(19)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 202210112466.5 (22)申请日 2022.01.29 (71)申请人 西安翔迅科技有限责任公司 地址 710077 陕西省西安市锦业 二路15号 中航工业西安计算技术研究所1号厂 房112室 (72)发明人 雷红涛　吴娇　孙照莹　李刚　 任毅　张苑　张韬　 (74)专利代理 机构 西安智邦专利商标代理有限 公司 6121 1 专利代理师 赵逸宸 (51)Int.Cl. G06V 20/00(2022.01) G06V 10/25(2022.01) G06V 10/26(2022.01)G06V 10/44(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01) (54)发明名称 一种风电机组变桨轴承裂纹监测方法、 计算 机程序产品 (57)摘要 本发明属于裂纹监测方法， 为解决目前的变 桨轴承监测方法中， 基于振动信号及多传感器信 号的监测方法部署难、 费时费力、 成本高， 基于视 频的监测方法分析准确率不高， 无法实时给出裂 纹尺寸信息的技术问题， 提供一种风电机组变桨 轴承裂纹监测方法、 计算机程序产品， 运用目标 检测、 图像分割等技术， 实现风电机组变桨轴承 裂纹的监测， 能够及时发现裂纹并实时监测裂纹 的变化情况， 为运维人员保运提供技术支持， 保 障了风电机组的安全运行， 降低了风场的运维成 本， 降低了机组失效损失， 可直接反映裂纹尺寸， 结果可视， 容 易部署， 具有较高的推广应用价 值。 权利要求书2页 说明书7页 附图2页 CN 114612763 A 2022.06.10 CN 114612763 A 1.一种风电机组变 桨轴承裂纹监测方法， 其特 征在于， 包括以下步骤： S1， 识别裂纹 通过目标检测网络模型从变桨轴承的图像中判断变桨轴承是否存在裂纹， 若存在， 则 通过目标检测网络模型 得到裂纹的目标检测框； S2， 通过裂纹的目标检测框， 确定裂纹感兴趣区域； S3， 通过分割网络模型对裂纹感兴趣区域进行处理， 得到与分割网络模型尺寸相同的 裂纹标记掩码， 再将裂纹标记掩码转换为与裂纹感兴趣区域尺寸相同的二 值图； S4， 通过二 值图， 计算裂纹的实际像素尺寸和裂纹宽度； S5， 通过监测裂纹的实际像素尺寸和裂纹宽度， 对风电机组变 桨轴承裂纹进行监测。 2.如权利要求1所述一种风电机组变桨轴承裂纹监测方法， 其特征在于： 步骤S1之前， 还包括步骤S0， 目标检测网络模型训练和分割网络模型训练； S0.1， 目标检测网络模型训练 S0.1.1， 搜集多个风场变桨轴承 的多个裂纹数据和多个正常数据； 所述裂纹数据为具 有裂纹的变 桨轴承图像， 所述 正常数据为 不具有裂纹的变 桨轴承图像； S0.1.2， 标注各裂纹数据上的裂纹； S0.1.3， 对于每个风机抽取至少一张正常数据， 随机取经步骤S0.1.2标注出的裂纹， 将 裂纹以随机位置的方式放入正常数据中， 形成生成的裂纹数据； S0.1.4， 通过正常数据、 裂纹数据和生成的裂纹数据对目标检测网络模型进行训练， 得 到能够从变 桨轴承的图像数据中判断变 桨轴承是否存在裂纹的目标检测网络模型； S0.2， 分割网络模型训练 S0.2.1， 搭建Unet 家族类深度学习图像分割网络； S0.2.2， 在多个裂纹标记区域中标出裂纹轮廓， 将裂纹轮廓处记作1， 其他区域记作0， 将裂纹标记区域转换为二值图， 对Unet家族类深度学习图像分割网络进行训练， 得到分割 网络模型。 3.如权利要求2所述一种风电机组变桨轴承裂纹监测方法， 其特征在于： 步骤S0.1.4 中， 所述通过正常数据、 裂纹数据和生成的裂纹数据对目标检测网络模型进行训练具体为， 将正常数据、 裂纹数据和生 成的裂纹数据分别按照等比例分为三份， 三份正常数据、 裂纹数 据和生成的裂纹数据分别组成训练集、 测试集和验证集， 依次将训练集、 测试集和验证集输 入目标检测网络模型进行训练测试和验证。 4.如权利要求1 ‑3任一所述一种风电机组变桨轴承裂纹监测方法， 其特征在于： 所述目 标检测网络模型为支持mosaic数据增强的yo lov4网络模型。 5.如权利要求4所述一种风电机组变桨轴承裂纹监测方法， 其特征在于， 步骤S2具体 为： S2.1， 通过 下式得到裂纹感兴趣区域的宽度ro i_w和裂纹感兴趣区域的高度ro i_h： roi_w＝roi_h＝max(recth， rectw) 其中， recth为目标检测框的高度， rectw为目标检测框的宽度； S2.2， 计算裂纹感兴趣区域与目标检测框的高度差Δh， 以及裂纹感兴趣区域与目标检 测框的宽度差 Δw； S2.3， 通过 下式得到裂纹感兴趣区域ROI：权　利　要　求　书 1/2 页 2 CN 114612763 A 2ROI＝Img[recttop‑Δh/2： recttop+roi_h‑Δh/2， rectleft‑Δw/2： rectleft+roi_w‑Δw/ 2]； 其中， 以变桨轴承图像的左上角为坐标原点， rectleft为目标检测框左上角坐标的横坐 标， recttop为目标检测框左上角坐标的纵坐标， Img为变 桨轴承图像。 6.如权利要求4所述一种风电机组变桨轴承裂纹监测方法， 其特征在于： 步骤S3具体 为， 通过分割网络模型将裂纹感兴趣区域转换为与分割网络模型尺寸相同的裂纹标记掩 码， 设定置信度阈值， 将大于等于置信度阈值的部分置为1， 小于置信度阈值的部分置为0， 置为1的部分作为裂纹的点， 得到与分割网络模型尺寸相同的二值图， 再经过缩放， 得到与 裂纹感兴趣区域尺寸相同的二 值图。 7.如权利要求6所述一种风电机组变桨轴承裂纹监测方法， 其特征在于， 步骤S4具体 为： S4.1， 统计二 值图中表示裂纹的数值总个数maskarea； S4.2， 逐行分别从左向右、 从右向左扫描二值图， 分别记录从左向右扫描获得的第一个 二值图中表示裂纹的数字， 对应的点记作maski， left， 以及从右向左扫描获得的第一个二值 图中表示裂纹的数字， 对应的点记作m aski， right； 其中i＝1， 2， 3， ......n， n为二值图的总行 数； S4.3， 通过 各行的点maski， left和点maski， right， 得到裂纹的最大 行宽度maskw_r； S4.4， 逐列分别从上向下、 从下向上扫描二值图， 分别记录从上向下扫描获得的第一个 二值图中表示裂纹的数字， 对应的点记作maskj， top， 以及从下向上扫描获得的第一个 二值图 中表示裂纹的数字， 对应的点记作maskj， bottom； 其中j＝1， 2， 3， ......m， m为二值图的总列 数； S4.5， 通过 各列的点maskj， top和点maskj， bottom， 得到裂纹的最大列高度maskh_c； S4.6， 通过 下式得到裂纹的实际像素尺寸crackarea： crackarea＝maskarea×(roi_w÷model_w) ×(roi_h÷model_h) 其中， model_w 为分割网络模型输入宽， model_h为分割网络模型输入高； S4.7， 通过 下式得到裂纹宽度crackwidth： crackwidth＝max(crackh_c， crackw_r) crackw_r＝maskw_r×(roi_w÷model_w) crackh_c＝maskh_c×(roi_h÷model_h)。 8.如权利要求7所述一种风电机组变桨轴承裂纹监测方法， 其特征在于： 步骤S5中， 所 述通过监测裂纹的实际像素尺寸和裂纹宽度具体为， 设置告警门限， 若裂纹的实际像素尺 寸和裂纹宽度中任一个超出告警门限， 则告警； 步骤S1中， 所述通过目标检测网络模型得到裂纹的目标检测框之后还包括， 同时告警 出现裂纹。 9.一种计算机程序产品， 包括计算机程序， 其特征在于： 该程序被处理器执行时实现权 利要求1至8任一所述 一种风电机组变 桨轴承裂纹监测方法的步骤。权　利　要　求　书 2/2 页 3 CN 114612763 A 3