一种风力发电机故障报警方法和相关装置与流程

1.本发明涉及风力发电技术领域，尤其是涉及一种风力发电机故障报警方法和相关装置。


背景技术：

2.太阳能、风能等新能源逐步受到人们的重视，风力发电机的数量也在不断增多，其中，风力发电机是将风能转换为机械功，机械功带动转子旋转，最终输出交流电的电力设备。
3.由于风力发电机特殊的安装位置，会导致风力发电机的部件，以叶片为例，叶片会出现结冰、断裂、开裂、裂纹、被雷击等问题，造成巨大的发电损失和维修成本。
4.相关技术中，会采用图像识别的方式对风力发电机的叶片进行故障检测，但是由于风力发电机组中不同风力发电机的安装位置不确定，通过采集到图像多样，叶片状态多样，经常出现误报警。


技术实现要素：

5.针对上述问题，本技术提供一种风力发电机故障报警方法和相关装置，用于降低误报警次数，提高故障报警的准确性。
6.基于此，本技术实施例公开了如下技术方案：
7.第一方面，本技术实施例提供一种风力发电机故障报警方法，应用于视频监测终端，所述方法包括：
8.获取检测请求，所述检测请求用于请求在预设时间采集目标图像，所述目标图像中包括风力发电机的目标叶片；
9.接收服务器根据所述检测请求，对所述目标叶片进行故障检测的检测结果；
10.显示所述检测结果；
11.获取针对所述检测结果的复检结果，所述复检结果的准确性高于所述检测结果的准确性；
12.若所述复检结果为所述目标叶片故障，发出故障报警提示。
13.可选的，所述方法还包括：
14.若所述复检结果与所述检测结果不一致，发送所述复检结果给所述服务器，以便所述服务器根据所述复检结果更新故障检测算法。
15.第二方面本技术提供了一种风力发电机故障报警方法，应用于服务器，所述方法包括：
16.根据检测请求获取目标图像，所述目标图像中包括风力发电机的目标叶片；
17.对所述目标图像进行特征化处理，得到所述目标图像的属性特征；
18.根据所述属性特征确定所述目标叶片的状态；
19.若所述目标叶片为预故障状态，根据所述目标图像与抑制图像集合确定所述目标
叶片的检测结果；其中，所述抑制图像集合包括所述目标叶片误报警的图像，所述误报警的图像是根据所述复检结果与所述检测结果确定的；
20.若所述检测结果为所述目标叶片故障，将所述检测结果发送给视频检测终端，以便视频监测终端发出故障报警提示。
21.可选的，所述根据所述目标图像与抑制图像集合确定所述目标叶片的检测结果，包括：
22.将所述目标图像与所述抑制图像集合输入至相似度检测模型中，确定所述目标图像的属性特征和其他图像的属性特征之间的相似度，所述其他图像为抑制图像集合中目标叶片误报警的图像；
23.若所述目标图像的属性特征和其他图像的属性特征满足相似度条件，所述检测结果为所述目标叶片未故障；若所述目标图像的属性特征和所述其他图像的属性特征不满足所述相似度条件，所述检测结果为所述目标叶片故障。
24.可选的，所述方法还包括：
25.若所述检测结果为所述目标叶片故障，所述复检结果为所述目标叶片未故障，将所述目标图像作为误报警的图像添加至所述抑制图像集合。
26.可选的，所述对所述目标图像进行特征化处理，得到所述目标图像的属性特征，包括：
27.将所述目标图像输入至诊断模型中，得到所述目标叶片的属性特征；
28.所述方法还包括：
29.若所述检测结果为所述目标叶片未故障，所述复检结果为所述目标叶片故障，根据所述目标图像和所述复检结果更新所述诊断模型。
30.可选的，所述诊断模型与所述相似度检测模型提取所述目标图像的属性特性的方式一致。
31.可选的，所述检测请求获取目标图像，包括：
32.根据检测请求向相机采集装置发送调用指令，所述调用指令包括所述目标叶片的目标位置信息；
33.接收所述相机采集装置根据所述目标位置信息采集的包括所述目标叶片的目标视频；
34.根据所述目标视频抽取针对所述目标叶片的目标图像。
35.可选的，所述方法还包括：
36.获取所述相机采集装置的设备状态；
37.若所述设备状态正常，执行所述接收所述相机采集装置根据所述目标位置信息采集的包括所述目标叶片的目标视频的步骤。
38.第三方面本技术提供了一种风力发电机故障报警系统，其特征在于，所述系统包括终端和服务器：
39.所述终端设备用于执行第一方面任意一项所述的方法；
40.所述服务器用于执行第二方面任意一项所述的方法。
41.可选的，所述系统还包括相机采集装置；
42.所述相机采集装置用于在接收到调用指令后，根据所述调用指令中包括的所述目
标叶片的目标位置信息，采集的包括所述目标叶片的目标视频。
43.第四方面本技术提供了一种风力发电机故障报警装置，应用于视频监测终端，所述装置包括：获取单元、接收单元、显示单元和报警单元；
44.所述获取单元，用于获取检测请求，所述检测请求用于请求在预设时间采集目标图像，所述目标图像中包括风力发电机的目标叶片；
45.所述接收单元，用于接收服务器根据所述检测请求，对所述目标叶片进行故障检测的检测结果；
46.所述显示单元，用于显示所述检测结果；
47.所述获取单元，还用于获取针对所述检测结果的复检结果，所述复检结果的准确性高于所述检测结果的准确性；
48.所述报警单元，用于若所述复检结果为所述目标叶片故障，发出故障报警提示。
49.第五方面本技术提供了一种风力发电机故障报警装置，应用于服务器，所述装置包括：获取单元、算法单元和发送单元；
50.所述获取单元，用于根据检测请求获取目标图像，所述目标图像中包括风力发电机的目标叶片；
51.所述算法单元，用于对所述目标图像进行特征化处理，得到所述目标图像的属性特征；根据所述属性特征确定所述目标叶片的状态；若所述目标叶片为预故障状态，根据所述目标图像与抑制图像集合确定所述目标叶片的检测结果；其中，所述抑制图像集合包括所述目标叶片误报警的图像，所述误报警的图像是根据所述复检结果与所述检测结果确定的；
52.所述发送单元，用于若所述检测结果为所述目标叶片故障，将所述检测结果发送给视频检测终端，以便视频监测终端发出故障报警提示。
53.第六方面本技术提供了一种计算机设备，所述设备包括处理器以及存储器：
54.所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
55.所述处理器用于根据所述程序代码中的指令执行第一方面或第二方面任意一项所述的方法。
56.第七方面本技术提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行第一方面或第二方面任意一项所述的方法。
57.第八方面，本技术实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行第一方面或第二方面任意一项所述的方法。
58.相对于现有技术，本技术上述技术方案的优点在于：
59.针对于风力发电机的叶片，视频监测终端在获取用于在预设时间采集目标叶片的目标图像的检测请求后，将检测请求发送给服务器；服务器根据检测请求对目标叶片进行故障检测，将检测结果发送给视频监测终端；视频监测终端显示检测结果，获取针对检测结果的复检结果，若该复检结果为目标叶片故障，发出故障报警提示。由此，根据准确性较高的复检结果对准确性较低的检测结果进行纠正，可以降低误报警的次数，提高针对于目标叶片故障报警的准确性。
附图说明
60.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
61.图1为本技术提供的一种风力发电机报警系统的示意图；
62.图2为本技术实施例提供的一种风力发电机故障报警系统的信令交互图；
63.图3为本技术实施例提供的一种故障检测算法的流程图；
64.图4为本技术实施例提供的一种诊断算法的示意图；
65.图5为本技术实施例提供的一种故障检测算法的示意图；
66.图6为本技术提供的一种风力发电机报警方法的应用场景示意图；
67.图7为本技术实施例提供的一种风力发电机报警装置的示意图；
68.图8为本技术实施例提供的一种风力发电机报警装置的示意图；
69.图9为本技术实施例提供的一种计算机设备的结构图。
具体实施方式
70.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
71.针对于风力发电机的叶片故障检测，相关技术中，会采用图像识别的方式对叶片进行故障检测，以避免造成巨大的发电损失和维修成本。但是由于风力发电机组中不同风力发电机的安装位置不确定，采集到图像多样，图像中叶片的状态多样，图像识别算法若不能及时更新，不仅会出现误报警，还会出现连续误报警的情况。例如，针对于一种误报警的叶片图像，如该叶片维修后出现了补丁，导致该叶片的图像与标准图像差距较大，会被判断为故障的叶片，但其实际为非故障的叶片，从而出现误判，进而出现误报警，甚至是连续误报警，造成现场应用时，真正的故障淹没在众多误报警数据中，进而无法及时快速维修。
72.基于此，本技术实施例提供一种风力发电机故障报警方法，服务器根据检测请求，对采集的目标图像对目标叶片进行特征化处理，得到目标图像的属性特征，进而确定目标叶片的状态，若目标叶片为预故障状态，根据目标图像与抑制图像集合确定目标叶片的检测结果，若目标叶片故障，将检测结果发送给视频检测终端，以便视频监测终端发出故障报警提示。其中，视频监测终端会获取针对检测结果的复检结果，该复检结果的准确性较高，基于该复检结果确定的抑制图像集合准确性较高，使得根据抑制图像集合与目标图像确定出的目标叶片的故障情况的准确性提高，降低误报警的次数与连续误报警的次数，提高了真正故障的叶片维修的及时性。
73.本技术实施例提供的风力发电机故障报警方法应用于如图1所示的风力发电机报警系统，该风力发电机报警系统包括视频监测终端和服务器，视频监测终端可以是智能手机、平板电脑、笔记本电脑、掌上电脑、个人电脑等，但并不局限于此。视频监测终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本技术在此不做限制。
74.作为一种可能的实现方式，服务器实现的功能还可以通过视频监测终端实现，以便节省网络请求，还能够在服务器异常时保证故障报警的正常进行。但是，当故障检测方法所需的计算量较大时，可能需要消耗很多资源，单纯通过视频监测终端计算可能无法负荷，基于此，还可以将故障检测方法的简化版内置于视频监测终端中，作为服务器识别失败或者服务器异常时的降级兜底处理。
75.为了方便说明，下面以视频监测终端与服务器交互的方案进行详细说明。参见图2，该图为本技术实施例提供的一种风力发电机故障报警系统的信令交互图。
76.s201：视频监测终端获取检测请求。
77.在实际应用中，业主或现场维护人员可以通过视频监测终端制定自动巡检计划，该自动巡检计划对应于检测请求，用于请求在预设时间采集包括风力发电机的目标叶片的目标图像。视频监测终端读取自动巡检计划并进行显示。
78.预设时间是预先设置的时间，风力发电机是风力发电厂中一台风力发电机，目标叶片是前述风力发电机中进行故障检测的叶片。本技术实施例不具体限定预设时间、风力发电机和目标叶片，本领域技术人员可以根据实际需要进行设置。例如，在每天上午八点采集风力发电厂中所有风力发电机的每一片叶片的图像。
79.s202：视频监测终端将检测请求发送给服务器。
80.s203：服务器根据检测请求获取目标图像。
81.视频监测终端将自动巡检计划发送给服务器，服务器将自动巡检计划写入数据库中，以便根据自动巡检计划对应的检测请求，采集目标图像。
82.作为一种可能的实现方式，可以通过调用相机采集装置获取目标图像，具体可以参见s2031-s2033。
83.s2031：服务器根据检测请求向相机采集装置发送调用指令。
84.服务器读取自动巡检计划，根据自动巡检计划对应的检测请求生成调用指令，下发给相机采集装置，以便相机采集装置根据调用指令中包括的目标叶片的位置信息，采集包括目标叶片的目标视频。
85.其中，相机采集装置可以属于视频监测终端系统内的装置，也可以为视频监测终端系统外的装置，用于采集在接收到调用指令后，根据调用指令中包括的目标叶片的位置信息，采集的包括目标叶片的目标图像。
86.s2032：相机采集装置根据目标位置信息，采集包括目标叶片的目标视频。
87.需要说明的是，在风力发电厂中，相机采集装置可以为一个或多个。当相机采集装置为一个时，可以根据目标位置信息采集目标视频；当相机采集装置为多个时，不同的相机采集装置负责风力发电厂的不同位置的叶片的视频采集，由此，可以根据目标位置信息，确定负责采集目标叶片的相机采集装置，进而采集包括目标叶片的目标视频。
88.s2033：服务器接收相机采集装置发送的目标视频。
89.作为一种可能的实现方式，在执行s2033之前，可以获取相机采集装置的设备状态，根据设备状态确定相机采集装置采集的目标视频的可信程度。若相机采集装置的设备状态正常，则执行s2033。
90.s2034：服务器根据目标视频抽取针对目标叶片的目标图像。
91.服务器可以采用抽帧算法对目标视频进行抽取，得到针对目标叶片的目标图像。
92.作为一种可能的实现方式，相机采集装置可以根据目标视频抽取针对目标叶片的目标图像，将目标图像发送服务器。
93.s204：服务器对目标图像进行特征化处理，得到目标图像的属性特征。
94.属性特征为用于描述图像属性的一些特征，如图像特征值等。
95.s205：服务器根据属性特征确定目标叶片的状态。
96.相关技术中，风力发电机故障报警系统部署如s204和s205所述的故障检测算法后，通常会隔一段时间，收集一次图像数据，然后基于收集的图像数据进行算法升级。也就是说，故障检测算法并不能实时更新，算法开发人员并不能得到算法运行状态数据。一旦风力发电机故障报警系统进行误报警后，叶片状态又不发生改变，通常会持续进行误报警，严重影响风力发电机故障报警系统运行效果。即使人工消除算法状态后，仍未解决误报警问题。
97.基于此，本技术实施例在确定目标叶片的状态后，不再直接发送给视频监测终端进行展示，而是基于该状态再次进行故障检测，在第二次故障检测中，将误报警的图像作为目标叶片是否真正故障的依据，即若目标图像与误报警的图像相似，这说明目标叶片不是真的故障，而是误报警，由此降低误报警的次数与连续误报警的次数。
98.需要说明的是，由于本技术实施例还存在第二次故障检测，故第一故障检测结果，即目标叶片的状态为故障状态时，目标叶片可能不是真正的故障，可以称之为“预故障状态”，同理，目标叶片的状态为正常状态时，目标叶片可能不是真的正常，可以称之为“预正常状态”，下面具体说明。
99.s206：若目标叶片为预故障状态，服务器根据目标图像与抑制图像集合确定目标叶片的检测结果。
100.其中，抑制图像集合包括目标叶片误报警的图像，误报警的图像是根据复检结果与检测结果确定的。复检结果的准确性高于检测结果的准确性，若复检结果与检测结果不同，说明基于仅检测结果进行故障报警会产生误报警的问题，故可以基于复检结果进行纠正。
101.具体地，针对于一张图像进行故障检测，若复检结果与检测结果不同，说明该图像为误报警的图像，可以将该图像加入到抑制图像集合中，从而将抑制图像集合中的图像作为纠正依据，以便后续目标叶片为预故障状态，为了继续确定目标叶片是否误报警，可以根据目标图像与抑制图像集合确定目标叶片的检测结果，从而提高检测结果的准确性。
102.作为一种可能的实现方式，还可以根据复检结果更新故障检测算法，需要说明的是，本技术实施例提出的故障检测算法包括如s204-s205所述的第一次故障检测算法，以及如s206所述的第二次故障检测算法。后续会对故障检测算法进行具体说明，在此不再赘述。
103.s207：若检测结果为目标叶片故障，服务器发送检测结果给视频监测终端。
104.s208：视频监测终端显示检测结果。
105.作为一种可能的实现方式，视频检测终端可以基于检测结果发出故障报警提示，或者在服务器确定检测结果为目标叶片故障时，不仅将检测结果发送给视频监测终端，还会将故障报警指示信息发送给视频监测终端，以便视频监测终端根据故障报警指示信息出故障报警提示，本技术对此不做具体限制。
106.s209：视频监测终端获取针对检测结果的复检结果。
107.其中，复检结果的准确性高于检测结果的准确性。
108.在一种可能的实施方式中，复检结果可以是视频监测终端对检测结果进行再次检测后的结果。例如，终端设备中具有用于对检测结果进行复检的机组健康度诊断算法(如支持向量机算法、小波神经网络算法等)，将通过传感器采集反映机组叶片状态的信号(如通过结冰传感器采集结冰信号等)输入至机组健康度诊断算法中，得到针对于检测结果的复检结果。
109.在一个示例中，机组叶片结冰严重常伴随风功率不匹配故障，引起机组停机。基于机组状态信息的机组健康度诊断算法例如为，寒潮算法，结冰传感器采集结冰信号(非标配)等也会反映机组叶片结冰状态。理论上可结合机组状态信息及机组健康度诊断算法来代替人为复检过程。假设机组出现寒潮并获取机组风功率不匹配状态位进行时序判断，作为当次叶片视频监测系统结冰识别算法的人为复检备用判断依据。
110.在另一个示例中，机组叶片断裂常伴随叶片存在裂痕，带有裂痕的叶片产生的振动信号与不带有裂痕的叶片产生的振动信号不同。可以通过振动传感器采集机组机舱振动信号与主轴振动信号，将其输入至机组健康度诊断算法(如诊断算法)，得到针对检测结果的复检结果。
111.在又一个示例中，若叶片被雷击、出现开裂等，会出现与平时不同的异常，可以通过声音传感器采集声音信号，将其输入至机组健康度诊断算法(如雷击、开裂、裂纹算法)，得到针对检测结果的复检结果。
112.在另一个示例中，机器学习模型或神经网络模型；进一步，针对不同业务需求，可以包括多个子模型，每个子模型对应识别一种功能(结冰、断裂、雷击、开裂、裂纹等)，这种情况下，终端可以针对不同功能设置并显示不同选项，业主或维护人员可以选择不同功能，终端调用不同模型进行识别复检。
113.在另一种可能的实施方式中，复检结果可以来自于业主或者现场维护人员等。
114.相关技术中，数据收集需要重新人工筛选数据，观察运行情况并打标签，即在收集到风力发电机的叶片的图像后，还需基于图像进行人工打标签，重新训练模型来优化故障检测算法，工作量较多，故障检测算法的优化时间较长。采用本技术后，获取复检结果的过程相当于对图像进行人工打标签的过程，对于优化故障检测算法而言，降低了工作量。
115.在一个示例中，现场维护人等员可以不必对所有检测结果进行审查，可以仅针对为目标叶片故障的检测结果进行审查，判断其是否为误报警，从而不仅能够降低误报警的次数，还能够降低现场维护人员的工作量。
116.在另一个示例中，针对于连续误报警的情况，可以统计每一种故障报警的叶片图像的出现次数，当出现次数超过预设阈值时，该种故障报警的叶片图像属于连续误报警的概率较高，故可以针对此类叶片图像进行审查，通过有针对性的审查，进一步降低现场维护人员的工作量。
117.s210：若复检结果为目标叶片故障，发出故障报警提示。
118.由上述方案可知，本技术实施例提供一种风力发电机故障报警系统，包括视频监测终端和服务器，视频监测终端获取包括目标叶片的目标图像的检测请求后，将其发送给服务器，服务器根据检测请求，对目标图像进行特征化处理，得到目标图像的属性特征，根据属性特征确定目标叶片的状态，若目标叶片为预故障状态，根据目标图像与抑制图像集
合确定目标叶片的检测结果，将检测结果发送给视频监测终端，视频监测终端会获取针对检测结果的复检结果，该复检结果的准确性高于检测结果的准确性，使得基于复检结果发出的故障报警提示的准确性更高。其中，根据复检结果和检测结果可以确定出误报警的图像，进而构建出抑制图像集合，使得根据抑制图像集合与目标图像确定出的目标叶片的故障情况的准确性提高，降低误报警的次数与连续误报警的次数，提高了真正故障的叶片维修的及时性。
119.下面以对叶片是否结冰为例，对前述所述故障检测算法进行说明。参见图3，该图为本技术实施例提供的一种故障检测算法的流程图。
120.s301：开始。
121.s302：获取目标图像。
122.可以理解的是，目标图像可以为风力发电厂中任一风力发电机所包括的任一叶片的图像。
123.s303：执行叶片诊断算法。
124.可以理解是，该叶片诊断算法用于实现如s204-s205所述的第一次故障检测算法的功能。以诊断模型为例，将目标图像输入至诊断模型中，得到目标叶片的属性特征。
125.参见图4，该图为本技术实施例提供的一种诊断算法的示意图。将目标图像进行数据预处理，得到距离bgr(蓝色绿色红色)三色图显示，然后将其输入至诊断模型中，得到每个像素的二分类one-hot置信度，进而确定目标叶片的状态。
126.其中，状态是针对于故障检测类型的二分类结果，可以分为预故障状态和非故障状态。例如，若针对目标叶片进行的故障检测为结冰检测，得到的检测结果可以是目标叶片结冰或者未结冰，其中，预故障状态为目标叶片结冰，非故障状态为未结冰。
127.s304：是否预故障状态。
128.根据目标叶片的属性特征确定目标叶片的状态，结冰或者不结冰。其中，结冰为预故障状态。
129.s305：执行相似度检测算法。
130.若目标叶片为预故障状态，执行相似度检测算法。可以理解的是，该相似度检测算法用于实现如s206所述的第二次故障检测算法的功能。
131.以相似度检测模型为例，将目标图像与抑制图像集合输入至相似度检测模型中，确定目标图像的属性特征和其他图像的属性特征之间的相似度，若目标图像的属性特征和其他图像的属性特征满足相似度条件，检测结果为目标叶片未故障；若目标图像的属性特征和其他图像的属性特征不满足相似度条件，检测结果为目标叶片故障。其中，其他图像为抑制图像集合中目标叶片误报警的图像。
132.本技术实施例不具体限定相似度条件，例如，目标图像的属性特征和其他图像的属性特征的相似度大于90％，则目标图像的属性特征和其他图像的属性特征满足相似度条件。
133.作为一种可能的实现方式，诊断模型与相似度检测模型提取目标图像的属性特性的方式一致。即相似度检测模型可采用与诊断模型一致的特征提取步骤。如图5所示，目标图片在进行数据预处理后，通过诊断模型得到目标叶片的状态为预故障状态(结冰)，相似度检测模型取诊断模型的最后一层全神经网络层作为图像特征值，得到1280个数据，通过
相似度检测方法，得到该目标图像与抑制图像集合中叶片轻微覆雪的图像相似(误报警的图像)，即该目标叶片的检测结果为未故障，可以进行不报警处理。
134.需要说明的是，相似度检测方法包括但不限于闵可夫斯基距离、欧几里得距离、曼哈顿距离、切比雪夫距离、马氏距离、余弦相似度、皮尔逊相关系数、汉明距离、杰卡德相似系数、编辑距离、dtw距离和kl距离，本技术对此不做具体限定。
135.s306：是否相似。
136.通过两次故障检测，若目标图像为预故障状态，但与抑制图像集合中的误报警的图像相似，进行不报警处理，可以有效实现特殊的重复图像误报的减少和维护人员决定不报警的图片处理，让预警算法的精确率和有效性得到有效提升。
137.针对于复检结果与检测结果不同存在两种情况，下面分别进行说明。
138.第一种：检测结果为目标叶片故障，复检结果为目标叶片未故障。
139.此时，若仅根据检测结果进行故障报警，会出现误报警甚至是连续误报警的情况，基于此，本技术实施例根据复检结果不进行故障报警，并且将目标图像作为误报警的图像添加至抑制图像集合中，以便后续第二次故障检测时，可以避免该种误报警情况出现。
140.第二种：检测结果为目标叶片未故障，复检结果为目标叶片故障。
141.说明通过诊断模型得到的结果还不够精确，此时，可以根据目标图像和复检结果更新诊断模型，从而避免该种漏报警情况出现。作为一种可能的实现方式，可以将漏报警的图像加入到故障优化集合中。
142.由此，通过现场定期反馈的抑制图像集合和故障优化集合，算法人员可有效进行故障检测算法升级，即提升了算法运行效果，也减轻算法开发优化过程中的工作量。
143.为了使本技术实施例提供的技术方案更加清楚，下面结合图6以一个实例对本技术实施例提供的风力发电机故障报警方法进行说明。
144.第1步：叶片视频监测系统(风力发电机故障报警系统)前端(视频检测终端)读取自动巡检计划并显示在叶片视频监测系统前端。
145.第2步：业主或现场维护人员制定自动巡检计划。
146.第3步：编写的自动巡检计划会写入服务器的前端数据库。
147.第4步：算法服务读取前端数据库的自动巡检计划。
148.第5步：算法服务生成调用指令下发到相机控制服务，以便通过相机采集装置采集目标图像。
149.第6步：相机控制服务按照调用指令，根据目标叶片所在位置采集目标叶片的视频，并执行抽帧算法，将运行结果(如当前运行情况)和设备状态(如设备是否正常)回传给算法服务，同时将抽帧的图片数据(目标图像)传输给上位机图片数据文件夹(服务器存储目标图像的区域)。
150.第7步：算法服务调用故障检测算法，通过图片数据和故障抑制数据库(抑制图像集合)进行故障检测。
151.第8步：故障检测算法将检测结果回传给算法服务。
152.第9步：算法服务将自动巡检结果(包括检测结果)写入前端数据库。
153.第10步：叶片视频监测系统前端更新前端数据库的自动巡检结果并展示。
154.第11步：现场维护人员发现检测结果并审查。
155.现场维护人员对检测结果为目标叶片故障进行审查(报警数据审查)，甚至定期对检测结果为目标叶片未故障进行抽查(正常数据定期抽查)。
156.第12步：自动巡检结果(包括复检结果)更新至前端数据库。
157.第13步：算法服务察觉到前端数据库的人工审查结果(复检结果)，对结果进行处理。
158.第14步：算法服务将误报数据加入到报警抑制库中，将漏报数据加入到优化数据库中。
159.第15步：算法开发人员定期对故障抑制数据库和故障优化数据库进行回收，对故障检测算法进行优化，故障检测算法优化一定程度后，对现场故障检测进行升级。
160.由此，叶片视频监测系统做故障诊断后，引入了报警抑制库和报警人工筛查两项，同时引入了人工抽检和故障优化数据库。定期从现场采集报警抑制库和故障优化数据库数据，可对叶片故障检测算法进行优化，使叶片视频监测系统整体运行效果越来越好。有效避免了由于故障检测算法对于未学习的图片误报产生的系统不利影响；突出了叶片视频监测系统对已知故障报警的识别效果；减少了算法开发或优化工程师进行现场数据筛选的工作量。
161.本技术实施例除了提供的风力发电机故障报警方法外，还提供了风力发电机故障报警装置，应用于视频监测终端，如图7所示，包括：获取单元701、接收单元702、显示单元703和报警单元704；
162.所述获取单元701，用于获取检测请求，所述检测请求用于在预设时间采集目标图像，所述目标图像中包括风力发电机的目标叶片；
163.所述接收单元702，用于接收服务器根据所述检测请求，对所述目标叶片进行故障检测的检测结果；
164.所述显示单元703，用于显示所述检测结果；
165.所述获取单元701，还用于获取针对所述检测结果的复检结果，所述复检结果的准确性高于所述检测结果的准确性；
166.所述报警单元704，用于若所述复检结果为所述目标叶片故障，发出故障报警提示。
167.作为一种可能的实现方式，所述装置还包括发送单元，用于若所述复检结果与所述检测结果不一致，发送所述复检结果给所述服务器，以便所述服务器根据所述复检结果更新故障检测算法。
168.由上述方案可知，针对于风力发电机的叶片，视频监测终端在获取用于在预设时间采集目标叶片的目标图像的检测请求后，将检测请求发送给服务器；服务器根据检测请求对目标叶片进行故障检测，将检测结果发送给视频监测终端；视频监测终端显示检测结果，获取针对检测结果的复检结果，若该复检结果为目标叶片故障，发出故障报警提示。由此，根据准确性较高的复检结果对准确性较低的检测结果进行纠正，可以降低误报警的次数，提高针对于目标叶片故障报警的准确性。
169.本技术实施例除了提供的风力发电机故障报警方法外，还提供了风力发电机故障报警装置，应用于服务器，如图8所示，包括：获取单元801、算法单元802和发送单元803；
170.所述获取单元801，用于根据检测请求获取目标图像，所述目标图像中包括风力发
电机的目标叶片；
171.所述算法单元802，用于对所述目标图像进行特征化处理，得到所述目标图像的属性特征；根据所述属性特征确定所述目标叶片的状态；若所述目标叶片为预故障状态，根据所述目标图像与抑制图像集合确定所述目标叶片的检测结果；其中，所述抑制图像集合包括所述目标叶片误报警的图像，所述误报警的图像是根据所述复检结果与所述检测结果确定的；
172.所述发送单元803，用于若所述检测结果为所述目标叶片故障，将所述检测结果发送给视频检测终端，以便视频监测终端发出故障报警提示.
173.作为一种可能的实现方式，所述算法单元802，用于：
174.将所述目标图像与所述抑制图像集合输入至相似度检测模型中，确定所述目标图像的属性特征和其他图像的属性特征之间的相似度，所述其他图像为抑制图像集合中目标叶片误报警的图像；
175.若所述目标图像的属性特征和其他图像的属性特征满足相似度条件，所述检测结果为所述目标叶片未故障；若所述目标图像的属性特征和所述其他图像的属性特征不满足所述相似度条件，所述检测结果为所述目标叶片故障。
176.作为一种可能的实现方式，所述装置还包括更新单元，用于若所述检测结果为所述目标叶片故障，所述复检结果为所述目标叶片未故障，将所述目标图像作为误报警的图像添加至所述抑制图像集合。
177.作为一种可能的实现方式，所述算法单元802，用于将所述目标图像输入至诊断模型中，得到所述目标叶片的属性特征；所述更新单元，用于若所述检测结果为所述目标叶片未故障，所述复检结果为所述目标叶片故障，根据所述目标图像和所述复检结果更新所述诊断模型。
178.作为一种可能的实现方式，所述诊断模型与所述相似度检测模型提取所述目标图像的属性特性的方式一致。
179.作为一种可能的实现方式，所述获取单元801，用于：
180.根据检测请求向相机采集装置发送调用指令，所述调用指令包括所述目标叶片的目标位置信息；
181.接收所述相机采集装置根据所述目标位置信息采集的包括所述目标叶片的目标视频；
182.根据所述目标视频抽取针对所述目标叶片的目标图像。
183.作为一种可能的实现方式，所述装置还包括检查单元，用于：
184.获取所述相机采集装置的设备状态；
185.若所述设备状态正常，执行所述接收所述相机采集装置根据所述目标位置信息采集的包括所述目标叶片的目标视频的步骤。
186.由上述方案可知，服务器根据检测请求，对采集的目标图像对目标叶片进行特征化处理，得到目标图像的属性特征，进而确定目标叶片的状态，若目标叶片为预故障状态，根据目标图像与抑制图像集合确定目标叶片的检测结果，若目标叶片故障，将检测结果发送给视频检测终端，以便视频监测终端发出故障报警提示。其中，视频监测终端会获取针对检测结果的复检结果，该复检结果的准确性较高，基于该复检结果确定的抑制图像集合准
确性较高，使得根据抑制图像集合与目标图像确定出的目标叶片的故障情况的准确性提高，降低误报警的次数与连续误报警的次数，提高了真正故障的叶片维修的及时性。
187.本技术实施例还提供了一种计算机设备，参见图9，该图示出了本技术实施例提供的一种计算机设备的结构图，如图9所示，所述设备包括处理器910以及存储器920：
188.所述存储器910用于存储程序代码，并将所述程序代码传输给所述处理器；
189.所述处理器920用于根据所述程序代码中的指令执行上述实施例提供的任一种风力发电机故障报警方法。
190.本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序于执行上述实施例提供的任一种风力发电机故障报警方法。
191.本技术实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方面的各种可选实现方式中提供的风力发电机故障报警方法。
192.需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
193.应当理解，在本技术中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
194.还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
195.结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
196.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术
将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种风力发电机故障报警方法，其特征在于，应用于视频监测终端，所述方法包括：获取检测请求，所述检测请求用于请求在预设时间采集目标图像，所述目标图像中包括风力发电机的目标叶片；接收服务器根据所述检测请求，对所述目标叶片进行故障检测的检测结果；显示所述检测结果；获取针对所述检测结果的复检结果，所述复检结果的准确性高于所述检测结果的准确性；若所述复检结果为所述目标叶片故障，发出故障报警提示。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：若所述复检结果与所述检测结果不一致，发送所述复检结果给所述服务器，以便所述服务器根据所述复检结果更新故障检测算法。3.一种风力发电机故障报警方法，其特征在于，应用于服务器，所述方法包括：根据检测请求获取目标图像，所述目标图像中包括风力发电机的目标叶片；对所述目标图像进行特征化处理，得到所述目标图像的属性特征；根据所述属性特征确定所述目标叶片的状态；若所述目标叶片为预故障状态，根据所述目标图像与抑制图像集合确定所述目标叶片的检测结果；其中，所述抑制图像集合包括所述目标叶片误报警的图像，所述误报警的图像是根据所述复检结果与所述检测结果确定的；若所述检测结果为所述目标叶片故障，将所述检测结果发送给视频检测终端，以便视频监测终端发出故障报警提示。4.根据权利要求3所述的方法，其特征在于，所述根据所述目标图像与抑制图像集合确定所述目标叶片的检测结果，包括：将所述目标图像与所述抑制图像集合输入至相似度检测模型中，确定所述目标图像的属性特征和其他图像的属性特征之间的相似度，所述其他图像为抑制图像集合中目标叶片误报警的图像；若所述目标图像的属性特征和其他图像的属性特征满足相似度条件，所述检测结果为所述目标叶片未故障；若所述目标图像的属性特征和所述其他图像的属性特征不满足所述相似度条件，所述检测结果为所述目标叶片故障。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：若所述检测结果为所述目标叶片故障，所述复检结果为所述目标叶片未故障，将所述目标图像作为误报警的图像添加至所述抑制图像集合。6.根据权利要求5所述的方法，其特征在于，所述对所述目标图像进行特征化处理，得到所述目标图像的属性特征，包括：将所述目标图像输入至诊断模型中，得到所述目标叶片的属性特征；所述方法还包括：若所述检测结果为所述目标叶片未故障，所述复检结果为所述目标叶片故障，根据所述目标图像和所述复检结果更新所述诊断模型。7.根据权利要求6所述的方法，其特征在于，所述诊断模型与所述相似度检测模型提取
所述目标图像的属性特性的方式一致。8.根据权利要求3所述的方法，其特征在于，所述检测请求获取目标图像，包括：根据检测请求向相机采集装置发送调用指令，所述调用指令包括所述目标叶片的目标位置信息；接收所述相机采集装置根据所述目标位置信息采集的包括所述目标叶片的目标视频；根据所述目标视频抽取针对所述目标叶片的目标图像。9.根据权利要求8所述的方法，其特征在于，所述方法还包括：获取所述相机采集装置的设备状态；若所述设备状态正常，执行所述接收所述相机采集装置根据所述目标位置信息采集的包括所述目标叶片的目标视频的步骤。10.一种风力发电机故障报警系统，其特征在于，所述系统包括终端和服务器：所述终端设备用于执行权利要求1或2所述的方法；所述服务器用于执行权利要求3-9任意一项所述的方法。11.根据权利要求10所述的系统，其特征在于，所述系统还包括相机采集装置；所述相机采集装置用于在接收到调用指令后，根据所述调用指令中包括的所述目标叶片的目标位置信息，采集的包括所述目标叶片的目标视频。12.一种风力发电机故障报警装置，其特征在于，应用于视频监测终端，所述装置包括：获取单元、接收单元、显示单元和报警单元；所述获取单元，用于获取检测请求，所述检测请求用于请求在预设时间采集目标图像，所述目标图像中包括风力发电机的目标叶片；所述接收单元，用于接收服务器根据所述检测请求，对所述目标叶片进行故障检测的检测结果；所述显示单元，用于显示所述检测结果；所述获取单元，还用于获取针对所述检测结果的复检结果，所述复检结果的准确性高于所述检测结果的准确性；所述报警单元，用于若所述复检结果为所述目标叶片故障，发出故障报警提示。13.一种风力发电机故障报警装置，其特征在于，应用于服务器，所述装置包括：获取单元、算法单元和发送单元；所述获取单元，用于根据检测请求获取目标图像，所述目标图像中包括风力发电机的目标叶片；所述算法单元，用于对所述目标图像进行特征化处理，得到所述目标图像的属性特征；根据所述属性特征确定所述目标叶片的状态；若所述目标叶片为预故障状态，根据所述目标图像与抑制图像集合确定所述目标叶片的检测结果；其中，所述抑制图像集合包括所述目标叶片误报警的图像，所述误报警的图像是根据所述复检结果与所述检测结果确定的；所述发送单元，用于若所述检测结果为所述目标叶片故障，将所述检测结果发送给视频检测终端，以便视频监测终端发出故障报警提示。14.一种计算机设备，其特征在于，所述设备包括处理器以及存储器：所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；所述处理器用于根据所述程序代码中的指令执行权利要求1或2所述的方法，或执行权
利要求3-9任意一项所述的方法。15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行权利要求1或2所述的方法，或执行权利要求3-9任意一项所述的方法。16.一种计算机程序产品，其特征在于，包括计算机程序或指令；当所述计算机程序或指令被处理器执行时，执行权利要求1或2所述的方法，或执行权利要求3-9任意一项所述的方法。

技术总结
本申请公开了一种风力发电机故障报警方法和相关装置，针对于风力发电机的叶片，视频监测终端在获取用于在预设时间采集目标叶片的目标图像的检测请求后，将检测请求发送给服务器；服务器根据检测请求对目标叶片进行故障检测，将检测结果发送给视频监测终端；视频监测终端显示检测结果，获取针对检测结果的复检结果，若该复检结果为目标叶片故障，发出故障报警提示。由此，根据准确性较高的复检结果对准确性较低的检测结果进行纠正，可以降低误报警的次数，提高针对于目标叶片故障报警的准确性。性。性。


技术研发人员：赵勇 阮彦飞 李新乐
受保护的技术使用者：新疆金风科技股份有限公司
技术研发日：2021.12.20
技术公布日：2023/6/26