基于可见光和热成像的风机叶片全周期无损检测综述

风机叶片在制造、服役和维修阶段的无损检测非常重要。叶片长期在高强度的风力载荷下工作,制造过程产生的任何微小缺陷将在服役中扩大,进一步威胁到风机的正常运行。因而,风机叶片的无损检测一直是工业界与学术界探索的难题。根据叶片视觉检测方法结合无人机技术应用、相关数据包括图像处理方法以及缺陷评判方法的智能程度等方面对前人以及作者所在课题组的前期工作进行综述、总结、分析与对比。目前,可见光视觉检测与红外热成像检测等以视觉为基础的检测手段满足了风机叶片在役运维时非接触、高效、低成本、安全等需求。视觉检测与无人机巡检技术相结合能最大程度的保证人员安全,同时克服了望远镜检测视野受限的难题。然而该检测手段在风机叶片巡检中目前尚存在缺陷定量难、内部缺陷识别率低等方面的不足。通过分析对比可见光检测与热成像检测技术,认为结合智能算法的无人机搭载双光融合检测手段未来有望于解决风机叶片检测中存在的不足。     

风机叶片无人机红外热图像拼接方法

针对风机叶片红外图像拼接困难的问题,提出了一种基于无人机速度信息的风机叶片红外图像拼接方法。首先,利用U-net网络预测获得叶片掩膜图像,从而去除冗余的背景信息;其次,计算平移、旋转、缩放参数使拼接图像配准;最后,使用Multiband Blend算法对拼接图像进行融合,消除视场与光照变化引起的拼缝。实验结果表明,本文提出的方法在拼接处x梯度方向上的RMSE小于SURF等传统图像拼接方法,拼接成功率达97.8%,并成功获取风机叶片红外全景图。将Multiband Blend算法应用于叶片红外图像融合,结果表明融合后图像拼接处RMSE显著降低,过渡更加平滑。