(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111611056.7 (22)申请日 2021.12.27 (71)申请人 武汉华中数控股份有限公司 地址 430223 湖北省武汉市东湖新 技术开 发区庙山小区华中科技大 学科技园 申请人 湖南工业职业 技术学院 (72)发明人 李凯　黄植红　公志强　覃杰　 李培　何涛　彭目华　刘峥　刘薇　 (74)专利代理 机构 北京汇泽知识产权代理有限 公司 11228 代理人 徐俊伟 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01)G06V 10/20(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) F03D 17/00(2016.01) F03D 80/40(2016.01) (54)发明名称 一种风力发电机组扇叶状态监测装置及方 法 (57)摘要 本发明涉及红外热成像测温技术领域， 为一 种风力发电机组扇叶状态监测装置及方法， 其中 装置包括外壳及云台， 外壳内安设有内套， 内套 内安设有可见光模块及红外热成像模块， 可见光 模块与红外热成像模块安装为观测同一画面； 固 定安装在风力发电机组上的云台与外壳的底部 连接； 可见光模块用于采集风力发电机组运行时 的扇叶图像， 红外热成像模用于采集风力发电机 组运行时扇叶的红外图像。 该方案首次使用红外 热成像模块配合可见光模块对风力发电机组进 行监测与分析， 通过红外热成像模块对扇叶进行 成像， 从而实时的监测扇叶状态， 进而指导风电 机组的运行与维护， 提高风电机组的效率和可靠 性。 权利要求书2页 说明书6页 附图2页 CN 114240235 A 2022.03.25 CN 114240235 A 1.一种风力发电机组扇叶状态监测装置， 其特征在于， 所述装置包括外壳及 云台， 所述 外壳内安设有内套， 所述内套内安设有可见光模块及红外热成像模块， 所述可见光模块与 红外热成像模块 安装为观测同一画面； 固定安装在风力发电机组上的所述云台与所述外壳的底部连接； 所述可见光模块用于采集风力发电机组运行时的扇叶图像， 所述红外热成像模用于采 集风力发电机组运行时扇叶的红外图像。 2.根据权利要求1所述的风力发电机组扇叶状态监测装置， 其特征在于， 所述内套内还 设有集中处理模块， 所述集中处理模块用于分析处理扇叶的扇叶图像和红外图像， 并判断 扇叶是否存在暗纹、 结冰。 3.根据权利要求1所述的风力发电机组扇叶状态监测装置， 其特征在于， 所述外 壳为椭 球形。 4.根据权利要求2所述的风力发电机组扇叶状态监测装置， 其特征在于， 所述内套内还 设有温度传感器及半导体制冷器， 所述半导体制冷器用于根据所述温度传感器监测到的内 套的温度数据， 以对内套 进行温度调节并控制在 ‑40℃至50℃内。 5.根据权利要求4所述的风力发电机组扇叶状态监测装置， 其特征在于， 所述内套的上 部和下部均安设有半导体制冷器， 每 个半导体制冷器都具 备制热面和制冷面； 位于上部的半导体制冷器的制冷面面向内套的内部各功能模块， 位于下部的半导体制 冷器的制热面面内套的内部各功能模块， 形成内套内部空间温度的制冷和制热的双制功能 组件。 6.根据权利要求1所述的风力发电机组扇叶状态监测装置， 其特征在于， 所述外 壳上安 装有雨刮器， 所述 雨刮器用于对可 见光模块和红外热成像模块的窗口进行清洁。 7.根据权利要求1所述的风力发电机组扇叶状态监测装置， 其特征在于， 所述外 壳与所 述内套之间留有间隙， 所述内套的外层设有保温层。 8.一种风力发电机组扇叶状态监测方法， 其特征在于， 所述检测方法用于通过如权利 要求1‑7任一项所述的一种风力发电机组扇叶状态监测装置实现， 包括： S1， 采集风力发电机组扇叶的可 见光图像与红外图像； S2， 对采集到的图像数据集进行统一的输入要求转换， 保证后面处理的结果一致性； 具 体地， 对可见光图像进 行色彩空间、 色彩特征的预 处理； 对红外图像进 行倒置、 直方图均衡、 去噪、 锐化的图像预处 理； S3， 采用深度学习的卷积神经网络， 训练可见光模块中的扇叶目标对象检测器， 并进行 扇叶目标图像的识别和检出； 当环境光线的强度低于阈值而不足以使 可见光模块检出扇叶 目标时， 则单独使用红外热成像模块 来进行目标图像的识别和检出； S4， 对被检出的扇叶图像的各个温度区域极性区域划分， 建立相应的暗裂纹及落雪、 区 域结冰、 全域结冰的带温度信息红外图像训练集和 测试集； S5， 利用长短期记忆网络(LSTM)学习分类带有温度信息的红外图像中扇叶结冰区域图 像， 获取在时间序列上的暗裂纹及落雪、 小面积结冰、 大面积结冰、 全域结冰、 全域低温结冰 的结冰程度图像分类， 完成图像数据分析模块功能； S6， 根据设置条件实现对相应的结冰状态或者暗裂纹进行报警， 并将信息传递至外部 设备， 给风电机组是否继续 运行提供参 考信息。权　利　要　求　书 1/2 页 2 CN 114240235 A 29.根据权利要求8所述的风力发电机组扇叶状态监测方法， 其特征在于， 所述S1与S2之 间还包括： 将可见光图像和红外图像分别建库， 通过卷积过滤器对可见光图像进 行过滤， 过 滤激活图像中的扇叶特征， 学习判断识别扇叶目标； 通过卷积过滤器对红外图像进 行过滤， 过滤激活图像中的结冰、 暗裂纹区域的热辐射信息特 征， 学习判断是否存在暗裂纹和结冰。权　利　要　求　书 2/2 页 3 CN 114240235 A 3