(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210639336.7 (22)申请日 2022.06.08 (65)同一申请的已公布的文献号 申请公布号 CN 114723184 A (43)申请公布日 2022.07.08 (73)专利权人 广东数字生态科技有限责任公司 地址 512700 广东省韶关 市乳源县 乳城镇 北环路广科乳源产业创新园孵化大楼 201室 (72)发明人 粟骏龙　凌飞　袁鑫　陈晓健　 周妙林　刘扬　王进米　刘鑫　 吴飞　唐兴智　吕静静　 (74)专利代理 机构 北京众达德权知识产权代理 有限公司 1 1570 专利代理师 刘杰 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06V 20/17(2022.01) G06V 10/44(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G07C 1/20(2006.01) F03D 17/00(2016.01) (56)对比文件 CN 112700498 A,2021.04.23 CN 114020002 A,202 2.02.08 CN 110189315 A,2019.08.3 0 CN 114463308 A,202 2.05.10 CN 112598637 A,2021.04.02 CN 113324548 A,2021.08.31 CN 113723192 A,2021.1 1.30 CN 110163177 A,2019.08.23 CN 112904877 A,2021.0 6.04 US 5586407 A,19 96.12.24 US 4848019 A,1989.07.18 (续) 审查员 李佳玲 (54)发明名称 一种基于视觉感知的风力发电机测量方法、 装置以及设备 (57)摘要 本申请提供了一种基于视觉感知的风力发 电机测量方法、 装置以及设备， 用于基于视觉感 知技术， 稳定且高精度地检测风力发电机的桨叶 叶尖点， 为后续的风力发电机的姿态处理还有巡 检线路的规划提供精确的数据支持。 方法包括： 获取无人机从风力发电机处采集的图像； 将图像 输入预先配置的桨叶叶尖点检测模 型， 以识别图 像中的桨叶叶尖点， 其中， 桨叶叶尖点检测模型 是由风力发电机全貌图 与桨叶叶尖点掩膜 组成图像掩膜对， 训练初始模型识别输入图像的 桨叶叶尖点得到的， 并于训练过程中计算关键点 的检测结果来计算损失函数数值 以此优化模型参数； 提取桨叶叶尖点检测模 型输出的桨叶叶尖 点检测结果， 桨叶叶尖点检测结果以坐标形式进 行配置。 [转续页] 权利要求书6页 说明书21页 附图7页 CN 114723184 B 2022.10.11 CN 114723184 B (56)对比文件 李栋等.无 人机输电线路巡 检中安全距离测 量方法. 《广西大 学学报(自然科 学版)》 .2016, (第02期),第204-21 1页.康磊等.山地风电场风力发电机组叶片无 人 机智能巡 检. 《云南水力发电》 .2020,(第0 3期), 第182-185页.2/2 页 2[接上页] CN 114723184 B1.一种基于 视觉感知的风力发电机测量方法， 其特 征在于， 所述方法包括： 获取无人机从风力发电机处采集的图像； 将所述图像输入预先配置的桨叶叶尖点检测模型， 以识别所述图像中的桨叶叶尖点， 其中， 所述桨叶叶尖点检测模型是由风力发电机全貌图 与桨叶叶尖点掩膜 组成图像 掩膜对， 训练初始模型识别输入图像的桨叶叶尖点得到的， 并于训练过程中计算关键点的 检测结果 来计算损失函数 数值以此优化模型参数； 提取所述桨叶叶尖点检测模型输出的桨叶叶尖点检测结果， 所述桨叶叶尖点检测结果 以坐标形式进行配置； 所述桨叶叶尖点检测模型的模型三层结构分别为特征抽取重组层、 非线性映射层及关 键点检测重组层； 所述特征抽取重组层使用单层卷积结构， 使用尺寸为 的卷积核 ， 偏置项矢量 为 ， 用于抽取输入图像中的特 征， 并将特 征重组为特 征矩阵， 以用于非线性映射； 所述非线性映射层使用尺寸为 的卷积核 ， 偏置项矢量为 ， 用于将所述特征抽 取重层输出的特 征重映射 为所述关键点检测重组层的所需特 征； 所述关键点检测重组层使用尺寸为 的卷积核 ， 偏置项矢量为 ， 用于将重 映射后的特征转换为关键点检测预测矩阵， 并使用Sigmoid算法将关键点检测预测矩阵转 换为关键点检测预测掩膜； 所述特征抽取重组层、 所述非线性映射层、 所述关键点检测重组层以及所述Sigmoid算 法的数学定义为： 。 2.根据权利要求1所述的方法， 其特征在于， 所述关键点检测重组层涉及热力图的处 理， 所述关键点检测重组层对桨叶叶尖点热力图使用图像细化处理后， 获取叶尖点像素坐 标 ， 并将桨叶叶尖点像素坐标 转化为 桨叶叶尖点实际坐标 ， 所述图像细化处理过程中依据目 标点周边的8个相邻点的情况来判断该点是否可以去除， 对应判据策略包括： 内部点不能删除； 孤立点不能删除； 直线端点不能删除； 如果去掉所述目标点后， 连通分量 不增加， 则删除所述目标点。权　利　要　求　书 1/6 页 2 CN 114723184 B 3