目前风力发电机的叶片检测方式需要蜘蛛人人工爬上风机，并用望远镜对受损叶片进行查看，这样的方式在安全性、稳定性和判断的准确性上常常被人诟病。人员的专业性、经验与其对叶片状态的判断也有很强的关联性，这使得很多判断缺乏一致性，导致很多可以消除在萌芽状态的小问题并没有得到及时的重视和诊断，无法在最佳的维保时间内进行有针对性的修复，从而造成较大损失。
01建设方式本系统是基于视觉、触觉、听觉的多维风力发电机叶片探伤诊断系统，其中：视觉指无人机配合高清、红外摄像头所拍摄的画面并进行图像识别，提取裂缝画面、热像图并判断；触觉指振动监测，根据频率变化判断损伤；听觉指声发射检测技术。旨在结合现有的风力发电机的传感器数据、相关叶片的测试图像、实验室分析数据，通过无人机和声发射检测技术结合人工智能深度学习和视觉识别的应用，提高在岸与离岸风力发电机叶片检测安全性、辅助专业运维人员识别损坏的位置和类型，以达到节省成本、提高检查频率、及早发现风机叶片问题、及早预警和延长风机叶片寿命的目的。02
技术方案
多维风力发电机叶片探伤诊断系统主要特点无人机采用MEMS固态激光雷达技术，高性能安全飞行；
采用GPS惯性导航技术和激光雷达测距技术，自动规划巡检路径；
搭载4K高清相机，确保拍摄叶片缺陷图像清晰完整；
多维感知系统相互验证，叶片探伤准确率高达96%。
本项目拟结合无人机技术、图像识别技术、深度学习技术，声发射检测技术，振动监测技术建立多维风力发电机叶片专家诊断系统，提高诊断效率，减少人力成本，进而在风力发电机叶片维护和探伤上取得进一步的突破。平台建设主要包含以下内容：
数据采集
在数据采集阶段，我们将着重为项目和日后的机器学习模型打下扎实基础。整个数据采集又能分为若干阶段。
1.原始图片采集
由于机器学习需要大量原始数据（图片），我们需要采集大量的风机叶片在不同形态和损耗状态的样本，例如，完整叶片样本、正常工作样本、各损耗阶段样本、等等。在这个过程中，我们还需要对损耗进行分类，将叶片状态分为正常运营、正常损耗和异常损耗（及具体损耗原因）。在图片采集阶段，我们希望能既使用无人机拍摄的风力发电机运行和叶片损坏状态，也将样本采集扩展到叶片生产厂家的实验数据。
2.叶片损坏标记
在取得大量原始数据之后，我们需要对原始图片进行粗标记，标记出在每一个样本中的损耗的大致位置。这个过程需要行业专家对每张原始图片进行标记，不仅标记出受损位置，也标记出损伤类型和严重程度，以便日后在模型报警和建议时有较强的准确性。
3.对稀有样本进行图片数据增强
现有国外研究表明，由于某些特殊损坏情况的发生概率非常小，例如叶片遭到雷击，这些损伤往往不常见，所以使得样本数量极少。为了确保这些多样的损伤也能够被模型检测到，我们同样需要在行业专家的帮助下，对仅有的样本采用图片增强技术，来模拟同类损伤可能的出现形式。
叶片损坏标记的八种类型，详见下图：
模型训练近年来，人工智能的算法在速度和预测的表现上已经取得了质的飞跃，从而使得基于这些算法的应用数量大大增加。基于这些算法，我们期望通过构建神经网络，不仅判断出一个叶片中是否存在有损伤，还能在图片中标记出他的位置以及对相应标记处理提出修复建议。深度学习在算法上的突破，使得我们可以在众多选项中选择最适合此应用场景的基础架构。
飞行平台及多维感知系统建设1.无人机叶片巡检路径自动规划
通过无人机自身的GPS惯性导航技术和激光雷达测距技术，实现无人机的实时定位；在无人机上加装机载电脑，通过处理及分析挂载传感器传回的数据，计算出风机相对方位，姿态等信息，运用计算机视觉、深度学习等算法模型，实现风机叶片跟踪，避免目标物的丢失，自动规划无人机巡检过程中基本的飞行任务路径，飞行任务路径为：1条塔筒正前方起飞向上至轮毂+12条叶片巡检路径（三只叶片）+1条轮毂向下至地面的下降路径，实现基本的飞行轨迹设计，控制无人机飞行方向，保持与风机的距离，确保完成全部拍摄任务。
2.高性能安全飞行
无人机采用领先的MEMS固态激光雷达技术，通过红外激光传感器，可探测到无人机前方水平60°，垂直3°范围，30m距离之内的所有障碍物。以此来计算无人机飞行的轨迹，并保证无人机的安全。此外，通过激光雷达测距实时报告无人机距离风机叶片位置，通过设定距离阈值为10m，当风机叶片巡检的距离小于阈值，将启动报警功能，并自动向相反方向飞行，自动恢复预设距离，实现无人机安全飞行。
3.自动采集高质量清晰图片
无人机搭载4K高清相机，通过6倍数码变焦及30倍光学变焦功能，可在10m处清晰地拍到可分辨1mm*3mm缺陷的照片。同时借助高精度磁传感云台，通过遥控系统自主控制方式实现云台高精度旋转，控制拍摄角度；自主设置相机曝光参数，系统可根据作业现场光照条件，自主调整确保达到最佳的拍摄效果，无人机可稳定拍摄叶片清晰完整高精度缺陷图像。
4.多维感知系统
将现有风机运维中所采用的的振动监测、红外热像监测、声发射检测等相对分裂的技术融合，实现多维技术手段对风机叶片状态的监测感知，多维数据之间的相互验证。项目建设完成后将有效降低叶片缺陷诊断和预测的误判率，准确率将达到96%。作为一种新型动态检测技术，声发射检测适用于复合材料，可以连续监测初始缺陷或损伤的变化情况。声发射技术需要大量数据作为支撑，从而区别损伤信息和噪声，以保证有效数据的采集。
平台系统架构平台系统架构采用基于浏览器的标准三层架构：表示层、业务逻辑层及数据层。
表示层为用户使用界面，需要支持浏览器、手机、