当前位置：文档库 › 图像检测技术在静态风电叶片检测中的应用综述

图像检测技术在静态风电叶片检测中的应用综述

Journal of Image and Signal Processing 图像与信号处理, 2019, 8(3), 163-168

Published Online July 2019 in Hans. https://www.wendangku.net/doc/a015494202.html,/journal/jisp

https://https://www.wendangku.net/doc/a015494202.html,/10.12677/jisp.2019.83022

Summary of Application of Image Detection Technology in Static Wind Power Blade

Detection

Xinsheng Wang, Xingguo Jiang, Tongjin Sun

Yancheng Product Quality Supervision and Inspection Institute, Yancheng Jiangsu

Received: Jun. 23rd, 2019; accepted: Jul. 10th, 2019; published: Jul. 17th, 2019

Abstract

Based on the brief introduction of static wind power blade damage, this paper mainly reviews the research methods and application status of image detection technology in static wind power blade nondestructive testing, and focuses on horizontal contrast of visual method, infrared thermal im-aging method, digital image correlation technology, ultrasonic detection technology, machine vi-sion detection technology and other image detection technology. This will provide some reference and basis for the application of image detection technology in static wind power blade detection, and promote the development of its application prospects.

Keywords

Static Wind Power Blades, Image Detection Technology, Overview Research

图像检测技术在静态风电叶片检测中的

应用综述

王新生，蒋杏国，孙同金

盐城市产品质量监督检验所，江苏盐城

收稿日期：2019年6月23日；录用日期：2019年7月10日；发布日期：2019年7月17日

摘要

在简述静态风电叶片损伤的基础上，本文主要针对图像检测技术在静态风电叶片无损检测中应用的研究

王新生等

方法及应用现状进行综述研究，重点阐述并横向对比了目视法、红外热成像法、数字图像相关技术、超声检测技术、机器视觉检测技术及其他图像检测技术。这对于图像检测技术在静态风电叶片检测中的应用提供了一定的参考和依据，对其应用前景的拓展起到一定的促进作用。

关键词

静态风电叶片，图像检测技术，综述研究

This work is licensed under the Creative Commons Attribution International License (CC BY).

https://www.wendangku.net/doc/a015494202.html,/licenses/by/4.0/

1. 引言

风能主要包括陆地风能资源和海洋风能资源两大类，因其具有易获取、分布广泛、经济性较好等特

点，使其成为最具有规模化、商业化开发条件和广阔发展前景的绿色能源[1][2]。因风力发电场一般选择

在海上、戈壁滩以及山区等空旷地区安装，风电叶片成为风电机组中最关键、最昂贵、最易破坏的部件，

约占整个机组总成本的20% [3]。因此，实现风电叶片工作状态的有效检测对保障风电产业的顺利发展具

有重要的意义。基于上述分析，本文在总结静态风电叶片常见损伤的基础上，就目前图像检测技术在静

态风电叶片检测中的应用进行一定的综述和对比分析，以期对风电叶片的生产、运输、安装测试等起到

一定指导性的作用。

2. 静态风电叶片常见损伤形式

风电叶片的损伤来源主要分为三大类：制作过程、运输及安装及运行期间。本文以静态风电为研究

对象着重介绍风电叶片制作过程、运输及安装等叶片正式运行之前常见的损伤形式。

2.1. 制作过程

风力叶片由叶根、外壳和主梁三部分组成，多数结构形式为复合材料蒙皮与主梁构成的中空薄壁状。

而由于复合材料不均匀和各向异性的，在制备过程中存在很多人为因素和工艺不稳定性，极易使复合材

料表面和内部形成孔隙、裂纹、脱粘和分层缺陷。因此，风电叶片制作过程中不可避免的存在各种缺陷。

据统计，风电叶片损伤超过一半是在制作过程中产生的。如2010年统计数据显示，风电叶片中53%的风

电叶片损伤来自于制作过程，而只有47%的风电叶片损伤来自于其运行过程中受到光照、外界冲击等运

行因素[4]。

孔隙：孔隙产生于纤维层内的空隙、纤维层与层间的空隙。孔隙对于材料的剪切、弯曲、拉伸与压

缩等力学性能强度起到很强的削弱作用，其形成的主要原因有注胶过程中引入气泡、叶片制造过程中气

泡不完全排出等制作工艺缺陷。

裂纹：叶片成型过程中，如果缺胶会导致叶片粘结不牢靠，达不到运行时所需强度；而多胶则会加

长固化时间，较长时间的固化过程中，胶体内部会产生微裂纹。据统计，风电叶片在制作过程中有43%

损伤来自于胶体固化或人工操作失误[5]。

脱粘：脱粘即在叶片成型过程中缺胶过度严重、掉落或混入其他非结构材料物质，从而导致叶片粘

接失效。据统计脱粘在制作过程损伤中占比为17%。

王新生等

分层：分层是由于树脂用量不足、布层污染、真空泄压以及二次成型等导致纤维层合板间或芯材与纤维层合板间存在分层的现象[6]。在叶片制作过程中，分层缺陷占比为33%，将导致材料的压缩强度和刚度降低，加之后期运行期间受到交变载荷力的作用，会使分层缺陷扩展、传播，当其到达一定程度后将造成叶片的断裂。

其他缺陷：其他缺陷操作失误、异物掉落等如在纤维铺设、树脂真空灌注等工艺过程中所导致的叶片损伤。据统计其他缺陷在制作过程损伤中占比为7%。

2.2. 运输及安装过程

运输及安装过程产生损伤其主要原因在于叶片尺寸大，在吊装及运输过程中不免会与其它物体碰撞、刮擦，进而可能会在叶片内部形成严重的损伤；其次在运输过程中装车、捆绑等也会造成叶片边缘损伤；甚至有些损伤来源于运输及安装过程中操作不规范。由运输及安装过程引起的损伤很难直观发现。这些损伤若不能及时检测修复，一旦叶片进入运行期间，受到周期载荷力的作用会使这些损伤扩展、积累，最终将降低叶片的使用寿命影响其运行安全。

3. 静态风电叶片的图像检测技术

3.1. 目视法

作为一种无损检测方法，目测法被广泛用于航天飞机、风电机组上大尺寸结构材料的检测，如图1所示。针对风电叶片制造流程中叶片主要内外缺陷，如纤维布褶皱、干纤维、气泡及分层、粘接宽度不够和缺胶等缺陷，曹金祥等人[7]提出目视法与敲击检验，超声波探伤相结合的静态风电叶片损伤检测方法，实现在复合材料一定的厚度范围内(8 mm~54 mm)检测缺陷尺寸偏差在1 mm以内，检测效果比较理想。但由于被测对象风电叶片的尺寸都非常大，所以目视检测所需的时间会比较长，且其检测准确度多依赖于检测人员的经验，需要其他有效的手段来评价材料的性能。

Figure 1. Visual method

图1.目视法

3.2. 红外热成像法

红外热成像法通过分析物体内部缺陷部分与其他部分的温度差异而实现对风电叶片缺陷的检测，其检测特点有：1) 可以得到缺陷的具体分布、大小和形状等信息；2) 可以实现快速无接触测量，并且测量面积较大，如图2所示。2001年，Dattoma等人[8]采用热像法对复合材料夹芯结构中的一些典型缺陷进行检测，并建立相应的实验程序。进而，将其应用于夹芯复合结构风力机叶片的研究，结果满足证实了热成像技术在实验室和实际应用中的可靠性。2004年，严天鹏[9]应用红外热成像技术分析大型风力机复合材料叶片有缺陷区及无缺陷区对应表面温度及温差的变化趋势、最大表面温差、最佳检测灵敏度、最

王新生等

佳检测时间和温差初始变化时间等大量数据，实现叶片的无损检测；2010年，P. Chatzakos等人[10]研制了一种自主、新颖、轻量化多轴扫描的原位红外热像仪，从而得到复杂轮廓风电叶片缺陷部位的有效信息；2015年，孟梨雨等人[11]采用主动式持续热激励红外热成像技术对几个不同蒙皮厚度的粘接试件进行检测，并结合后续数据重建等算法，可有效提高蒙皮与腹板间有胶区与无胶区之间的热对比度，实现了蒙皮与腹板之间粘接检测。虽然红外热成像技术可得到风电叶片内部缺陷的位置，但无法反应风电叶片的表面信息，尤其在叶片表面纹理信息识别方面。

Figure 2. Infrared thermal imaging

图2.红外热成像法

3.3. 数字图像相关技术

作为一种非接触式现代光学测量实验技术，数字图像相关技术[12]通过跟踪(或匹配)物体表面变形前后两幅散斑图像中同一像素点的位置在变形前后的概率统计相关系数大小以获得全场三维位移或变形信息。

20世纪80年代，Yamaguchi和Peters等人[13]提出数字图像相关技术，因其设备简单、测量精度高、隔振要求低等优点在风电叶片测试中获得广泛的应用。Le Blanc等[14]利用数字图像相关技术对9 m长风电叶片根部高应力、低应力表面及叶片边缘区域在挥舞方向荷载单点作用下全场三维位移和应变进行测试。结果表明，该测试方法对于单点载荷作用下叶片破坏位置及叶片弯矩的不连续性具有良好的识别作用。Yang等

[15]通过对1.5 MW风电叶片进行挥舞方向和摆振方向荷载单独作用下整体或局部变形进行测试试验，对数

字图像相关技术进行数据精确性验证，并以此为基础，对该技术在旋转叶片变形测试的应用提出基本设计思想。胡学兵等[16]通过立体视觉原理与数字图像相关技术相结合的方法对风电叶片静态特性进行相关研究，获得其在双轴(挥舞方向和摆振方向)加载下的全场三维变形规律，进而以此三维变形规律对有限元软件ANSYS模拟风电叶片双轴加载下静态特性进行相应验证，从而对有限元分析方法在叶片静载性能分析中应用的可行性进行相应的研究探索。虽然数字图像相关技术可得到风电叶片高应力、低应力表面及叶片边缘等区域应变信息，但相对比全尺寸风电叶片检测方面存在设备覆盖率低、成本高等不足之处。

3.4. 超声检测技术

超声波检测法是利用复合材料本身或缺陷的声学性质对超声波传播路径的影响来检测复合材料缺陷的。按声波发射和接收，该方法可分为超声脉冲回波法和穿透法；按显示方式可分为A扫描、B扫描、C扫描。考纳斯科技大学超声波研究中心[17]通过对比发现：A、B扫描能够大致识别风电叶片损伤，但存在检测效率低、精度不够等问题，而超声Ｃ扫描具有缺陷成像、检测精度髙等优点，可以大致测出损伤的形状和尺寸。基于上述分析：顾兴旺等人[18]为解决传统超声Ａ扫描风电叶片存在检测效率低、员工劳动强度大、仪器智能化不够等问题，基于C扫描开发了一套实时显示并保存当前位置信息、波形信息及扫描彩图的超声扫查系统，通过实验该系统运行稳定可靠，能够有效检测粘接区域缺陷的种类、轮廓和位置。但超声波检测法覆盖范围较小，目前主要由手动和自动两种检测方式。相对比于全尺寸风电叶片，超声检测所需时间长，但这不足之处随着自动超声检测仪的发展会得到良好的改善。

王新生等

3.5. 机器视觉检测技术

机器视觉检测技术是基于机器视觉理论，将人的感官思维赋予机器以代替人工，从而实现对被测物体的远距离、高精度、低成本、快速的自动检测。张建斐[19]基于机器视觉技术的考量，结合数字图像处理相关算法，针对传统风电叶片检测存在的问题提出了一种非接触式风电叶片表面无损检测方法，并通过试验室试验验证了该方法的可行性与有效性。胡世创[20]等人，针对风电叶片，设计了基于图像的裂纹检测系统，通过对风电图像角点、特征描述子、图像拼接质量等参数的提升，对横向、纵向和网状裂纹进行了有效的识别及验证。随着风电叶片尺寸的增加，机器视觉所需处理的信息增加，且需要专门的计算识别方法、信息处理较为复杂。

3.6. 其他图像检测技术

在上述风电叶片图像检测技术的基础上，徐家园[21]等人针对风电叶片轮廓不完整、特征点不明显的问题，提出了一种点特征与直线特征相结合的图像匹配方案，通过对可见光与红外图像的融合算法进行研究，采用基于亮度、色调、饱和度彩色空间的图像融合算法实现对风电叶片可见光与红外图像的图像融合，充分发挥目视检测及红外热成像检测技术的优点，如图3所示。

(a) (b) (c)

Figure 3. Other image detection techniques [21]; (a) Visual method; (b) Infrared thermal imaging; (c) Image fusion 图3. 其他图像检测技术[21]；(a) 目视法，(b) 红外热成像，(c) 图像融合

综上分析，通过对比目视法、红外热成像法、数字图像相关技术、超声检测技术、机器视觉检测技术及其他图像检测技术给出各个检测技术的特点，如表1所示。

Table 1. Comparative analysis of image detection techniques

表1. 图像检测技术的对比分析表

序号

检测技术特点 1

目视法时间会比较长，且其检测准确度多依赖于检测人员的经验 2

红外热成像法 1) 可以得到缺陷的具体分布、大小和形状等信息；2) 可以实现快速无接触测量，并且测量面积较大，但无法反应风电叶片的表面信息，可与目视法互补应用。 3

数字图像相关技术 1) 设备简单、测量精度高、隔振要求低等；2) 可获得全场三维位移或变形信息。 4

超声检测技术 1) A 、B 扫描方式存在检测效率低、精度不够等问题；2) C 扫描具有缺陷成像、检测精度髙等优点 5

机器视觉检测技术可对被测物体的远距离、高精度、低成本、快速的自动检测，但数据处理较为复杂 6 其他图像检测技术融合多种检测技术充分发挥目视检测及红外热成像检测技术的优点

王新生等

4. 结论

风电叶片的损伤来源主要分为三大类：制作过程、运输及安装及运行，其中53%的风电叶片损伤来自于制作过程。本文以风电叶片静态制作过程及其运输损伤检测为背景，对图像检测技术在静态风电叶片无损检测中应用的研究方法及应用现状进行综述分析，重点阐述了目视法、红外热成像法、数字图像相关技术、超声检测技术、机器视觉检测技术及其他图像检测技术。通过对图像检测技术在静态风电叶片检测中的横向对比分析出各个检测技术方法的特点，这对其进一步应用可以起到一定的参考和依据，对其应用前景的拓展亦起到一定的促进作用。

参考文献

[1]Irfan, M., Zhao, Z.-Y., Mukeshimana, M.C., et al. (2019) Wind Energy Development in South Asia: Status, Potential

and Policies. 2nd International Conference on Computing, Mathematics and Engineering Technologies, Sukkur, 30-31

January 2019, 1-6.https://https://www.wendangku.net/doc/a015494202.html,/10.1109/ICOMET.2019.8673484

[2]Xie, G. and Li, N. (2018) Research on Development Potential of Global Large Wind Power Bases under Extreme

Weather Conditions. 2nd IEEE Conference on Energy Internet and Energy System Integration, Beijing, 20-22 October

2018, 1-4.https://https://www.wendangku.net/doc/a015494202.html,/10.1109/EI2.2018.8582353

[3]Burton, T., Sharpe, D., Jenkins, N., et al. (2001) Wind Energy Handbook. John Wiley & Sons, New York, 1-609.

https://https://www.wendangku.net/doc/a015494202.html,/10.1002/0470846062

[4]Jeong, H. and Lee, J.R. (2015) Investitation of Mobile Ultrasonic Propagation Imager as a Tool for Composite Wind

Blade Quality Control. Composite Structures, 133, 39-45.https://https://www.wendangku.net/doc/a015494202.html,/10.1016/https://www.wendangku.net/doc/a015494202.html,pstruct.2015.07.091

[5]Stiesdal, H. (2014) Redefining the Cost Debate—The Concept of Society’s Cost of Electricity, Global Wind Report:

Annual Market Update 2013. Global Wind Energy Council, 6-9.

[6]刘双, 胡斌, 黄军威, 等. 风电机组叶片的典型缺陷[J]. 风能, 2015(7): 56-58.

[7]曹金祥, 任彦忠, 王鑫, 等. 关于目视、敲击和超声波联合探伤在风电叶片缺陷检验中的应用分析[J]. 纤维复合

材料, 2017, 34(2): 28-33.

[8]Dattoma, V., Marcuccio, R., Pappalettere, C., et al. (2001) Thermographic Investigation of Sandwich Structure Made

of Composite Material. NDT & E International, 34, 515-520.https://https://www.wendangku.net/doc/a015494202.html,/10.1016/S0963-8695(00)00082-7

[9]严天鹏. 红外热成像技术在风力机叶片无损检测方面的应用研究[D]: [硕士学位论文]. 北京: 北京工业大学, 2004.

[10]Chatzakos, P., Avdelidis, N. and Hrissagis, K. (2010) Autonomous Infrared (IR) Thermography Based Inspection of

Glass Reinforced Plastic (GRP) Wind Turbine Blades (WTBs). In: IEEE Conference on Robotics Automation and Me-

chatronics, IEEE, Singapore, 557-562.https://https://www.wendangku.net/doc/a015494202.html,/10.1109/RAMECH.2010.5513132

[11]孟梨雨, 曾智, 王冠, 等. 风电叶片蒙皮与腹板粘接红外热成像检测研究[J]. 光电子技术, 2015, 35(3): 374-378.

[12]乔建光. 浅谈数字图像相关方法及其在材料力学性能测试中的应用[J]. 科技致富向导, 2013(30): 19.

[13]苏勇, 张青川, 伍小平. 数字图像相关技术的一些进展[J]. 中国科学:物理学力学天文学, 2018, 48(9): 29-53.

[14]Le Blanc, B., Niezrecki, C., Avitabile, P., et al. (2011) Full-Field Inspection of a Wind Turbine Blade Using

Three-Dimensional Digital Image Correlation. Proceedings of SPIE: Industrial and Commercial Applications of Smart

Structures Technologies, San Diego, 6-10 March 2011, 7979.https://https://www.wendangku.net/doc/a015494202.html,/10.1117/12.879930

[15]Yang, J.S., Peng, C.Y., Xiao, J.Y., et al. (2012) Application of Videometric Technique to Deformation Measurement

for Large-Scale Composite Wind Turbine Blade. Applied Energy, 98, 292-300.

https://https://www.wendangku.net/doc/a015494202.html,/10.1016/j.apenergy.2012.03.040

[16]胡雪兵. 基于数字图像相关技术的风电叶片静态特性研究[D]: [硕士学位论文]. 赣州: 江西理工大学, 2016.

[17]Raisuits, R., Jasiuniene, E. and Zukauskad, E. (2008) Ultrasonic NDT of Wind Turbine Blades Using Guided Waves.

Ultrasound, 63, 7-11.

[18]顾兴旺, 李婷, 龙士国, 等. 风电叶片智能高效便携式C扫描超声检测系统开发[J]. 测控技术, 2018, 37(318):

125-129.

[19]张建斐. 基于机器视觉的风力发电机叶片表面缺陷检测研究[D]: [硕士学位论文]. 兰州: 兰州理工大学, 2018.

[20]胡世创, 魏莹玉, 周唯逸, 等. 基于图像处理的风电叶片裂纹检测系统设计[J]. 可再生能源, 2018, 36(8):

129-135.

[21]徐家园. 风电叶片多光谱图像检测研究[D]: [硕士学位论文]. 南京: 南京航空航天大学, 2016.

知网检索的两种方式：

1. 打开知网首页：https://www.wendangku.net/doc/a015494202.html,/，点击页面中“外文资源总库CNKI SCHOLAR”，跳转至：https://www.wendangku.net/doc/a015494202.html,/new，

搜索框内直接输入文章标题，即可查询；

或点击“高级检索”，下拉列表框选择：[ISSN]，输入期刊ISSN：2325-6753，即可查询。

2. 通过知网首页https://www.wendangku.net/doc/a015494202.html,/顶部“旧版入口”进入知网旧版：https://www.wendangku.net/doc/a015494202.html,/old/，左侧选择“国际文献总库”

进入，搜索框直接输入文章标题，即可查询。

投稿请点击：https://www.wendangku.net/doc/a015494202.html,/Submission.aspx

期刊邮箱：jisp@https://www.wendangku.net/doc/a015494202.html,

风电机组调试大纲

作业指导书 Operation Guidance Book 文件名称：《风电机组现场调试作业指导书（试行）》文件编号：GP/WI-003-010 编制：审核：批准：生效日期：2009年8月1日受控编号：国电联合动力技术有限公司国电风电设备调试所

目录 1．目的 (1) 2．适用范围 (1) 3．职责 (1) 4．调试工作原则 (2) 5．调试准备工作 (3) 5.1 接线检查 (3) 5.2 上电顺序 (4) 5.3 其他要求 (5) 6．静态调试 (5) 6.1 通讯测试 (6) 6.1.1通讯状态指示 (7) 6.1.2通讯故障的处理 (8) 6.2 风机静止条件下安全链各环节的动作测试 (13) 6.2.1 安全链端子状态检查 (13) 6.2.2 塔底柜复位按钮测试 (15) 6.2.3 塔底柜急停测试 (15) 6.2.4 机舱柜急停测试 (16) 6.2.5 PLC急停测试 (16) 6.3 液压站静态测试 (16) 6.3.1 液压泵的启动 (16)

6.3.2 系统压力的检测 (17) 6.3.3 转子刹车压力的检测 (17) 6.3.4 转子刹车的检测 (18) 6.3.5 偏航压力的测试 (18) 6.3.6 转子自动刹车测试 (19) 6.3.7液压油加热器测试 (19) 6.4 齿轮箱系统的静态检测 (20) 6.4.1 温度检测 (21) 6.4.2 油泵的调试 (21) 6.5 偏航系统单独测试 (23) 6.5.1 偏航旋转方向测试 (24) 6.5.2 偏航编码器及扭缆开关调试 (25) 6.5.3 偏航液压系统刹车测试 (26) 6.5.4 偏航扭缆开关和自动解缆测试 (26) 6.5.5 自动对风测试 (28) 6.6 变桨系统单独测试 (31) 6.6.1 变桨调试准备 (32) 6.6.2 轮毂内紧急顺桨和手动变桨 (32) 6.6.3 叶片编码器读数校零 (33) 6.6.4 机舱手动变桨测试 (34) 6.6.5 自动变桨测试 (35) 6.7 发电机系统的静态检测 (38)

图像处理文献综述

文献综述理论背景数字图像中的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域的重要基础，图像处理和分析的第一步往往就是边缘检测。物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显着的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，图像边缘可分为阶跃型、房顶型和凸缘型。、图像边缘检测技术研究的目的和意义数字图像边缘检测是伴随着计算机发展起来的一门新兴学科，随着计算机硬件、软件的高度发展，数字图像边缘检测也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像边缘检测和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘信息一直是国内外研究的热点，然而边缘检测也是图像处理中的一个难题。首先要研究图像边缘检测，就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像，排除外界的干扰，后者则是为我们的边缘检测提供图像特征更加明显的图片，即加大图像特征。两者虽然在图像边缘检测中都有重要地位，但本次研究主要是针对图像边缘检测的研究，我们最终所要达到的目的是为了处理速度更快，图像特征识别更准确。早期的经典算法有边缘算子法、曲面拟合法、模版匹配法、门限化法等。早在1959年Julez就曾提及边缘检测技术，Roberts则于1965年开始了最早期的系统研究，从此有关边缘检测的理论方法不断涌现并推陈出新。边缘检测最开始都是使用一些经验性的方法，如利用梯度等微分算子或特征模板对图像进行卷积运算，然而由于这些方法普遍存在一些明显的缺陷，导致其检测结果并不尽如人意。20世纪80年代，Marr和Canny相继提出了一些更为系统的理论和方法，逐渐使人们认识到边缘检测的重要研究意义。随着研究的深入，人们开始注意到边缘具有多分辨性，即在不同的分辨率下需要提取的信息也是不同的。通常情况下，小尺度检测能得到更多的边缘细节，但对噪声更为敏感，而大尺度检测

图像的阈值分割及边缘检测技术

数字图像处理实验报告题目：图像的阈值分割及边缘检测技术班级：姓名：学号：

图像的阈值分割及边缘检测技术一、实验目的 1、了解图像的分割技术，掌握图像的全局阈值分割技术并通过MATLAB实现； 2、了解图像的边缘检测，掌握梯度算子图像边缘检测方法。二、实验内容 1、基于直方图的全局阈值图像分割方法； 2、Edge命令（roberts,perwitt,sobel,log,canny），实现边缘检测。三、实验原理 1、全局阈值是最简单的图像分割方法。其中，直方图法的原理如下：想做出图像的直方图，若其直方图呈双峰且有明显的谷底，则可以讲谷底点所对应的灰度值作为阈值T，然后根据该阈值进行分割，九可以讲目标从图像中分割出来。这种方法是用于目标和背景的灰度差较大且直方图有明显谷底的情况。 2、用于边缘检测的梯度算子主要有Roberts算子、Prewitt算子、Sobel算子。这三种检测算子中，Roberts算子定位精度较高，但也易丢失部分边缘，抗噪声能力差，适用于低噪声、陡峭边缘的场合。Prewitt算子、Sobel算子首先对图像做平滑处理，因此具有一定的抑制噪声的能力，但不能排除检测结果中的虚假边缘，易出现多像素宽度。

四、实验步骤 1、全局阈值分割： ①读取一张图像； ②生成该图像的直方图； ③根据直方图双峰产生的低谷估计阈值T； ④依次读取图像各个点的像素，若大于阈值，则将像素改为255，若小于阈值，则将该像素改为0；实验代码如下： I=imread('cameraman.tif'); %读取一张图像 subplot(221);imshow(I); %显示该图像 subplot(222);imhist(I); %生成该图像的直方图 T=60; %根据直方图估计阈值T为60 [m,n]=size(I); %取图像的大小为【m,n】 for i=1:m %依次读取图像各个点的像素，若大于阈值，则将像素改为255，若小于阈值，则将该像素改为0 for j=1:n if I(i,j)>=T I(i,j)=255; else I(i,j)=0; end end

风电叶片监控系统解决方案

为什么要对叶片进行状态监测? ?叶片是风机中受压最大的部件之一 -面临着极端的外部条件，而且动态载荷大。 ?叶片更换费用非常昂贵 ?在极端损坏情况下，风机必须立刻停机减少直接或二次损害。 ?如果能提早发现损伤，叶片可以很好地被修复。 ?目前，主要检测手段是视觉，但这种方法时间间隔长，非实时，且花费巨大。 →完全不适用于海上风机 ?状态监测系统的两大功能 -提高可利用小时数 ?覆冰检测 ?静态和动态载荷评估 -叶片损伤检测 ?雷击检测 ?叶片内部和外部损伤

损伤检测 ?更早检测到叶片的损伤 →降低维修成本 ?严重损伤给出自动停机信号→安全操作，避免灾难?经过DNV GL认证 →得到官方认可覆冰检测 ?精确检测叶片覆冰 →安全操作 ?自动重启 →可获得更高收益 ?经过DNV GL认证 →得到官方认可改善运营 ?检测动态不平衡 →提高收益 →降低载荷 ?动态载荷配准 →预防过载 ?显著的运行状态检测 →避免额外支出

覆冰检测DNV-GL证书/ 叶片状态监测系统DNV-GL 证书 ?BLADE control?覆冰检测，2008年获得了DNV-GL 的认证。 ?含自动启机功能的认证 ?BLADE control?在2013年获得了首个风机叶片状态监测系统的GL认证。

BLADEcontrol?检测的叶片故障类型 ?气动表面壳体损伤 -裂痕和分层，尤其是前缘和尾缘 -雷击导致的叶尖开裂 ?结构支撑件的损伤（致命） -腹板分层或断裂 -梁/ 翼梁分层或断裂 -叶片轴承损伤腹板翼梁气动表面前缘尾缘 ?松动部件 -叶片内 -轮毂内 -叶片外部（防损保护层，扰流器）?气动不平衡 -变桨偏差 -变桨传感器故障

风力发电机组调试作业指导书

x x x x x有限公司技术文件金风科技1500kW风力发电机组调试作业指导书版本：A1 编制：校对：审核：标准化：批准：日期： xxxx股份有限公司

本文件适用于xx项目xx台金风77/82/1500系列风力发电机组的静态调试。（1、Verteco变流系统2、Freqcon变桨系统3、Hydac水冷系统4、硬件安全链系统） 1调试步骤请按照下面表1中所列出的各项先后顺序进行静态调试。表1 静态调试步骤相变上电后检测入口电压是否符合690V并在有条件的现场检测相序。进行加水以及上电之前必须检查Verteco变流器03号柜体内的水管是否紧固。如出现用手都能够旋动的情况，必须用活动扳手加以紧固。注意：紧固时的力度适当，以看不到主水管上的螺纹或者能够看到一个螺纹为准，力度不能过大，否则有可能破坏水管，对变流系统的运行造成潜在隐患。 2设置空开状态以及各设备硬件整定值检查1F10的小箭头是否指向4。如果不是的话，需要顺时针拨动直到其对准4为止，见图1。

图1 Verteco变流器1F10的整定图示各柜体整定内容见表2-表6。序号整定元器件整定结果 1 1Q1的Micrologic单元Ir=0.95，tr=2s，Isd=1.5 2 2Q1、2Q2的Micrologic单元Ir=0.9，tr=2s，Isd=1.5 3 1F10 小箭头指向4 4 1Q1的机械锁定钥匙机械锁定钥匙把位于水平位置 5 3S4 3S4开关打到“service”状态 6 1U1控制单元的SLOTE 确认3-Red，4-Green，1-地序号整定元器件整定结果` 1 4S7 整定值为35度 2 4S8 整定值为5度 3 6Q3 整定值为3A 4 13CX2 地址为10，DP端子拨到“OFF”位置 5 14BK1 地址为11，DP端子拨到“OFF”位置序号整定元器件整定结果 1 102Q 2 整定值为20A 2 105Q2 整定值为1.1A 3 107S9 整定值为5度 4 108Q2 整定值为3A 5 119BC3 地址为20，DP端子拨到“OFF”位置序号整定元器件整定结果 1 BK3150 地址为8，DP端子拨到“OFF”位置 2 151Q4 整定值5A 3 151Q6 整定值5A 4 151Q8 整定值5A 5 151Q10 整定值5A 6 151Q12 整定值6A 7 125S3 整定值为25度 8 152S5 整定值为5度表6 变桨柜的整定内容

图像边缘检测方法研究综述_段瑞玲

第31卷第3期2005年5月光学技术 OP T ICA L T ECHN IQ U E V ol.31No.3 M ay　2005 文章编号:1002-1582(2005)03-0415-05 图像边缘检测方法研究综述段瑞玲,李庆祥,李玉和 (清华大学精密仪器及机械学系,北京　100084) 摘　要:图像的边缘是图像最基本也是最重要的特征之一。边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。图像分析和理解的第一步常常是边缘检测。边缘检测的目的是去发现图像中关于形状和反射或透射比的信息,是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤之一。其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。对一些传统的边缘检测方法和近年来广泛收到关注的边缘检测算法进行了简单介绍。综述中只涉及到检测方面,而没有讨论滤波、边缘定位、算法的复杂程度和边缘检测器性能的评价。关键词:图像处理;边缘检测;梯度算法;差分边缘检测中图分类号:T P751 文献标识码:A Summary of image edge detection DU AN Rui_ling,LI Qin g_xiang,LI Yu_he (Department of P recisio n I nstrument and M echanology,Tsing hua University,Beijing　100084,China) Abstract:Edg e is one of the most fundamental and sig nificant features.Edge detection is alw ay s one of the most classical studying projects o f computer vision and image processing field.T he fist step of image analy sis and understanding is edg e de tec-tion.T he g oal of edge detection is to recover information about shapes and reflectance o r transmittance in an image.I t is one of the fundamental steps in image processing,mage analy sis,image patter recognition,and computer vision,as well as in human vision.T he correctness and reliability of its results affect directly the comprehension machine system made fo r objective w orld. T he summary for basic edge de tection metho ds was made.It involv ed the detection methods only but no t filtering,edge loca-tion,analy sis of algorithm complexity and functional evaluation about a detecto r. Key words:image processing;imag e detection;gradient arithmetic; 1　引　言早在本世纪初,人类为了用图片及时传输世界各地发生的新闻事件,便开始了对图像处理技术的研究。用计算机进行图像处理,改善图像质量的有效应用开始于1964年美国喷气推进实验室对太空传回的大批月球照片进行处理,并收到了明显的效果。然而,图像处理技术的真正发展还是在上世纪60年代末,其原因一方面是由于受到航天技术发展的刺激,另一方面是作为图像处理工具的数字计算机和各种不同类型的数字化仪器及显示器的突飞猛进发展。迄今为止,数字图像作为一门崭新的学科,日益受到人们的重视,并且在科学研究、工农业生产、军事技术和医疗卫生等领域发挥着越来越重要的作用。机器视觉主要是利用计算机实现人类的视觉功能,对客观世界的三维场景的感知、识别和理解。边缘是图像的最基本特征,边缘检测通常是机器视觉系统处理图像的第一个阶段,是机器视觉领域内经典的研究课题之一,其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。 2　图像边缘定义图像的大部分信息都存在于图像的边缘中,主要表现为图像局部特征的不连续性,即图像中灰度变化比较剧烈的地方。因此,我们把边缘定义为图像中灰度发生急剧变化的区域边界。根据灰度变化的剧烈程度,通常将边缘划分为阶跃状和屋顶状两种类型[1]。阶跃边缘两边的灰度值变化明显,而屋顶边缘位于灰度值增加与减少的交界处。那么,对阶跃边缘和屋顶边缘分别求取一阶、二阶导数就可以表示边缘点的变化。因此,对于一个阶跃边缘点,其灰度变化曲线的一阶导数在该点达到极大值,二阶导数在该点与零交叉;对于一个屋顶边缘点,其灰 415 收稿日期:2004-06-01;收到修改稿日期:2004-10-20 E-mail:duanrl03@mails.ts https://www.wendangku.net/doc/a015494202.html, 作者简介:段瑞玲(1979_),女,山西人,清华大学博士研究生,从事装配系统及微观图像处理研究。

数字图像处理中的边缘检测技术

课程设计报告设计题目：数字图像处理中的边缘检测技术学院：专业：班级：学号：学生姓名：电子邮件：时间：年月成绩：指导教师：

数字图像处理中的边缘检测技术课程设计报告I 目录 1 前言:查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 (1) 1.1理论背景 (1) 1.2图像边缘检测技术研究的目的和意义 (1) 1.3国内外研究现状分析 (2) 1.4常用边缘检测方法的基本原理 (3) 2 小波变换和小波包的边缘检测、基于数学形态学的边缘检测法算法原理 (7) 2.1 小波边缘检测的原理 (7) 2.2 数学形态学的边缘检测方法的原理 (7) 3 算法实现部分：程序设计的流程图及其描述 (9) 3.1 小波变换的多尺度边缘检测程序设计算法流程图 (9) 3.2 数学形态学的边缘检测方法程序设计算法描述 (10) 4实验部分：对所给的原始图像进行对比实验，给出相应的实验数据和处理结果 (11) 5分析及结论：对实验结果进行分析比较，最后得出相应的结论 (15) 参考文献 (17) 附录：代码 (18)

1前言查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 1.1 理论背景图像处理就是对图像信息加工以满足人的视觉心理或应用需求的方法。图像处理方法有光学方法和电子学方法。从20世纪60年代起随着电子计算机和计算技术的不断提高和普及，数字图像处理进入了高速发展时期，而数字图像处理就是利用数字计算机或其它的硬件设备对图像信息转换而得到的电信号进行某些数学处理以提高图像的实用性。图像处理在遥感技术，医学领域，安全领域，工业生产中有着广泛的应用，其中在医学应用中的超声、核磁共振和CT等技术，安全领域的模式识别技术，工业中的无损检测技术尤其引人注目。计算机进行图像处理一般有两个目的：(1)产生更适合人观察和识别的图像。 (2)希望能由计算机自动识别和理解图像。数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域的重要基础，图像处理和分析的第一步往往就是边缘检测。物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显著的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，图像边缘可分为阶跃型、房顶型和凸缘型。 1.2 图像边缘检测技术研究的目的和意义数字图像处理是伴随着计算机发展起来的一门新兴学科，随着计算机硬件、软件的高度发展，数字图像处理也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像处理和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘信息一直是国内外研究的热点，然而边缘检测也是图像处理中的一个难题。首先要研究图像边缘检测，就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像，排除外界的干扰，后者则是为我们的边缘检测提供图像特征更加明显的图片，即加大图像特征。两者虽然在图像处理中都有重要地位，但本次研究主要是针对图像边缘检测的研究，我们最终所要达到的目的是为了处理速

【CN110006950A】一种风电叶片裂纹检测装置及其检测方法【专利】

(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 201910242463.1 (22)申请日 2019.03.28 (71)申请人安徽驭风风电设备有限公司地址 231402 安徽省安庆市桐城经济开发区南三路 (72)发明人张顺　陈俊　 (74)专利代理机构深圳市科吉华烽知识产权事务所(普通合伙) 44248 代理人谢肖雄 (51)Int.Cl. G01N 27/00(2006.01) G01N 29/14(2006.01) G01B 7/00(2006.01) (54)发明名称一种风电叶片裂纹检测装置及其检测方法 (57)摘要本发明提供一种风电叶片裂纹检测装置及其检测方法，包括风电叶片本体、底座、电位检测装置和声发射检测装置，所述风电叶片本体两端与底座之间均设置有支撑座，所述风电叶片本体一端设置有正极接线柱与负极接线柱，所述正极接线柱和负极接线柱均与风电叶片本体相互连通，所述电位检测装置包括恒流源、记录装置、锁相器、基准电位表和电位前置放大器。本发明通过将电位法与声发射无损检测方法进行结合，有效的通过电位法具有的可以对极小的裂纹进行检测的优点，以及声发射法具有的灵敏度高，覆盖面积广的优点，从而保证对风电叶片的每一个位置达到稳定的检测，并且检测出裂纹的大小，有效的提高裂纹检测效率。权利要求书2页说明书4页附图1页CN 110006950 A 2019.07.12 C N 110006950 A

权　利　要　求　书1/2页CN 110006950 A 1.一种风电叶片裂纹检测装置，包括风电叶片本体(1)、底座(2)、电位检测装置(3)和声发射检测装置(4)，其特征在于：所述风电叶片本体(1)两端与底座(2)之间均设置有支撑座(5)，所述支撑座(5)为硬性橡胶材料制成，所述风电叶片本体(1)一端设置有正极接线柱(6)与负极接线柱(7)，所述正极接线柱(6)和负极接线柱(7)均与风电叶片本体(1)相互连通。 2.根据权利要求1所述的一种风电叶片裂纹检测装置，其特征在于：所述电位检测装置 (3)包括恒流源(301)、记录装置(302)、锁相器(303)、基准电位表(304)和电位前置放大器(305)，所述声发射检测装置(4)包括声发射源(401)、声发射传感器(402)、声发射前置放大器(403)、主放大器(404)、高通滤波器(405)、半波整流器(406)、总事件电压比较器(407)、大事件电压比较器(408)和压频变换器(409)，所述电位检测装置(3)与声发射检测装置(4)连接有同一个计算机系统(8)。 3.根据权利要求2所述的一种风电叶片裂纹检测装置，其特征在于：所述正极接线柱(6)与负极接线柱(7)分别与恒流源(301)的正负对应连接，所述锁相器(303)、电位前置放大器(305)和基准电位表(304)与恒流源(301)组成串联电路，所述记录装置(302)与锁相器(303)、电位前置放大器(305)和基准电位表(304)之间为并联电路。 4.根据权利要求2所述的一种风电叶片裂纹检测装置，其特征在于：所述声发射源(401)位于风电叶片本体(1)两侧靠近两端的位置设置，所述声发射源(401)与风电叶片本体(1)的垂直线形成60度夹角，所述声发射源(401)位于相近的风电叶片本体(1)一端的1/3位置设置。 5.根据权利要求1所述的一种风电叶片裂纹检测装置，其特征在于：所述电位检测装置(3)连接用的带线均采用高绝缘性能的导线。 6.根据权利要求2所述的一种风电叶片裂纹检测装置，其特征在于：所述主放大器(404)采用可变增益宽带放大器AD603设置，所述高通滤波器(405)采用二阶有源高通滤波器(405)设置。 7.权利要求1-6任一项所述的一种风电叶片裂纹检测方法，包括以下步骤： S1：将恒流源(301)的正负极与正极接线柱(6)和负极接线柱(7)连接，使恒流源(301)对风电叶片本体(1)通电，经过电位前置放大器(305)，将电信号进行放大转换为脉冲发送给锁相器(303)，经过锁相器(303)将电压进行过滤震荡至基准电位表(304)以及记录装置(302)，进行记录，并且将记录数量输送给计算机系统，经过裂纹尺寸与电位之间的方程式进行计算得出裂纹尺寸； S2：使用声发射源(401)对风电叶片本体(1)提高声波探测，声波经过风电叶片本体(1)反射产生的声发射信号经过声发射传感器(402)接收，声发射传感器(402)采集到的声发射信号首先要经过声发射前置放大器(403)的放大，然后再次经过主放大器(404)进行适当放大便于后续处理； S3：将适当放大后的信号发送给高通滤波器(405)，经过高通滤波器(405)对声发射信号中混入的干扰噪音信号，进行滤波处理以剔除噪音信号； S4：为了便于分析，将剔除噪音后的信号发送给半波整流器(406)，采用出运放和二极管组成的半波精密整流电路将声发射信号交流信号转换为单向的正向信号； S5：将半波整流器(406)整流后的信号经过总事件电压比较器(407)和大事件电压比较 2

风电机组整体启动调试大纲

麻风电场一期工程风电机组整体启动调试大纲风力发电有限责任公司二零一零年八月麻风电场一期风机整套启动调试大纲会签单

目录 1调试试运组单位及组织机构 2整套启动调试的目的 3编制依据 4整套启动调试围、机构设置、要求及职责分工5整套启动调试的原则安排 6启动调试试运应具备的条件 7单台机组启动调试试运项目 8工程整套启动调试试运

1调试试运单位及组织机构根据银星能源股份［20１０］号《关于麻风电场一期4９．５MW工程整体调试安排的通知》 1.1调试试运单位 1.2组织机构组长：组员： 2 整套启动调试的目的启动调试是对设备、设计和施工等环节的全面考核和检验，是衔接基建和生产的一个重要阶段，起着承上启下的作用。只有经过整套设备的调试实验，才能使整套机组形成生产能力。机组调整试运阶段也是对设计,设备和安装质量的动态检验,启动调试的质量状况将直接影响机组的移交水平和投产后的经济效益. 本期调试为４８台机组、３条３５kV线路及一座110kV升压站。启动调试的目的在于对麻风电场一期工程进行全面动态调试考核,以检验机组是否能满足电厂安全稳定发电的要求,是否达到设计和设备的技术保证数据的要求。 3编制依据 3.1《中华人民国合同法》 3.2《风力发电场项目建设工程验收规程》 3.3《电力建设安全工作规程》 3.4《电力建设安全健康与环境管理工作规定》 3.5《电力生产安全规定》3.6《电业生产安全工作规定》 3.7《防止电力生产重大事故的二十五项重点要求》 3.8《电力工业技术管理法规》 3.9制造厂图纸、安装和使用说明书、质保书和出厂证明书 3.10设计文件、图纸、说明书、调试有关文件和会议纪要等上述标准、规程、规均应是现行有效版本。在调试过程中，如遇到国家、部、局的有关标准和技术规与供货合同或会议纪要中规定的标准不一致时，由业主主持有关单位协商解决。原则上按照供货合同、会议纪要规定中的较高标准执行。 4整套启动调试围、机构设置、要求及职责分工 4.1麻风电场一期４９．５MW工程调试工作围将按照《风力发电场项目建设工程验收规程》。不免除制造厂、施工单位等其他单位应该承担的调试责任。 4.2机组整套联合启动的时间围，是指由风力发电机组、３５kV箱式变、３５kV架空线路、110kV升压站第一次联合启动开始，直至机组完成２４０小时带负荷试运为止。 4.3整套启动调试的职责分工按照《风力发电场项目建设工程验收规程（2004年版）》麻风电场建设工程试运指挥部的决定和有关合同协议执行。其原则是： 4.3.1整套启动试运工作由麻风电场建设工程试运指挥部统一领导指挥。其主要职责是全面组织、领导和协调机组启动调试试运工作；对调试试运中的安全、质量进度全面负责；审批重要的启动调试方案和措施；协调解决调试试运中出现的重大问题。建设工程试运指挥部下设整套调试试运组，组长由主体调试单位负责，其主要职责是负责检查机组整套调试试运应具备的条件，提出整套调试试运计划和顺序安排，负责组织实施启动调试方案和措施，全面负责整套启动调试试运的现场指挥和具体协调工作。 4.3.2建设单位全面协助调试试运指挥部做好整套启动调试试运中的组织管理工作，参加试运各阶段的检查、协调、交接验收和竣工验收的日常工作；协调解决参建各单位合同执行中出现的问题和外部联系。为工程整套启动调试试运提供工程建设总结。

图像边缘检测技术综述

第 42 卷增刊 1 中南大学学报(自然科学版) V ol.42 Suppl. 1 2011 年 9 月 Journal of Central South University (Science and Technology) Sep. 2011 图像边缘检测技术综述王敏杰 1 ，杨唐文 1, 3 ，韩建达 2 ，秦勇 3 (1. 北京交通大学信息科学研究所，北京，100044； 2. 中国科学院沈阳自动化研究所机器人学国家重点实验室，辽宁沈阳，110016； 3. 北京交通大学轨道交通控制与安全国家重点实验室，北京，100044) 摘要：边缘检测是图像处理与分析中最基础的内容之一。首先介绍了几种经典的边缘检测方法，并对其性能进行比较分析；然后，综述了近几年来出现的一些新的边缘检测方法；最后，对边缘检测技术的发展趋势进行了展望。关键词：数字图像；边缘检测；综述中图分类号：TP391.4 文献标志码：A 文章编号：1672?7207(2011)S1?0811?06 Review on image edge detection technologies W ANG Min-jie 1 , Y ANG Tang-wen 1,3 , HAN Jian-da 2 ,QIN Y ong 3 (1.Institute of Information Science，Beijing Jiaotong University, Beijing 100044, China? 2.State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academic of Science,Shenyang 110016, China? 3.State Key Laboratory of Rail Traffic Control and Safety, Beijing Jiaotong University, Beijing 100044, China) Abstract: Edge detection is one of the most fundamental topics in the research area of image processing and analysis. First, several classical edge detection methods were introduced, and the performance of these methods was compared? then, several edge detection methods developed in the latest years were reviewed? finally, the trend of the research of the image edge detection in the future was discussed. Key words:digital image?edge detection?review 图像是人们从客观世界获取信息的重要来源 [1?2] 。图像信息最主要来自其边缘和轮廓。所谓边缘是指其周围像素灰度急剧变化的那些象素的集合，它是图像最基本的特征。边缘存在于目标、背景和区域之间 [3?4] ，它是图像分割所依赖的最重要的依据。边缘检测 [5?8] 是图像处理和计算机视觉中的基本问题，图像边缘检测是图像处理中的一个重要内容和步骤，是图像分割、目标识别等众多图像处理的必要基础 [9?10] 。因此，研究图像边缘检测算法具有极其重要的意义。边缘检测是计算机视觉和图像处理领域的一项基本内容。准确、高效地提取出边缘信息一直是该领域研究的重点内容 [11] 。最初的经典算法可分为边缘算子法、曲面拟合法、模板匹配法、门限化法等。近年来，随着数学理论和人工智能的发展，又出现了一些新的边缘检测的算法 [12?13] ，如基于数学形态学的边缘检测 [14] 、小波变换和小波包变换的边缘检测法 [15] 、基于模糊理论的边缘检测法 [16?17] 、基于神经网络的边缘检测法 [18] 、基于分形几何的边缘检测算法 [19] 、基于遗传算法的边缘检测法 [20?21] 、漫射边缘的检测方法 [22] 、多尺度边缘检测技术 [23] 、亚像素边缘的定位技术 [24] 、收稿日期：2011?04?15；修回日期：2011?06?15 基金项目：轨道交通控制与安全国家重点实验室开放基金资助项目(RCS2010K02)；机器人学国家重点实验室开放基金资助项目(RLO200801)；北京交通大学基本科研业务费资助项目(2011JBM019) 通信作者：王敏杰(1988－)，女，黑龙江五常人，硕士研究生，从事图像处理和计算机视觉研究；电话： 010-51468132； E-mail: wangminjie1118@https://www.wendangku.net/doc/a015494202.html,

风电标准大全、整机厂及中国风力发电叶片厂商名录、风力发电机组特点

风力发电整机制造机构名称维斯塔斯风力技术公司新疆金风科技发展公司四川风瑞能源 GAMESA GE能源集团华锐风电科技股份有限公司浙江华仪风能开发有限公司苏司兰能源有限公司江西麦德风能设备股份有限公司常州轨道车辆牵引传动工程技术研究中心上海电气风电设备有限公司中国南车株洲电力机车研究所风电事业部湖南湘电风能有限公司中船重工（重庆）海装风电设备有限公司Repower 浙江运达风力发电工程有限公司上海万德风力发电有限公司佛山市东兴风盈风电设备制造有限公司潍坊中云机器有限公司东方汽轮机有限责任公司保定惠德风电工程有限公司哈尔滨哈电风电设备公司北京北重汽轮电机有限责任公司沈阳华创风能有限公司西安维德风电设备有限公司广东明阳风电有限责任公司三一电气有限责任公司中小型风力发电机组（含并网/离网型）机构名称广州红鹰能源科技公司扬州神州风力发电有限公司嘉兴市安华风电设备有限公司上海思源致远绿色能源有限公司宁波风神风电科技有限公司深圳风发科技发展有限公司广州中科恒源能源科技有限公司宁夏风霸机电有限公司上海林慧新能源科技有限公司西安大益风电科技有限公司瑞安海立特风力发电有限公司

风能蓄电池机构名称北京辉泽世纪科技有限公司叶片及其材料机构名称重庆国际复合材料有限公司艾尔姆玻璃纤维制品（天津）有限公司上海玻璃钢研究院江苏九鼎新材料股份有限公司南京先进复合材料制品有限公司上海越科复合材料有限公司中国兵器工业集团第五三科技研究院威海市碳素渔竿厂金陵帝斯曼树脂有限公司中航（保定）惠腾风电设备有限公司浙江联洋复合材料有限公司常熟市卡柏（Core Board）复合材料有限公司北京恒吉星工贸有限责任公司风力发电机机构名称湘潭电机股份有限公司南车电机股份有限公司西安捷力电力电子有限公司兰州电机有限责任公司东方电机股份有限公司上海电气集团盾安电气齿轮箱/回转支承机构名称南京高速齿轮制造有限公司德国GA T传动技术有限公司洛阳精联机械基础件有限公司徐州罗特艾德回转支承股份有限公司舍弗勒中国有限公司马鞍山方圆回转支承股份有限公司浙江通力减速机有限公司变桨系统机构名称桂林星辰电力电子有限公司德国GA T传动技术有限公司路斯特绿能电气系统（上海）有限公司

基于matlab的图像边缘检测算法研究和仿真设计

基于matlab的图像边缘检测算法研究和仿真目录第1章绪论 1 1.1 序言 1 1.2 数字图像边缘检测算法的意义 1 第2章传统边缘检测方法及理论基础 2 2.1 数字图像边缘检测的现状与发展 2 2.2 MATLAB和图像处理工具箱的背景知识 3 2.3 数字图像边缘检测关于边缘的定义 4 2.4 基于一阶微分的边缘检测算子 4 2.5 基于二阶微分的边缘检测算子 7 第3章编程和调试 10 3.1 edge函数 10 3.2 边缘检测的编程实现 11 第4章总结 13 第5章图像边缘检测应用领域 13 附录参考文献 15

第1章绪论 §1.1 序言理解图像和识别图像中的目标是计算机视觉研究的中心任务，物体形状、物体边界、位置遮挡、阴影轮廓及表面纹理等重要视觉信息在图像中均有边缘产生。图像边缘是分析理解图像的基础，它是图像中最基本的特征。在Marr的计算机视觉系统中，图像边缘提取占据着非常重要位置，它位于系统的最底层，为其它模块所依赖。图像边缘提取作为计算机视觉领域最经典的研究课题，长期受到人们的重视。图像边缘主要划分为阶跃状和屋脊状两种类型。阶跃状边缘两侧的灰度值变化明显，屋脊状边缘则位于灰度增加与减少的交界处。传统的图像边缘检测方法大多是从图像的高频分量中提取边缘信息，微分运算是边缘检测与提取的主要手段。由于传统的边缘检测方法对噪声敏感，所以实际运用效果有一定的局限性。近年来，越来越多的新技术被引入到边缘检测方法中，如数学形态学、小波变换、神经网络和分形理论等。 Canny于1986年提出基于最优化算法的边缘检测算子，得到了广泛的应用，并成了与其它实验结果作比较的标准。其原因在于他最先建立了优化边缘检测算子的理论基础，提出了迄今为止定义最为严格的边缘检测的三个标准。另外其相对简单的算法使得整个过程可以在较短的时间实现。实验结果也表明，Canny算子在处理受加性高斯白噪声污染的图像方面获得了良好的效果[1]。 §1.2 数字图像边缘检测算法的意义数字图像处理是控制领域的重要课题，数字图像边缘检测是图像分割、目标区域识别和区域形状提取等图像分析领域十分重要的基础，是图像识别中提取图像特征的一个重要方法。边缘中包含图像物体有价值的边界信息，这些信息可以用于图像理解和分析，并且通过边缘检测可以极降低后续图像分析和处理的数据量。图像理解和分析的第一步往往就是边缘检测，目前它已成为机器视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位。图像的边缘检测技术是数字图像处理技术的基础研究容，是物体识别的重要基础。边缘特征广泛应用于图像分割、运动检测与跟踪、工业检测、目标识别、双目立体视觉等领域。现有边缘检测技术在抑制噪声方面有一定的局限性，在阈值参数选取方面自适

风力发电机组安装调试课程标准

《风力发电机组安装调试》学习领域（课程）标准课程编号：适用专业：风能与动力技术机电一体化（风电方向）课程类别：岗位核心学习领域修课方式：必修教学时数：60学时一、课程的性质和任务（一）课程定位《风力发电机组安装调试》学习领域是风能与动力技术专业、机电一体化技术专业、机械制造及其自动化专业的一门核心学习领域课程。通过本课程的学习，使学生掌握机械零部件装配的基础知识，学会风力发电机机舱、叶轮、发电机等部件的装配工艺，熟练操作钳工、电工，学会各种典型工具的使用方法。使学生在完成课程的同时，在创新意识、团队协作、交流表达、信息处理、分析问题与解决问题等各方面得到提高。（二）学习目标通过《风力发电机组安装调试》的学习，使学生掌握以下专业能力、方法能力、社会能力。 1．专业能力目标（1）掌握机械零部件加工的基础知识：（2）掌握机组零部件组装；（3）学会配线工艺制定及装配；（4）学会典型零件的装配工艺的编制方法；（5）熟练检测工具的运用；（6）熟练掌握风机装配的基本方法；（7）学会装配部件的检测调试方法; （8）学会典型工具的使用方法。 2．方法能力目标（1）能独立制定工作计划并进行实施; （2）具有独立进行分析、设计、实施、评估的能力; （3）具有获取、分析、归纳、交流、使用信息和新技术的能力; （4）具有自学能力、理解能力与表达能力; （5）具有将知识与技术综合运用与转换的能力; （6）具有综合运用知识与技术从事程度教复杂的技术工作的能力。 3．社会能力目标（1）具有较强的口头与书面表达能力、人际沟通能力。（2）具有较强的团队精神和协作精神。（3）具有良好的心理素质和克服困难的能力。

风电机组叶片防雷检查

关于叶片防雷及接地的避免措施和检查方法整理如下，希望有所帮助。一、目前叶片雷击基本为：雷电释放巨大能量，使叶片结构温度急剧升高，分解叶片内部气体高温膨胀，压力上升造成爆裂破坏（更有叶片内存在水分而产生高温气体，爆裂）。叶片防雷系统的主要目标是避免雷电直击叶片本体而导致叶片损害。经过统计：不管叶片是用木头或玻璃纤维制成，或是叶片包导电体，雷电导致损害的范围取决于叶片的形式。叶片全绝缘并不减少被雷击的危险，而且会增加损害的次数。多数情况下被雷击的区域在叶尖背面（或称吸力面）。根据以上叙述，叶片防雷设计一般在叶尖装有接闪器捕捉雷电，再通过敷设在叶片内腔连接到叶片根部的导引线使雷电导入大地，约束雷电，保护叶片。二、按IEC61400-24标准的推荐值，叶片防雷击铜质电缆导线截面积最小为50平方毫米。如果为高发区，可适当增加铜质电缆导线截面积。三、我集团近期刚出的一个检查标准： 1、叶片吊装前，逐片检查叶片疏水孔通畅。 2、叶片吊装前，逐片检查叶片表面是否存在损伤。 3、叶片吊装前，应逐片检查叶片防雷引下线连接是否完好、防雷引下线截面是否损伤，检测叶片接闪器到叶片根部法兰之间的直流电阻，并做好检测记录。若叶片接闪器到叶片根部法兰之间的直流电阻值

高于20 mΩ，应仔细检查防雷引下线各连接点联接是否存在问题。叶片接闪器到叶片根部法兰之间直流电阻测量采用直流微欧计、双臂电桥或直流电阻测试仪（仪器分辨率不低于 1 mΩ），采用四端子法测量，检查叶片叶尖及叶片上全部接闪点与叶片根部法兰之间直流电阻，每点应测三次取平均值。 4、机组吊装前后，应检查变桨轴承、主轴承、偏航轴承上的泄雷装置（碳刷、滑环、放电间隙等）的完好性，并确认塔筒跨接线连接可靠。表1 防雷检查及测试验收清单

图像处理文献综述

文献综述 1.1理论背景数字图像中的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域的重要基础，图像处理和分析的第一步往往就是边缘检测。物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显著的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，图像边缘可分为阶跃型、房顶型和凸缘型。 1.2、图像边缘检测技术研究的目的和意义数字图像边缘检测是伴随着计算机发展起来的一门新兴学科，随着计算机硬件、软件的高度发展，数字图像边缘检测也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像边缘检测和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘信息一直是国内外研究的热点，然而边缘检测也是图像处理中的一个难题。首先要研究图像边缘检测，就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像，排除外界的干扰，后者则是为我们的边缘检测提供图像特征更加明显的图片，即加大图像特征。两者虽然在图像边缘检测中都有重要地位，但本次研究主要是针对图像边缘检测的研究，我们最终所要达到的目的是为了处

理速度更快，图像特征识别更准确。早期的经典算法有边缘算子法、曲面拟合法、模版匹配法、门限化法等。

早在1959年Julez就曾提及边缘检测技术，Roberts则于1965年开始了最早期的系统研究，从此有关边缘检测的理论方法不断涌现并推陈出新。边缘检测最开始都是使用一些经验性的方法，如利用梯度等微分算子或特征模板对图像进行卷积运算，然而由于这些方法普遍存在一些明显的缺陷，导致其检测结果并不尽如人意。20世纪80年代，Marr和Canny相继提出了一些更为系统的理论和方法，逐渐使人们认识到边缘检测的重要研究意义。随着研究的深入，人们开始注意到边缘具有多分辨性，即在不同的分辨率下需要提取的信息也是不同的。通常情况下，小尺度检测能得到更多的边缘细节，但对噪声更为敏感，而大尺度检测则与之相反。1983年Witkin首次提出尺度空间的思想，为边缘检测开辟了更为宽广的空间，繁衍出了很多可贵的成果。随着小波理论的发展，它在边缘检测技术中也开始得到重要的应用。MALLAT造性地将多尺度思想与小波理论相结合，并与LoG, Canny算子相统一，有效地应用在图像分解与重构等许多领域中。这些算子现在依然应用于计算几何各个现实领域中，如遥感技术、生物医学工程、机器人与生产自动化中的视觉检验、零部件选取及过程控制等流程、军事及通信等。在图像边缘检测的过程中老算法也出现了许多的问题。经过多年的发展，现在已经出现了一批新的图像边缘检测算法。如小波变换和小波包的边缘检测、基于形态学、模糊理论和神经网络的边缘检测等，这些算法扩展了图像边缘检测技术在原有领域中的运用空间，同时也使它能够适应更多的运用需要。