基于机器视觉的风电机组识别及编组标定

发布时间：2024-03-24 19:57

　　风电机组长期处于运转状态,工作环境的恶劣性与工况的复杂多变性使其在运行过程中会出现不同程度的损伤,定期对风电机组进行巡视检测应是风电维修过程中不可或缺的一个环节。另一方面,风电机组所处地域通常为滩涂或近海,且装机数量多,分布范围广,仅靠常规巡检手段很难保证工作效率和劳动强度,因此还需要通过无人机技术对风电机组运行状态进行航拍监控,采用机器视觉技术实现风电机组的视觉检测,其中识别与编组标定是风电机组巡检最基本的要素。本文在传统视觉检测的流程基础上对区域建议、风电机组图像特征表示、区域分类等部分进行改进,并基于风电机组拓扑结构进行拓扑图匹配以确定单一背景下风电机组的编组属性。论文的主要工作如下:1.就风电机组视觉巡检的研究背景及现实意义进行分析,较全面地介绍了视觉检测的步骤,并探讨比较了几种基于深度学习的目标检测方法的主要优缺点,为后续卷积神经网络(Convolutional Neural Network,CNN)模型的改进提供了基础。2.基于Gabor小波变换和反向传播(Back Propagation,BP)算法实现风电机组基本检测。利用Gabor小波和主成分分析(Principal ...

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

图1-1目标视觉检测流程

多主要针对航拍应用，但经过技术改造，可以适用于风电机组的近距同时通过基于机器视觉的风电机组识别与编组标定，将有助于增强风检的智能化，提升巡检过程的安全性、可靠性和准确性。2目标检测方法研究现状目标视觉检测是计算机视觉领域中一个非常重要的研究问题，其不仅像的简单分类，也要在图像中....

图2-1风电机组正样本图像

主要介绍了风电机组基础识别的流程，包括风电机组样本获预处理、Gabor小波特征提取、PCA特征降维、BP神经网络搜索，主要用到的基础理论包括Gabor小波变换、BP神经抑制等。机组数据集的建立机组样本获取大疆四轴飞行器在江苏某沿海风电场拍摄风电机组视频，从取部分帧图像....

图2-2风电机组负样本图像

图2-2风电机组负样本图像机组图像预处理机组图像的预处理主要有图像归一化和直方图均衡化。所谓系列处理把图像变成统一形式，其目的是保证图像能适应于等仿射变换。特征提取和目标识别前往往需要对图像作归一灰度和尺度两方面，尺度归一化是利用预处理手段保证风电，风电机组在整个图像中的位置....

图2-3风电机组图像归一化

图2-3风电机组图像归一化图2-4风电机组灰度直方图均衡化均衡化的目的是增强图像的局部对比度，在对图像进行数对图像进行非线性拉伸，使其在全范围内能够均匀分近时，其作用更为突显。图2-4是经灰度直方图均衡化直方图均衡化处理的映射函数关系如下式(2-2)所示。00()....

本文编号：3937932