技术特征：
1.一种风机叶片缺陷定位方法，其特征在于：包括以下步骤，s1，根据风机叶片的已知参数构建风机叶片数学模型；利用搭载有相机的无人机沿着风机叶片的表面在叶根到叶尖之间飞行拍摄一组风机叶片图片，得到风机叶片图片组；s2，基于maskr-cnn的深度神经网络对所述风机叶片图片组进行缺陷识别，得到缺陷风机叶片图片以及所述缺陷风机叶片图片中缺陷中心点的图片坐标系坐标；其中，所述缺陷风机叶片图片为所述风机叶片图片组中具有缺陷的风机叶片图片；s3，在所述缺陷风机叶片图片中标定出径向弦长参考线，并计算出所述径向弦长参考线在所述缺陷风机叶片图片中的像素长度；基于所述风机叶片数学模型，根据所述无人机在拍摄过程中的gps坐标，计算出所述径向弦长参考线在风机叶片中的实际长度；将所述径向弦长参考线在风机叶片中的实际长度与在所述缺陷风机叶片图片中的像素长度作比例计算，得到实际长度和像素长度之间的转换系数；s4，基于所述径向弦长参考线，根据缺陷中心点的图片坐标系坐标以及所述转换系数，在所述风机叶片数学模型中标注出所述缺陷风机叶片图片中缺陷中心点的坐标。2.根据权利要求1所述的风机叶片缺陷定位方法，其特征在于：在所述s1中，所述风机叶片的已知参数包括叶根节圆直径、叶片长度、叶片最大径向弦长以及叶片最大径向弦长处至叶根距离。3.根据权利要求1所述的风机叶片缺陷定位方法，其特征在于：所述s3中，在所述缺陷风机叶片图片中标定出径向弦长参考线的具体步骤为，在所述缺陷风机叶片图片中，分别取叶片两条相对边缘线的中点，得到第一方向点和第二方向点，并分别标注出所述第一方向点以及所述第二方向点的图片坐标系坐标；连接所述第一方向点和所述第二方向点所得到的线段即为所述径向弦长参考线。4.根据权利要求3所述的风机叶片缺陷定位方法，其特征在于：在所述s3中，计算出所述径向弦长参考线在所述缺陷风机叶片图片中的像素长度的具体方法为，基于两点之间的距离计算公式，根据所述第一方向点以及所述第二方向点的图片坐标系坐标，计算出所述第一方向点与所述第二方向点之间的距离；其中，所述第一方向点与所述第二方向点之间的距离即为所述径向弦长参考线在所述缺陷风机叶片图片中的像素长度。5.根据权利要求3所述的风机叶片缺陷定位方法，其特征在于：在所述s3中，基于所述风机叶片数学模型，根据所述无人机在拍摄过程中的gps坐标，计算出所述径向弦长参考线在风机叶片中的实际长度的具体步骤为，获取所述无人机在叶根处拍摄第一帧风机叶片图片时的第一gps坐标；获取所述无人机在拍摄所述缺陷风机叶片图片时的第二gps坐标；计算所述第二gps坐标到所述第一gps坐标之间在大地坐标系下的空间距离；根据所述风机叶片数学模型，计算出所述空间距离对应的径向弦长，则所述空间距离对应的径向弦长即为所述缺陷风机叶片图片的径向弦长参考线在风机叶片中的实际长度。6.根据权利要求5所述的风机叶片缺陷定位方法，其特征在于：所述s4具体为，s41，判断所述风机叶片的表面是为迎风面或背风面，还是为前缘面或后缘面；当所述风机叶片的表面为迎风面或背风面时，执行s42、s43和s44；当所述风机叶片的表面为前缘面或后缘面时，执行s42和s46；
s42，在所述缺陷风机叶片图片中计算出所述缺陷中心点到所述径向弦长参考线之间的距离；根据叶片长度、所述空间距离、所述转换系数以及所述缺陷中心点到所述径向弦长参考线之间的距离，计算出所述缺陷中心点至叶根距离的比例；s43，在所述缺陷风机叶片图片中，过所述径向弦长参考线的中点作所述径向弦长参考线的中垂线，并过所述第一方向点作所述中垂线的平行线，且计算出所述缺陷中心点到所述平行线之间的距离；根据所述径向弦长参考线在所述缺陷风机叶片图片中的像素长度以及所述缺陷中心点到所述平行线之间的距离，计算出所述缺陷中心点至所述第一方向点所在边缘距离的比例；s44，根据所述缺陷中心点至所述第一方向点所在边缘距离的比例以及所述缺陷中心点至叶根距离的比例，在所述风机叶片数学模型中标注出所述缺陷风机叶片图片中缺陷中心点坐标；s45，根据所述缺陷中心点至叶根距离的比例，在所述风机叶片数学模型中标注出所述缺陷风机叶片图片中缺陷中心点坐标。7.根据权利要求6所述的风机叶片缺陷定位方法，其特征在于：所述s42具体为，在所述缺陷风机叶片图片中，根据所述缺陷中心点、所述第一方向点以及所述第二方向点的图片坐标系坐标，计算出所述缺陷中心点到所述径向弦长参考线之间的距离；在所述缺陷风机叶片图片中，将所述中垂线与所述缺陷风机叶片图片边界在叶根方向上的交点定义为叶根方向点；当所述缺陷中心点与所述叶根方向点相对于所述径向弦长参考线异侧时，则所述缺陷中心点至叶根距离的比例为，当所述缺陷中心点与所述叶根方向点相对于所述径向弦长参考线同侧时，所述缺陷中心点至叶根距离的比例为，其中，scale
root
为所述缺陷中心点至叶根距离的比例，gps_p为所述空间距离，dy为所述缺陷中心点到所述径向弦长参考线之间的距离，k为所述转换系数，bladelength为所述叶片长度。8.根据权利要求6所述的风机叶片缺陷定位方法，其特征在于：当所述风机叶片的表面为迎风面或背风面时，所述缺陷中心点至所述第一方向点所在边缘距离的比例为，其中，scale
front
为所述缺陷中心点至所述第一方向点所在边缘距离的比例，dx为所述缺陷中心点到所述平行线之间的距离，d
ab
为所述径向弦长参考线在所述缺陷风机叶片图片中的像素长度；当所述风机叶片的表面为前缘面或后缘面时，所述缺陷中心点至所述第一方向点所在边缘距离的比例为1或0。9.根据权利要求1至8任一项所述的风机叶片缺陷定位方法，其特征在于：在所述s2中，
基于maskr-cnn的深度神经网络对所述风机叶片图片组进行缺陷识别得到缺陷风机叶片图片的过程中，还得到所述缺陷风机叶片图片中缺陷的最小外接矩形以及所述最小外接矩形的长和宽；所述的风机叶片缺陷定位方法还包括以下步骤，s5，根据所述转换系数以及所述最小外接矩形的长和宽计算出所述缺陷风机叶片图片中的缺陷在所述风机叶片中的实际尺寸。10.一种风机叶片缺陷定位系统，其特征在于：用于实现如权利要求1至9任一项所述的风机叶片缺陷定位方法，包括如下模块，模型构建及图片拍摄模块，其用于根据风机叶片的已知参数构建风机叶片数学模型；利用搭载有相机的无人机沿着风机叶片的表面在叶根到叶尖之间飞行拍摄一组风机叶片图片，得到风机叶片图片组；缺陷识别模块，其用于基于maskr-cnn的深度神经网络对所述风机叶片图片组进行缺陷识别，得到缺陷风机叶片图片以及所述缺陷风机叶片图片中缺陷中心点的图片坐标系坐标；其中，所述缺陷风机叶片图片为所述风机叶片图片组中具有缺陷的风机叶片图片；转换系数计算模块，其用于在所述缺陷风机叶片图片中标定出径向弦长参考线，并计算出所述径向弦长参考线在所述缺陷风机叶片图片中的像素长度；基于所述风机叶片数学模型，根据所述无人机在拍摄过程中的gps坐标，计算出所述径向弦长参考线在风机叶片中的实际长度；将所述径向弦长参考线在风机叶片中的实际长度与在所述缺陷风机叶片图片中的像素长度作比例计算，得到实际长度和像素长度之间的转换系数；缺陷定位模块，其用于基于所述径向弦长参考线，根据缺陷中心点的图片坐标系坐标以及所述转换系数，在所述风机叶片数学模型中标注出所述缺陷风机叶片图片中缺陷中心点的坐标。
技术总结
本发明涉及图像处理领域，具体涉及一种风机叶片缺陷定位方法及系统，其方法包括，构建风机叶片数学模型，拍摄风机叶片图片组；对风机叶片图片组进行缺陷识别；在缺陷风机叶片图片中标定出径向弦长参考线，并计算径向弦长参考线的实际长度与像素长度之间的转换系数；基于径向弦长参考线，根据缺陷中心点坐标以及转换系数，在风机叶片数学模型中标注出缺陷中心点的坐标。本发明利用作径向弦长参考线的方法计算出实际长度和像素长度之间的转换系数，且利用转换系数计算出缺陷相对边缘线和叶根的距离比例，从而将缺陷在图片中的位置映射至风机叶片数学模型上实现定风机叶片缺陷的定位，有利于对于风机叶片检查结果进行信息化跟踪管理。管理。管理。
技术研发人员：韩梦婷 张翼龙 汪杨 郭鹏程 魏青
受保护的技术使用者：风脉能源（武汉）股份有限公司
技术研发日：2022.10.17
技术公布日：2023/1/2