基于无人机的风机叶片表面缺陷自动检测方法

风机叶片是风力发电系统的核心部件,在受到气候条件、工作负荷等因素的影响后,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、损坏甚至引发安全事故;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,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,杰卡德系数可以达到0.9823,说明该方法的检测结果更为准确;所花费时间低于15.69 s,说明该方法的检测效率更高,可以更快地完成检测任务。