(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 202211028501.1 (22)申请日 2022.08.25 (71)申请人 中能电力科技 开发有限公司 地址 100034 北京市西城区阜城门北 大街 6-9号 （国际投资大厦C座15层） (72)发明人 张传远　于航　祝亮　周继威　 张涵　孔维兵　 (74)专利代理 机构 北京英创嘉友知识产权代理 事务所(普通 合伙) 11447 专利代理师 曹寒梅 (51)Int.Cl. G06V 10/22(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/26(2022.01)G06V 10/762(2022.01) G06T 7/00(2017.01) G06T 5/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 风电叶片缺陷检测定位方法、 装置、 存储介 质和电子设备 (57)摘要 本公开涉及一种风电叶片缺陷检测定位方 法、 装置、 存储介质和电子设备。 该方法包括： 获 取风电叶片的多个部分区域图像帧； 确定每个部 分区域图像帧中的叶片部分图像； 对叶片部分图 像进行切分得到多个子图片； 对每个子图片进行 缺陷识别； 根据多个部分区域图像帧确定风电叶 片的组合图像； 根据识别出的每个缺陷在所述子 图片中的位置， 确定所述缺陷在所述组合图像中 的位置。 本申请通过把叶片部分图像进行切分为 多个子图像， 使得裂纹在每个子图像显得相对比 较明显， 从而有助于更准确的识别出缺陷， 以及 确定缺陷类型， 也提高了对于缺陷的位置定位的 准确性。 权利要求书2页 说明书12页 附图9页 CN 115359239 A 2022.11.18 CN 115359239 A 1.一种风电叶片缺陷检测定位方法， 其特 征在于， 包括： 获取风电叶片的多个部分区域图像帧； 确定每个部分区域图像帧中的叶片部分图像； 对所述叶片部分图像进行切分得到多个子图片； 对每个子图片进行缺陷识别； 根据所述多个部分区域图像帧确定所述 风电叶片的组合图像； 根据识别出的每个缺陷在所述子图片中的位置， 确定所述缺陷在所述组合图像中的位 置。 2.根据权利要求1所述的风电叶片缺陷检测定位方法， 其特征在于， 所述对每个子图片 进行缺陷识别， 包括： 基于预先训练的缺陷识别模型， 对每个子图片进行缺陷识别， 其中， 所述缺陷识别模型 通过如下 方式进行训练： 获取第一 缺陷样本图片集； 对所述第一 缺陷样本图片集进行 数据增强处 理， 得到第二 缺陷样本图片集； 利用所述第二 缺陷样本图片集进行模型训练， 以得到所述 缺陷识别模型。 3.根据权利要求2所述的风电叶片缺陷检测定位方法， 其特征在于， 所述对所述第 一缺 陷样本图片集进行 数据增强处 理， 得到第二 缺陷样本图片集， 包括： 确定所述第一 缺陷样本图片集中的缺陷种类和每种缺陷的数量； 根据每种缺陷的数量对所述第 一缺陷样本图片集进行数据增强， 以使每种缺陷的数量 差异在预设的差异范围之内。 4.根据权利要求2所述的风电叶片缺陷检测定位方法， 其特征在于， 所述对所述第 一缺 陷样本图片集进行 数据增强处 理， 包括以下中的一种或几种： 对所述第一缺陷样本图片集中的目标缺陷样本图片进行如下处理中的至少一种， 以得 到所述目标缺陷样本图片对应的至少一张数据增强 图片， 其中， 所述 目标缺陷样本图片为 所述第一 缺陷样本图片集中的任一图片： 镜像翻转处理； 颜色变换处理； 模糊处理； 和所述第 一缺陷样本图片集中与所述目标缺 陷样本图片对应于同种缺陷的至少一张其 他缺陷样本图片的拼接处 理。 5.根据权利要求2所述的风电叶片缺陷检测定位方法， 其特征在于， 所述缺陷识别模型 的损失函数为分类损失函数、 定位损失函数和置信度损失函数之和。 6.根据权利要求1所述的风电叶片缺陷检测定位方法， 其特征在于， 所述根据 所述多个 部分区域图像帧确定所述 风电叶片的组合图像， 包括： 按照拍摄顺序将所述多个部分区域图像帧进行组合， 得到第一组合图像； 获取每个部分区域图像帧的特 征点； 根据所述每 个图像帧的特 征点对所述第一组合图像进行粗 拼接得到第二组合图像； 在所述第二组合图像中， 获取每 个部分区域图像帧中的叶片的直线边 缘特征； 根据所述叶片的直线边 缘特征对所述第二组合图像进行 校正得到第三组合图像。 7.一种风电叶片缺陷检测定位装置， 其特 征在于， 包括； 获取模块， 被 配置为获取风电叶片的多个部分区域图像帧； 第一图像处 理模块， 被 配置为确定每 个部分区域图像帧中的叶片部分图像；权　利　要　求　书 1/2 页 2 CN 115359239 A 2对所述叶片部分图像进行切分得到多个子图片； 缺陷类型确定模块， 被 配置为对每 个子图片进行缺陷识别； 第二图像处理模块， 被配置为根据 所述多个部分区域图像帧确定所述风电叶片的组合 图像； 缺陷位置确定模块， 被配置为根据识别出的每个缺陷在所述子 图片中的位置， 确定所 述缺陷在所述组合图像中的位置 。 8.根据权利要求7所述的风电叶片缺陷检测定位装置， 其特征在于， 所述缺陷类型确定 模块还用于： 基于预先训练的缺陷识别模型， 对每个子图片进行缺陷识别， 其中， 所述缺陷识别模型 通过如下 方式进行训练： 获取第一 缺陷样本图片集； 对所述第一 缺陷样本图片集进行 数据增强处 理， 得到第二 缺陷样本图片集； 利用所述第二 缺陷样本图片集进行模型训练， 以得到所述 缺陷识别模型。 9.一种非临时性计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被 处理器执行时实现权利要求1 ‑6中任一项所述方法的步骤。 10.一种电子设备， 其特 征在于， 包括： 存储器， 其上存 储有计算机程序； 处理器， 用于执行所述存储器 中的所述计算机程序， 以实现权利要求1 ‑6中任一项所述 方法的步骤。权　利　要　求　书 2/2 页 3 CN 115359239 A 3