权利要求书： 1.一种基于机器视觉的风机叶片缺陷自诊断定位方法，其特征是该方法包括如下步骤：步骤1：通过视觉传感器获取风机叶片各种缺陷样本图像集，对样本图像人工分类，为后续判断分类器的正确率提供依据；步骤2：对步骤1采集到的图像样本数据集中的缺陷特征及噪声进行分析，采用中值滤波，在很好地保留了目标边缘特征的同时去除图像中大部分噪声；步骤3：根据步骤2获得的去噪后的图像样本集，采用阈值法将样本集中图像的目标区域完整的分割出来，然后运用Blob分割算法度量图像中连通区域的形心、边界盒、面积属性来对物体的检测区域进行分析和处理，并标记缺陷位置；步骤4：根据步骤3获得的缺陷特征样本集，依据样本特性创建基于颗粒特征向量的分类器，采用支持向量机对样本集合进行训练，得到准确度较高的分类器；步骤5：将不同缺陷类别图像作为输入，可以快速准确地实现风机叶片的缺陷分类及定位；其特征是步骤3的具体步骤为：步骤3.1：首先根据滤波后样本集直方图设置灰度值阈值，采用阈值分割法分离图像前景和背景，获得二值图像；步骤3.2：对步骤3.1获得的二值图像采用形态学方法，进行闭运算消除小的孤立噪声的同时获得叶片表面缺陷连通区域；步骤3.3：根据骤3.2获得图像目标像素，统计出目标图像中满足叶片缺陷条件的Blob数目，并对图像中每个Blob进行标记；步骤3.4：Blob信息提取，采用Blob线处理方法获取连通区域的几何特征，即连通区域的线段边界点、最小外接矩形及形心位置，最后计算获得风机缺陷位置坐标。2.如权利要求1所述的一种基于机器视觉的风机叶片缺陷自诊断定位方法，其特征是步骤4的具体步骤为：步骤4.1：对由步骤3获得的图像缺陷样本，分别取它们的面积特征、圆度因子、细长度特征以及孔洞数作为目标特征，计算样本集的各特征参数；步骤4.2：基于步骤4.1获得的样本集各特征参数的非线性特性，选用非线性内核函数，将各特征参数数据映射到高维空间中使样本数据变成线性；步骤4.3：求解特性空间中的最优分类函数，得到最优分类模型；步骤4.4：选用叶片缺陷训练样本集，经步骤3特征提取后，输入SM分类器，依据分类结果测试分类器的可靠性。 说明书： 一种基于机器视觉的风机叶片缺陷自诊断定位方法技术领域[0001] 本发明涉及的是一
声明：
“基于机器视觉的风机叶片缺陷自诊断定位方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
604
编辑：中冶有色网
来源：东华理工大学
分享 0
举报 0
收藏 0
反对 0
点赞 0
2025年06月20日 ~ 22日 
