详情

原文传递一种叶片缺陷检测方法及维护方法

专利名称：	一种叶片缺陷检测方法及维护方法
摘要：	本发明涉及一种叶片缺陷检测方法，包括如下步骤：S100a、获取叶片整体的目标图像；S200a、基于光学检测方法检测出叶片表面和主动式红外检测方法检测出叶片蒙皮下的缺陷；S300a、将检测出的缺陷在目标图像上进行标记。本发明的有益效果是：通过光学和红外检测可检测出叶片的表面及蒙皮下缺陷，并在叶片的整体图像中标注出缺陷，利于后期查看叶片的状况,除此之外，后续对此块叶片进行检测的时候，可对标记出的缺陷进行重点关注，相对于人工检测而言，本方法检测精度高、误差小，同时能够检测出肉眼无法观察出的内部缺陷。
专利类型：	发明专利
国家地区组织代码：	湖北;42
申请人：	中新红外科技(武汉)有限公司
发明人：	李建明;郑燕;曾强雁;赵龙
专利状态：	有效
申请日期：	2019-06-13T00:00:00+0800
发布日期：	2019-08-27T00:00:00+0800
申请号：	CN201910510171.1
公开号：	CN110174413A
代理机构：	武汉大楚知识产权代理事务所(普通合伙)
代理人：	徐杨松
分类号：	G01N21/95(2006.01);G;G01;G01N;G01N21
申请人地址：	430223 湖北省武汉市洪山区东湖新技术开发区武大园路8号武大科技园宏业楼二楼东科创星孵化器211-213室
主权项：	1.一种叶片缺陷检测方法，其特征在于，包括如下步骤： S100a、获取叶片整体的目标图像； S200a、基于光学检测方法检测出叶片表面和主动式红外检测方法检测出叶片蒙皮下的缺陷； S300a、将检测出的缺陷在目标图像上进行标记。 2.根据权利要求1所述的一种叶片缺陷检测方法，其特征在于，所述步骤S300a具体如下： S310a、提取叶片中检测出的含有缺陷的图片数据； S320a、构建缺陷识别模型； S330a、通过缺陷识别模型对含有缺陷的图片数据进行缺陷的识别检测； S340a、将识别出的缺陷在目标图像上进行标记，包括标记出缺陷的位置及尺寸信息。 3.根据权利要求2所述的一种叶片缺陷检测方法，其特征在于，所述步骤S320a具体如下： S321a、获取多类具有缺陷的样本图片数据，并对具有不同类型缺陷的样本图片数据做标签，然后将样本图片数据进行随机混合； S322a、选取ResNet模型做训练和预测，训练过程包括K折交叉验证，将样本图片数据分为K份，选择其中K-1份进行训练，剩余份用于验证，重复进行K次交叉验证，并将每次验证的误差累加求平均值，误差最小的模型作为缺陷识别模型。 4.一种叶片缺陷检测维护方法，其特征在于，包括如下步骤： S100b、收集数据，包括叶片相关数据和故障维修数据，其中，叶片相关数据包括叶片的厂家、风资源、使用时间和风机位置；故障维修数据包括检修时间、缺陷类型及尺寸数据； S200b、获取缺陷的状态变化曲线和缺陷的概率分布：以及，对不同缺陷类型进行时间上的拟合，表示为Y(tn),缺陷种类为n；概率分布为F(t)＝p1f(t)+p2f(t)2+…+pnf(t)n；p1，，p2，...pn为与厂商、风机位置相关的加权系数：其中，i为1,2，…，n，ki为形状参数，ai为比例参数； S300b、利用极大似然法对概率分布进行参数ki和ai求解； S400b、获取设备的可靠性概率分布R(t)，其中R(t)为满足威布尔分布的函数； S500b、根据缺陷的类型及尺寸信息、不同缺陷的维护成本与叶片的可靠性进行评判，给出叶片的最佳维修时间。
所属类别：	发明专利