖，景志远，熊华德，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。