本发明专利技术涉及风机叶片检测技术领域，提出了一种基于三维点云的风电场风机叶片检测方法及系统，包括以下步骤：采用激光扫描仪对风机叶片进行多角度扫描，获取风机叶片的三维点云数据；对三维点云数据进行配准处理，将三维点云数据统一到同一坐标系中，得到配准点云数据；采用八叉树分区算法对配准点云数据进行分块加速处理，得到分块加速点云数据；对分块加速点云数据进行特征提取和特征分割，获取风机叶片的关键特征区域；基于点云网络增强模型对关键特征区域进行缺陷识别分析，得到缺陷检测结果，缺陷检测结果包括缺陷位置和缺陷类型；生成包含缺陷位置和缺陷类型的检测报告，对检测报告进行可视化展示。本发明专利技术提高了数据采集的完整性和缺陷识别的精度，提高了风机叶片检测的效率。
【技术实现步骤摘要】
本专利技术涉及风机叶片检测，尤其涉及一种基于三维点云的风电场风机叶片检测方法及系统。
技术介绍
1、风力发电作为重要的清洁能源，其安全稳定运行直接关系到发电效率和经济效益。风机叶片作为风力发电机组的核心部件，在长期运行过程中容易出现各类缺陷，如裂纹、腐蚀、分层等问题，这些缺陷如果得不到及时发现和处理，可能导致严重的安全事故。
2、现有技术一般采用单一角度激光扫描或简单刚性配准算法进行风机叶片检测，单一角度扫描是在固定位置放置激光扫描仪，对叶片表面进行单次扫描采集；简单刚性配准算法仅考虑点云数据的空间位置关系，通过最小化对应点之间的欧氏距离来实现点云对齐，存在数据采集不完整和缺陷识别精度低的问题。
技术实现思路
1、有鉴于此，本专利技术提出了一种基于三维点云的风电场风机叶片检测方法及系统，解决了现有技术数据采集不完整和缺陷识别精度低的问题。
2、本专利技术的技术方案是这样实现的：第一方面，本专利技术提供了一种基于三维点云的风电场风机叶片检测方法，包括以下步骤：
3、s1，采用激光扫描仪对风机叶片进行多角度扫描，获取风机叶片的三维点云数据；
4、s2，对所述三维点云数据进行配准处理，将所述三维点云数据统一到同一坐标系中，得到配准点云数据；
5、s3，采用八叉树分区算法对配准点云数据进行分块加速处理，得到分块加速点云数据；
6、s4，对所述分块加速点云数据进行特征提取和特征分割，获取风机叶片的关键特征区域；
<
p>7、s5，基于点云网络增强模型对所述关键特征区域进行缺陷识别分析，得到缺陷检测结果，所述缺陷检测结果包括缺陷位置和缺陷类型；8、s6，生成包含所述缺陷位置和所述缺陷类型的检测报告，对所述检测报告进行可视化展示。
9、在以上技术方案的基础上，优选的，步骤s1包括：
10、s11，根据风机叶片的尺寸和形状特征，确定多个扫描位置点，所述扫描位置点包括叶片正面扫描位置点和叶片背面扫描位置点，所述叶片正面扫描位置点沿叶片展向均匀分布，所述叶片背面扫描位置点与所述叶片正面扫描位置点在叶片横向上相对设置；
11、s12，在每个所述扫描位置点放置激光扫描仪，调整所述激光扫描仪的扫描参数，对风机叶片进行全方位扫描采集，所述扫描参数包括扫描分辨率、扫描角度和扫描距离。
12、在以上技术方案的基础上，优选的，步骤s2包括：
13、s21，采用迭代最近点算法进行粗配准，将多角度的所述三维点云数据进行对齐；
14、s22，通过加权平均方法进行精配准，提高配准精度，获取统一的配准点云数据，根据每组配准点云数据的采集角度和采集距离对所述加权平均方法中的动态权重进行调整。
15、在以上技术方案的基础上，优选的，步骤s3包括：
16、s31，构建八叉树空间分区结构，包括：分析配准点云数据的空间密度分布，确定八叉树初始根节点的空间范围，根据预设的空间分辨率标准，递归地对子节点进行分割，直到达到动态调整的深度限制或每个子节点包含的点云数量低于阈值；根据点云数据的空间分布特征动态调整八叉树的深度和分支数量；
17、s32，将构建好的八叉树分区结构映射到多处理单元，包括：根据每个八叉树叶节点的空间位置和点云数量，将负载动态分配到不同的处理单元，采用负载均衡算法优化各处理单元的计算任务分配；实现配准点云数据的并行分块处理。
18、在以上技术方案的基础上，优选的，步骤s4包括：
19、s41，从统一的配准点云数据中提取关键特征，所述关键特征包括几何特征和光谱特征，包括：基于主成分分析法计算每个配准点的主方向和曲率，得到几何特征，所述几何特征用于表征点的几何形状，结合多光谱成像数据，提取每个点的光谱反射特性，作为光谱特征；
20、s42，基于所述关键特征进行风机叶片关键特征区域的检测与分类，包括；采用支持向量机算法基于所述几何特征和所述光谱特征对点进行分类，识别出潜在的异常特征区域，得到初步分类结果，通过后处理滤波优化算法对所述初步分类结果进行滤波和优化，得到关键特征区域；
21、风机叶片分类得分的计算式为：
22、
23、其中，scoreq为第q个点的风机分类得分，fg(q)为第q个点的几何特征值，fs(q)为第q个点的光谱特征值，wg和ws分别为几何特征和光谱特征的权重系数，wg和ws的和为1，γ为后处理调整系数，m为控制函数斜率的参数，θ0为分类概率阈值；
24、所述后处理滤波优化算法的计算式为：
25、
26、其中，pfinal(q)为第q个点的关键特征区域划分结果，1代表对应点在关键特征区域内，0代表对应点不在关键特征区域内，θ'为后处理分类阈值，δ为邻点数阈值。
27、在以上技术方案的基础上，优选的，步骤s5包括：
28、s51，基于pointnet++模型，集成注意力机制、增加多尺度特征提取模块以及残差连接结构，构建点云网络增强模型；
29、s52，基于点云网络增强模型输出关键特征区域的特征向量，通过缺陷类型分类算法对特征向量进行缺陷类型分类，得到缺陷类型，根据三维空间坐标信息，定位关键特征区域的每个缺陷的空间位置，得到缺陷位置，基于置信度评分对所述缺陷类型和所述缺陷位置进行筛选和验证；
30、所述缺陷类型分类算法的计算式为：
31、
32、其中，ptype(c|n)为第n个点属于第c类缺陷的概率，zc(n)为第n个点在第c类缺陷上的得分，zc'(n)为第n个点在第c'类缺陷上的得分，c为缺陷类型的数量；
33、所述置信度评分的计算式为：
34、
35、其中，confidencet为第t个缺陷位置的置信度评分，为第t个缺陷点的空间距离，scoret为第t个点的风机分类得分，σ(·)为sigmoid激活函数，β1和β2分别为空间距离和风机分类得分的权重系数。
36、在以上技术方案的基础上，优选的，步骤s6包括：
37、s61，整理汇总检测到的缺陷位置的坐标数据，将每个缺陷位置与对应点缺陷类型信息进行关联，整合位置信息和类型信息得到标准格式的检测报告，所述检测报告包括缺陷位置信息和缺陷类型数据；
38、s62，对所述检测报告进行可视化处理，生成风机叶片三维模型的缺陷分布图，显示缺陷位置，使用不同颜色或不同图标标识不同类型的缺陷，利用交互式界面，以支持缺陷信息的查看和筛选。
39、第二方面，本专利技术还提供了一种基于三维点云的风电场风机叶片检测系统，所述系统包括：
40、点云数据模块，用于采用激光扫描仪对风机叶片进行多角度扫描，获取风机叶片的三维点云数据；
41、数据配准模块，用于对所述三维点云数据进行配准处理，将所述三维点云数据统一到同一坐标系中，得到配准点云数据；
42本文档来自技高网
...
【技术保护点】
1.一种基于三维点云的风电场风机叶片检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于三维点云的风电场风机叶片检测方法，其特征在于，步骤S1包括：
3.如权利要求1所述的一种基于三维点云的风电场风机叶片检测方法，其特征在于，步骤S2包括：
4.如权利要求1所述的一种基于三维点云的风电场风机叶片检测方法，其特征在于，步骤S3包括：
5.如权利要求1所述的一种基于三维点云的风电场风机叶片检测方法，其特征在于，步骤S4包括：
6.如权利要求5所述的一种基于三维点云的风电场风机叶片检测方法，其特征在于，步骤S5包括：
7.如权利要求1所述的一种基于三维点云的风电场风机叶片检测方法，其特征在于，步骤S6包括：
8.一种基于三维点云的风电场风机叶片检测系统，其特征在于，所述系统包括：
9.一种电子设备，其特征在于，包括：至少一个处理器、至少一个存储器、通信接口和总线；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指令，所述计算机指令使计算机实现如权利要求1～7任一项所述的方法。
...
【技术特征摘要】
1.一种基于三维点云的风电场风机叶片检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于三维点云的风电场风机叶片检测方法，其特征在于，步骤s1包括：
3.如权利要求1所述的一种基于三维点云的风电场风机叶片检测方法，其特征在于，步骤s2包括：
4.如权利要求1所述的一种基于三维点云的风电场风机叶片检测方法，其特征在于，步骤s3包括：
5.如权利要求1所述的一种基于三维点云的风电场风机叶片检测方法，其特征在于，步骤s4包括：
6.如权利要求5...
【专利技术属性】
技术研发人员：陈乃娟，付春霞，余伟凡，乔飞，
申请(专利权)人：中国电建集团装备研究院有限公司，
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。