一种基于全景视觉的海上风电叶片除冰方法及相关装置与流程

本发明属于除冰，具体涉及一种除冰方法及相关装置。

背景技术：

1、海上风电是利用风力发电的一种清洁可再生能源发电形式。海上风电场通常建立在较远离陆地的海域，那里风速较高、风场环境较好，有利于提高风电机组的发电效率。但与陆上风电相比，海上风电场所处的海洋环境更加恶劣，盐雾、冰冻、腐蚀等问题都会对风电机组的运行造成不利影响。其中，叶片结冰是海上风电机组面临的一个主要挑战。

2、风电机组叶片一旦结冰，将严重降低叶片的空气动力学性能，使升力系数和功率系数急剧下降，导致发电效率大幅降低；严重时甚至可能引发叶片失速和剧烈振动，进而损坏叶片结构，造成重大安全事故。因此，及时有效地监控和防治叶片结冰情况，对于确保海上风电场的安全高效运行至关重要。目前，行业内主要采用人工目视巡检、红外线探测、激光雷达扫描等方式对叶片结冰情况进行监测，但这些方法存在范围有限、判读能力差、实时性差以及防冰控制缺乏智能优化，无法清除叶片表面结冰。

技术实现思路

1、本发明提供了一种除冰方法及相关装置，用以解决现有技术无法清除叶片表面结冰的技术缺陷。

2、为了实现上述目的，本发明采用以下技术方案予以实现：

3、第一方面，提供了一种基于全景视觉的海上风电叶片除冰方法，包括：

4、判断是否进行除冰；

5、根据所述判断的结果，选择是否启动除冰加热系统，其中，若需要除冰，则启动加热系统，并计算出加热系统除冰的最佳作业参数；

6、基于计算出的所述加热系统除冰的最佳作业参数，控制加热系统进行除冰作业，并根据除冰效果，动态调整加热系统除冰功率。

7、进一步地，所述判断是否进行除冰，具体包括：

8、对结冰图像进行采集；

9、将采集的所述结冰图像输入至深度学习模型中，得到结冰程度分析结果；

10、根据所述结冰程度分析结果，并结合当前环境参数判断是否进行除冰。

11、进一步地，所述对结冰图像进行采集，具体为：利用多个高分辨率广角摄像机，分别以不同的视角，对结冰图像进行采集。

12、进一步地，将采集的所述结冰图像输入至深度学习模型中，得到结冰程度分析结果，包括：

13、利用实时图像拼接算法，将各个高分辨率广角摄像机拍摄的视角图像进行无缝拼接，生成三百六十度全景图像；

14、将所述三百六十度全景图像输入至卷积神经网络的深度学习模型中，提取结冰图像表面特征，并识别结冰图像的表面结冰程度。

15、进一步地，所述深度学习模型是利用大量标注好的样本数据，通过迁移学习和模型微调训练得到。

16、进一步地，所述实时图像拼接算法包括图像校正、特征匹配和镜头畸变校正。

17、进一步地，所述最佳作业参数包括加热系统的启动时间、加热温度和加热功率。

18、第二方面，提供了一种基于全景视觉的海上风电叶片除冰系统，包括：

19、采集模块，用于采集结冰图像；

20、模型构建模块，用于构建深度学习模型；

21、结果分析模块，用于分析结冰程度；

22、判断模块，用于判断是否进行除冰。

23、第三方面，提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器中运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的除冰方法的步骤。

24、第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的除冰方法。

25、与现有技术相比，本发明具有以下有益效果：

26、1、该方法在利用全景视觉技术除冰的过程中，通过计算出加热系统除冰的最佳作业参数，能够以最佳的作业功效和效率将冰清除；其次，在除冰的过程中，根据除冰效果，动态调整加热系统的除冰功率，降低了作业能耗。

27、2、该方法通过采集结冰图像，能够全面、准确地捕捉到结冰状态，结合深度学习模型对结冰图像的分析，可以精确判断出结冰程度，从而确保除冰操作的针对性和有效性；其次，传统的除冰方法往往依赖于人工巡检和判断，不仅效率低下，而且存在安全风险，通过自动化分析结冰程度，能够迅速判断出是否需要进行除冰操作，并可以根据结冰程度制定合适的除冰策略，从而大大提高除冰效率。

28、3、通过安装多个高分辨率广角摄像机，可以确保结冰物体的各个部位都得到全面的覆盖和细致的观察，无论哪个部分出现结冰，都能被及时发现；使用高分辨率广角摄像机可以捕获到结冰表面的清晰图像，包括结冰的细节特征，这有助于更准确地分析结冰程度和类型，为除冰决策提供更为可靠的依据。

29、4、通过实时图像拼接算法生成的全景图像，可以完整地展现结冰表面各个区域的结冰情况，从而避免了由于摄像机视角限制可能导致的遗漏或误解，使用深度学习模型，特别是卷积神经网络(cnn)，可以高效地从全景图像中提取结冰表面的特征信息，从而快速、准确地判断结冰程度；将结冰图像输入深度学习模型进行自动分析，实现了除冰过程的智能化和自动化，不仅提高了工作效率，减少了人工干预的需求，还降低了人为错误的可能性，提高了整个风电场运维的智能化水平。

30、5、在结冰识别任务中，使用预训练的深度学习模型作为基础，可以大大减少从零开始训练模型所需的时间和计算资源，从而加速模型的训练过程；通过迁移学习，可以利用在源域中大量标注的数据来预训练模型，然后在目标域中使用有限的数据进行微调，从而充分利用有限的样本数据，提高模型的性能。

技术特征：

1.一种基于全景视觉的海上风电叶片除冰方法，其特征在于，包括：

2.根据权利要求1所述的除冰方法，其特征在于，所述判断是否进行除冰，具体包括：

3.根据权利要求2所述的方法，其特征在于，所述对结冰图像进行采集，具体为：利用多个高分辨率广角摄像机，分别以不同的视角，对结冰图像进行采集。

4.根据权利要求2所述的方法，其特征在于，将采集的所述结冰图像输入至深度学习模型中，得到结冰程度分析结果，包括：

5.根据权利要求4所述的方法，其特征在于，所述深度学习模型是利用大量标注好的样本数据，通过迁移学习和模型微调训练得到。

6.根据权利要求4所述的方法，其特征在于，所述实时图像拼接算法包括图像校正、特征匹配和镜头畸变校正。

7.根据权利要求1所述的方法，其特征在于，所述最佳作业参数包括加热系统的启动时间、加热温度和加热功率。

8.一种基于全景视觉的海上风电叶片除冰系统，其特征在于，包括：

9.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器中运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1～7任一项所述的除冰方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1～7任一项所述的除冰方法。

技术总结本发明公开了一种基于全景视觉的海上风电叶片除冰方法及相关装置，方法包括：判断是否进行除冰；根据所述判断的结果，选择是否启动除冰加热系统，其中，若需要除冰，则启动加热系统，并计算出加热系统除冰的最佳作业参数；基于计算出的所述加热系统除冰的最佳作业参数，控制加热系统进行除冰作业，并根据除冰效果，动态调整加热系统除冰功率。该方法在利用全景视觉技术除冰的过程中，通过计算出加热系统除冰的最佳作业参数，能够以最佳的作业功效和效率将冰清除；其次，在除冰的过程中，根据除冰效果，动态调整加热系统的除冰功率，降低了作业能耗。技术研发人员：薛晗光,王忠杰,张都,王阳阳,于涵,郑枫,赵剑剑,施俊佼受保护的技术使用者：西安热工研究院有限公司技术研发日：技术公布日：2024/8/20