1.一种风电设备缺陷智能图像分析方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种风电设备缺陷智能图像分析方法,其特征在于,步骤一中,使用无人机搭载高清摄像头,对风电设备的表面进行全方位的拍摄,覆盖风电设备的各个部位。
3.根据权利要求2所述的一种风电设备缺陷智能图像分析方法,其特征在于,使用无人机搭载无线通信模块,用于将拍摄的高清图像实时或定时传输到后台服务器,或者使用存储卡将图像数据保存下来,再传输到后台服务器。
4.根据权利要求1所述的一种风电设备缺陷智能图像分析方法,其特征在于,步骤二中,所述预处理操作包括灰度化处理、降噪处理、增强处理、变换处理、分割处理、生长处理、边缘检测处理;其中,使用中值滤波和高斯滤波对图像进行降噪处理,使用直方图均衡和对比度增强对图像进行增强处理,使用透视变换和仿射变换对图像进行变换处理。
5.根据权利要求4所述的一种风电设备缺陷智能图像分析方法,其特征在于,对图像进行中值滤波处理时,使用一个滑动窗口对图像进行扫描,将窗口内的像素值按照大小排序,取中间值作为窗口中心像素的新值,替换原像素值,从而消除图像中的椒盐噪声和脉冲噪声,保留图像的边缘和细节;
6.根据权利要求4所述的一种风电设备缺陷智能图像分析方法,其特征在于,对图像进行直方图均衡处理时,使用一个直方图统计图像中的像素值的分布情况,将图像的灰度级重新分配,使得图像的灰度级更加均匀,从而提高图像的亮度和对比度,增强图像的视觉效果;
7.根据权利要求1所述的一种风电设备缺陷智能图像分析方法,其特征在于,步骤三中,使用深度卷积神经网络对预处理后的图像进行特征提取,所述深度卷积神经网络包括多个卷积层、池化层、全连接层,能够自动学习图像中的特征层次和抽象,从低级的边缘、纹理特征到高级的形状、语义特征。
8.根据权利要求7所述的一种风电设备缺陷智能图像分析方法,其特征在于,所述深度卷积神经网络的结构为:输入层-卷积层-激活层-池化层-卷积层-激活层-池化层-全连接层-输出层;
9.根据权利要求1所述的一种风电设备缺陷智能图像分析方法,其特征在于,步骤四中,使用支持向量机对图像特征进行分类,将缺陷分为不同的类型,包括裂纹、磨损、腐蚀,所述支持向量机的参数为:核函数的类型为高斯核,即:
10.根据权利要求1所述的一种风电设备缺陷智能图像分析方法,其特征在于,步骤五中,根据分类结果,对图像中的缺陷区域进行标注,显示缺陷的位置、大小、形状和类型,生成缺陷报告的步骤包括: