解决超宽视差图像拼接难题扩博智能研发团队论文刊发顶级期刊

最近，由博通智能RD团队领导，与苏州大学和英国赫沃思大学合作撰写的论文“基于无人机的风力涡轮机叶片检测的Towers精确图像拼接”被可再生能源领域的顶级期刊Renewable Energy接受，并于2022年12月21日发表。该出版物代表着博通智能在风电领域的原创核心技术得到国际学术界的高度认可。

用新算法解决图像拼接的“老问题”

这篇题为“基于无人机的风力涡轮机叶片检查的塔架精确图像拼接”的论文描述了由Broadcaster Intelligence独立开发的高精度风力涡轮机叶片拼接算法。该算法解决了超宽视差图像拼接中的诸多问题，拼接精度是五种常规拼接算法的2-3倍。基于该算法的叶片图像拼接为后续的缺陷检测、缺陷分类、去重、叶片可视化和分析奠定了良好的基础。

在细粒度拼接阶段，研究团队将拼接问题转化为典型的优化问题，通过Adam优化器对损失函数进行优化，然后回归最优拼接参数组合。具体来说，研究团队定义了两个损失和三个约束(比例约束、旋转约束和重叠约束)来优化粗粒度拼接中的细微误差和变形，并提出了一种移位方法来进一步抵消相机不稳定导致的边缘失准。最后，研究团队还提出了叶片渲染技术，用于去除拼接处的阴影，提高叶片的可视化效果。通过在多个数据库上的对比测试，博通智能提出的拼接算法的精度是常规拼接算法的2-3倍，满足工业拼接精度的要求。

邀请业界用开源数据集实践创新。

除了上述算法结果，博通智能团队还在论文中公布了开源数据集，将自己积累和学习的数据集与学术界分享和交流。对于试图在这个行业探索和实践更多风车叶片拼接技术的企业和研究人员来说，分类越细，场景越真实，算法的学习和实践就越好，算法在实际场景中的应用就越好。可以说，风车叶片图像拼接技术的突破与能否获得足够多的风车叶片图像数据样本密切相关。

博通智能此次公布的数据集包括风车应用场景的详细分类、可能缺陷的标注，以及博通智能团队如何具体分割拼接叶片等技术细节。开源数据集不仅包含风车叶片的各种场景细节，还与播主智能的实际操作绑定，实时更新数据。在风电领域，博通智能采用自主研发的高度智能化、模块化的“博通风电叶片智能巡检系统”。该系统包括两部分:无人机自动巡检系统和叶片数字化管理平台。其无人机自动巡检系统基于计算机视觉等人工智能技术，可实现无人机100%自主飞行，对每台风机进行15-25分钟的高效智能巡检。检查后，将提供清晰完整的图像数据，并准确定位初始检查缺陷的图形和大小。数据处理与管理平台对无人机自动巡检采集的图像数据进行智能识别，提供包含原始数据图像、缺陷等级分类和巡检维护建议的综合巡检报告。根据风电场一线运行经验，广播员情报团队开源数据集将不断补充和优化。

论文背后的“小巨人”

主导该论文写作和发表的智能RD团队，来自于2021年获得国家专精和特新“小巨人”的智能RD团队。博通智能以计算机视觉和机器学习技术为核心，专注于为行业和企业用户提供端到端的一体化智能服务，能够有效提升传统行业的运营效率，加速数字化转型。截至目前，博通智能已提交130余项知识产权申请，获得多项发明专利授权，为打造风电行业人工智能产品奠定了深厚的技术基础。

去年在上海举行的WAIC世界人工智能大会上，博通智能也首次公开了用于风机叶片前缘腐蚀维护的智能机器人“麻雀”。博通智能的“麻雀”机器人可以通过博通智能自主研发的专用机器人平台，采集叶片缺陷的数据，有针对性地完成叶片的保养和维修，降低风机在发电过程中的故障率和停机时间，最终提高风机的发电效率。目前，用于风机叶片前缘腐蚀维护的“麻雀”智能机器人已完成最新一轮维护测试，进入最后调试阶段，即将投入使用，服务全国所有风电场。

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。