视觉AI技术在新能源风机叶片智能巡检的应用

视觉AI技术在新能源风机叶片智能巡检的应用

刘鹏程

 深能南京能源控股有限公司 211200 江苏省南京市

摘要；随着工业互联网、大数据、人工智能等新兴技术的普及，监督管理部门对安全生产提出了更高的标准和要求，风力发电场的智能管理日益普及。本文针对传统风机叶片检测过程中的迟滞和故障，分析了基于视觉AI的智能检测技术，并实时对风机叶片进行检测，以促进新能源行业的可持续发展。

关键词：AI技术；风机叶片；巡检；应用

一、引言

近年来，随着新能源技术的发展，风力发电厂的数量与日俱增。如何在成千上万的发电设备中快速发现设备故障，并准确及时地通知工作人员，成为新能源行业的一项重点和难点操作。巡检工作是安全生产的基础，随着越来越多的风力发电站投入运营，传统的巡检方法已不能适应发展需要。同时随着风扇叶片尺寸的增加总成本不断提高。由于风力涡轮机的工作环境恶劣，考虑到其运行时间，叶片变形的可能性很高。如果风扇叶片在运行过程中破裂或变形还继续工作，可能会导致机械故障，如叶片断裂或坠落，此类严重事故可能造成重大财产损失，甚至危及人员安全。因此，视觉AI技术在风机叶片中的智能巡检尤为重要。基于高清晰度可见光视频和热成像技术的视觉AI检测技术，对扇叶运行过程中出现的损伤可以实时检测识别。针对现有传统监测方法的缺陷和不足，实施了叶片运行过程中状况实时监测，以保障新能源发电效率。

二、安全巡检现状分析

（一）传感器检测技术

目前传感器检测技术都是基于对风扇叶片的区域内检测，并通过分析捕捉到的信号（如转速）来检测风扇叶片是否损坏。传感器的检测方法有两个明显的缺点：一是检测范围有限，传感器无法检测到风机叶片鼓泡、砂眼等缺陷。二是无法准确定位故障原因，例如叶片断裂故障定位。

（二）超声波和激光监测技术

超声波和激光监测技术现在主要用于探测内部机翼。叶片存在严重的内部质量问题无法准确检测，如缺陷的位置和大小。超声波主要用于检测玻璃纤维层压板的厚度和粘接面积。在实际应用中，通过不同设备检测优势的组合来检测玻璃纤维层压板的整体无损状态。这种方法的明显缺点是无法在运行时实时检测到它。此外，由于超声波和激光检测主要检测切片内部，它们无法检测切片表面，因此存在一些局限性。

（三）无人机与机器人监测巡检技术

叶片损伤可以通过机器人和无人机可见光相机和故障检测技术对其进行检测，可以直接观察叶片，和超声波技术以及传感器技术相比有了较大改善，不足之处仍然很明显，例如不能进行实时检测。此外，外部环境干扰较大，无人机在遇到风雨等天气时无法巡逻，周期性检查时外部信号干扰较大，容易出现偏航等现象。

三、视觉AI技术概述

（一）图像目标检测与识别算法

通过使用模型来识别特定目标在图像的目标检测和识别算法的基础上。目标检测和识别的研究在国内外都取得了非常成熟的成果。在众多的目标检和识别算法中，视觉AI技术应用效果非常好，深受行业人员的青睐，并确保不会出现特征消失的现象。图像目标检测和识别算法是工作人员发现风机叶片问题的重要应用技术，可以根据图像和收集的数据进行建模并进行分析，及时发现问题，并用于提供决策支持。

（二）热成像技术

红外成像技术在成像领域得到了广泛应用，是比较成熟的技术，在智能巡逻设备上安装红外摄像机或成像元件。该系统执行从红外图像PIB中去除噪声的处理。在图像排列上堆叠多个图像之后，将处理之后的红外图像返回到数据处理中心进行处理。热红外成像设备通常分为焦距冷却热成像和非冷焦点成像。由于材料和工艺从焦点检测到低温热成像缺陷的转变，有必要通过冷却成像来提高成像精度。随着新材料新技术的不断应用，用于红外成像的聚焦阵列探测器可以在不冷却的情况下满足成像精度的要求，这是一种非冷热红外成像技术。在叶片监测过程中，可以使用红外成像来检测叶片的温度，红外成像相机或组件可以连接到红外管风扇塔，通过红色成像测量叶片的表面温度。

四、视觉AI技术巡检基础配置

配置和定义功能巡回检查项目内容包括检查项目的设施，位置等，巡回检查项目定义功能包括设施，地点，内容，项目，设施，部件等，并将巡逻检查设备的内容和定义功能构建为基础数据。可以显示当前循环检查设备的循环检查项目。检查的绩效自动与检查任务的执行情况（到达率、完成率等）相结合，可检查实地工作的执行效率。

五、基于AI技术的叶片智能巡检的应用研究

风机叶片检测是基于AI技术，通过摄像头网络实时自动完成的实时检测。通过安装在监控区域的摄像头的联合操作，可以完成自动检测，通过从每个摄像头获取状态和参数，可以获得特定的形状，这样平台就可以使每个摄像头成为一个单独的检查点。根据巡检任务，检查顺序可以是一个有计划的周期，通过设置叶片变形、裂缝、砂眼、风蚀、雷电预警等检测内容，可以在一天之内循环检测内容，可以在平台上观看在线情况并收到警报。

（一）可见光摄像机叶片智能巡检应用

高视觉可见光相机的主要检查叶片的变形、裂缝、断裂、鼓包、覆冰、油污、沙眼、风蚀、雷电警报等。通过使用基于风机塔管可见光相机产生的视觉AI智能视频分析技术，实时检测风机叶片，能够及时发现异常情况。随时捕获检测结果和现场情况，自动上传到管理用户，用于审查结果。

（二）红外摄像机叶片智能巡检应用

红外摄像机是通过光的方向和背光叶片不同部分之间的温度或辐射差异形成的红外辐射特征图像。他们使用红外热成像技术来检测和识别安全隐患，如沙眼、鼓包和裂纹等。

六、总结

总之，设备检测是管理安全生产的重要手段。作为我国能源转型趋势中的热门话题之一，新能源发电近年来越来越受到关注，利用视觉AI技术实现风机叶片日常工作的检测有利于新能源行业发展。视觉AI技术对风机叶片的智能检测有效降低了生产成本，是行业进步的强大动力。本文分析了视觉AI技术叶片可视化检测方法，该方法可以实时直观地检测叶片变形等缺陷，及时发现、立即报警，降低安全事故发生的概率。它不仅为风力发电叶片的监测提供了新的检测方法，而且有助于推动风力发电的人工智能技术发展，具有很好的推广价值。

参考文献：

[1]李春雷,王洪江, 尹常永, 等. 风机叶片故障诊断技术的研究进展[J]. 沈阳工程学院学报(自然科学版), 2022, 18 (03) : 1 - 5, 19.

[2]吕安强,魏伦.基于光纤传感技术的风机叶片故障检测技术研究进展[J]. 高压电器, 2022, 58 (07) : 83 - 92.