技术特征：
1.一种风机叶片缺陷检测系统，其特征在于，所述系统包括：无人机、边缘计算模块和云服务器，所述边缘计算模块分别与所述云服务器和所述无人机连接；所述边缘计算模块响应风机叶片缺陷检测指令，发送采样消息至所述无人机，所述无人机响应所述采样消息，从所述边缘计算模块获取飞行路径、并根据所述飞行路径对风机叶片进行采样，得到风机叶片超声波检测数据和风机叶片图像数据，将所述风机叶片超声波检测数据和所述风机叶片图像数据发送至所述边缘计算模块，所述边缘计算模块根据所述风机叶片超声波检测数据和所述风机叶片图像数据进行风机叶片缺陷检测，得到风机叶片缺陷检测结果，并将所述风机叶片超声波检测数据、所述风机叶片图像数据和所述风机叶片缺陷检测结果发送至所述云服务器。2.根据权利要求1所述的风机叶片缺陷检测系统，其特征在于，所述云服务器还用于基于所述风机叶片超声波检测数据、所述风机叶片图像数据和预设的风机叶片状态预测输出值，结合预设的马氏距离的故障预警判据，进行风机叶片故障预警。3.根据权利要求2所述的风机叶片缺陷检测系统，其特征在于，所述云服务器还用于将所述风机叶片超声波检测数据和所述风机叶片图像数据输入至已训练的风机叶片故障预测模型中，得到风机叶片状态实际输出值，根据所述风机叶片状态实际输出值和预存的风机叶片状态预测输出值，结合基于马氏距离的故障预警判据，进行风机叶片故障预警。4.根据权利要求1所述的风机叶片缺陷检测系统，其特征在于，所述风机叶片缺陷检测结果包括风机叶片内部缺陷检测结果和风机叶片外部缺陷检测结果；所述边缘计算模块还用于将所述风机叶片超声波检测数据输入至已训练的超声波风机叶片缺陷检测模型进行风机叶片内部缺陷检测，得到风机叶片内部缺陷检测结果，将所述风机叶片图像数据输入至已训练的视觉风机叶片缺陷检测模型进行风机叶片外部缺陷检测，得到风机叶片外部缺陷检测结果，其中，所述超声波风机叶片缺陷检测模型和所述视觉风机叶片缺陷检测模型基于风机叶片出厂测试数据和历史风机叶片图像数据训练得到。5.根据权利要求4所述的风机叶片缺陷检测系统，其特征在于，所述风机叶片超声波检测数据包括风机叶片超声波扫描图像数据；所述边缘计算模块还用于将所述风机叶片超声波扫描图像数据输入至已训练的超声波风机叶片缺陷检测模型进行缺胶检测、褶皱检测以及夹杂检测，得到风机叶片内部缺陷检测结果。6.根据权利要求4所述的风机叶片缺陷检测系统，其特征在于，所述风机叶片图像数据包括风机叶片裂纹图像数据；所述边缘计算模块还用于将所述风机叶片裂纹图像数据输入至已训练的视觉风机叶片缺陷检测模型，提取所述风机叶片裂纹图像数据的风机叶片特征数据，对所述风机叶片特征数据进行裂纹检测，得到风机外部缺陷检测结果。7.根据权利要求6所述的风机叶片缺陷检测系统，其特征在于，所述边缘计算模块将所述风机叶片图像数据输入至已训练的视觉风机叶片缺陷检测模型之前还包括：对所述风机叶片裂纹图像数据进行图像去雾、图像去噪和/或图像增强。8.根据权利要求7所述的风机叶片缺陷检测系统，其特征在于，所述边缘计算模块对所述风机叶片裂纹图像数据进行图像去雾包括：采用暗通道先验去雾算法对所述风机叶片裂纹图像数据进行图像去雾。
9.根据权利要求7所述的风机叶片缺陷检测系统，其特征在于，所述边缘计算模块对所述风机叶片裂纹图像数据进行图像增强包括：采用分段线性灰度增强方法对所述风机叶片裂纹图像数据进行图像增强。10.根据权利要求1或9任一项所述的风机叶片缺陷检测系统，其特征在于，所述无人机还用于将实时的飞行位置数据发送至所述边缘计算模块，所述边缘计算模块还用于根据所述飞行位置数据对所述飞行路径进行实时纠偏、并将纠偏后的飞行路径发送至所述无人机。
技术总结
本申请涉及一种风机叶片缺陷检测系统。所述系统包括：无人机、边缘算模块和云服务器，边缘计算模块分别与云服务器和无人机连接；边缘计算模块响应风机叶片缺陷检测指令，发送采样消息至无人机，无人机响应采样消息，从边缘计算模块获取飞行路径、并根据飞行路径对风机叶片进行采样，得到风机叶片超声波检测数据和风机叶片图像数据，将风机叶片超声波检测数据和风机叶片图像数据发送至边缘计算模块，边缘计算模块根据风机叶片超声波检测数据和风机叶片图像数据进行风机叶片缺陷检测，得到风机叶片缺陷检测结果，并将风机叶片超声波检测数据、风机叶片图像数据和风机叶片缺陷检测结果发送至云服务器。采用本系统能实现高效且准确的叶片缺陷检测。的叶片缺陷检测。的叶片缺陷检测。
技术研发人员：赵耀 赵毅君 周扬
受保护的技术使用者：湖南工程学院
技术研发日：2021.07.13
技术公布日：2021/9/17