公开(公告)号：CN120084334A

公开(公告)日：2025-06-03

申请号：CN202510175093.X

申请日：2025-02-18

Applicant: 重庆大学

Inventor： 王磊 ,  颜小钧 ,  张礼 ,  霍钧 ,  项楠

IPC: G01C21/20 ,  G01C21/16 ,  G01C21/00 ,  G01S17/86

Abstract: 本发明公开了一种基于LSTM的风机叶片无人机巡检路径优化方法，其包括步骤：1)采用栅格法构建风机叶片巡检区域的地图模型；2)实时测量风机的偏航数据；3)动态更新地图模型；4)以风机的实时偏航角、偏航速度、风机叶片的历史位置作为LSTM模型的输入，通过LSTM预测风机叶片在未来n个时间步的轨迹；5)根据D*算法动态规划无人机的巡检路径。本发明相比传统静态路径规划方法能实现更高的巡检精度和更强的动态适应性，并实现了动态优化路径并避免不必要的重复飞行、大幅减少了能源消耗以及同时提升了巡检的覆盖率和效率。

公开(公告)号：CN119991638A

公开(公告)日：2025-05-13

申请号：CN202510144385.7

申请日：2025-02-10

Applicant: 重庆大学

Inventor： 王磊 ,  刘佳嘉 ,  张礼 ,  颜小钧 ,  霍钧 ,  项楠 ,  任颜萍

IPC: G06T7/00 ,  F03D17/00 ,  G06T5/60 ,  G06T5/73 ,  G06V10/20 ,  G06V10/774 ,  G06V10/25 ,  G06V10/82 ,  G06V10/766 ,  G06V20/17 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于计算机视觉的无人机航拍风机叶片缺陷检测方法，其包括：一)将无人机航拍的风机叶片图像经预处理后输入生成对抗网络对进行去模糊处理；二)用经生成对抗网络处理的风机叶片去模糊图像构成数据集；三)对YOLOv5s模型进行改进；四)用步骤二)得到的数据集训练和测试改进后的YOLOv5s模型；五)通过YOLOv5s改进模型检测风机叶片缺陷。本发明将基于生成对抗网络的图像去模糊方法与基于改进的YOLOv5s的小目标检测方法深度融合，极大地降低了图像模糊对风机叶片检测的干扰，有效提升了本发明方法在模糊图像环境下的检测泛化能力。

公开(公告)号：CN119937618A

公开(公告)日：2025-05-06

申请号：CN202510069180.7

申请日：2025-01-16

Applicant: 重庆大学

Inventor： 王磊 ,  张礼 ,  颜小钧 ,  刘佳嘉 ,  郭芳 ,  任颜萍

IPC: G05D1/495 ,  G05D1/46 ,  G05D101/15 ,  G05D109/20

Abstract: 本发明公开了一种基于无人机的风机叶片动态自主巡检方法，包括控制无人机拍摄风机的全景俯视图；根据全景俯视图确定风机朝向，根据风机朝向控制无人机飞至风机正前方进行拍摄，并提取图像中的轮毂中心点像素坐标和叶片尖端像素坐标，进而规划无人机巡检轨迹及巡检点数量。本发明方法是在风机不停机工况下进行，从而避免了风机停机造成的经济损失；巡检过程全自动化，巡检效率高，且相机拍摄方向与风机朝向平行，并能保证拍摄到的叶片中心线与图像坐标系的轴保持水平，使采集的图像能全覆盖风机叶片，图像采集质量高。