买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安翔迅科技有限责任公司

摘要：本发明为解决目前采用基于计算机视觉的方法监测风电机组塔架净空时，存在双目的方式对相机性能和校准匹配要求高、难以部署、成本高，单目的方式对运维人员配置经验要求高、虚警率高、实时性差且带宽压力大的技术问题，提供一种风电机组塔架净空监测方法、计算机程序产品，基于视觉技术、深度学习和数值计算，通过风电机组侧面和塔顶机舱上图像采集装置获取底部叶片净空距离的关系，在实际对净空距离进行监测时仅需在塔顶机舱上安装一个图像采集装置，即可对底部叶片的净空距离进行监测，且只需要识别叶片后根据叶片叶尖与塔筒底部的距离，即可快速得到净空距离。

主权项：1.一种风电机组塔架净空监测方法，其特征在于，包括以下步骤：S1，安装图像采集装置同时在正对叶片运行轨迹面的风电机组侧面和塔顶机舱上安装图像采集装置；S2，通过风电机组侧面图像采集装置得到叶片实际净空距离，通过塔顶机舱上的图像采集装置同步获取底部叶片图像S2.1，从多张风电机组侧面图像采集装置采集的包含塔筒和底部叶片的图像中，通过矩形框标出叶片，使叶片全部位于矩形框内且叶尖位于矩形框底边中心处，对第一深度学习目标检测模型进行训练，得到能够从叶片侧面图像中识别叶片的第一深度学习目标检测模型；S2.2，通过塔筒两侧直线的方程，以及叶片叶尖位于最低处时，叶尖至塔筒两侧直线的垂线对应方程，得到同样拍摄条件下塔筒的像素直径distBC，具体为：S2.2.1，在图像上标出塔筒两侧直线，以图像左上角为坐标原点，分别取塔筒两侧直线上的任意两个点坐标，求解塔筒两侧直线；S2.2.2，标出底部叶片叶尖至塔筒两侧直线的垂线，得到该垂线的方程；S2.2.3，将步骤S2.2.2得到的垂线方程代入步骤S2.2.1得到的塔筒两侧直线，得到垂线与塔筒两侧直线的交点坐标；S2.2.4，通过垂线与塔筒两侧直线交点的坐标，计算得到同样拍摄条件下塔筒的像素直径distBC；S2.3，通过第一深度学习目标检测模型识别底部叶片，以图像左上角为坐标原点，获取叶片叶尖位于最低处时叶尖的坐标，得到底部叶片叶尖到塔筒的像素距离distAB；所述获取叶片叶尖位于最低处时叶尖的坐标具体为，从叶片叶尖进入图像画面至离开图像画面，统计叶片叶尖的坐标，得到叶片叶尖坐标中纵坐标的最大值，以该最大值对应的坐标为叶片叶尖位于最低处时叶尖的坐标；所述得到底部叶片叶尖到塔筒的像素距离具体为，根据叶片叶尖位于最低处时叶尖的纵坐标，得到叶尖到塔筒两侧直线的垂线方程，将该垂线方程分别代入塔筒两侧直线的方程，得到该垂线与塔筒两侧直线的交点坐标，根据两点间欧式距离计算方法，得到底部叶片叶尖到塔筒的像素距离distAB；S2.4，根据底部叶片叶尖与塔筒的像素距离distAB、塔筒的像素直径distBC、塔筒的实际直径rtower，得到底部叶片叶尖到塔筒的实际距离distclearance；S2.5，在执行步骤S2.1至步骤S2.4的同时，通过塔顶机舱上的图像采集装置同步获取底部叶片图像；S3，确定塔顶机舱上图像采集装置和风电机组侧面图像采集装置获取净空距离的关系S3.1，通过多张塔顶机舱上图像采集装置获取的底部叶片图像，训练第二深度学习目标检测模型，得到能够从塔顶机舱上获得的图像中识别叶片的第二深度学习目标检测模型；S3.2，通过第二深度学习目标检测模型识别底部叶片，以图像左上角为坐标原点，获取叶片叶尖位于最低处时叶尖的坐标，得到底部叶片叶尖到塔筒底部的像素距离min{dist}；S3.3，根据多组distclearance和min{dist}，通过拟合方法求解下式中的第一顶部净空参数α和第二顶部净空参数β：distclearance＝α×min{dist}+β；S4，监测风电机组塔架净空拆除风电机组侧面的图像采集装置，通过塔顶机舱上的图像采集装置在风电机组运行中采集底部叶片图像，通过第二深度学习目标检测模型识别底部叶片，确定底部叶片位于最低处时叶尖与塔筒底部的距离，并带入下式中的min{dist}：distclearance＝α×min{dist}+β得到对应底部叶片叶尖到塔筒的实际距离distclearance，对风电机组塔架净空进行监测。

全文数据：

权利要求：

百度查询： 西安翔迅科技有限责任公司 一种风电机组塔架净空监测方法、计算机程序产品