本技术涉及新能源与风电技术的领域，具体是涉及一种基于关键点海上风电叶片角速度获取方法及系统。
背景技术：
1、随着可再生能源的日益重视，海上风力发电已成为清洁能源的重要组成部分。在风电设备的运行和维护过程中，对风机叶片的角速度进行准确识别是至关重要的，它不仅关系到风机的运行效率，还影响到风电设备的安全性和使用寿命。
2、传统的风电叶片角速度识别方法主要基于物理传感器或图像处理技术。物理传感器的安装和维护成本高，且容易受到恶劣海洋环境的影响，从而导致测量精度存在误差。而基于图像处理的技术则依赖于高质量的图像获取和复杂的图像处理算法，对图像采集设备和处理平台的要求较高。因此，现有技术存在着一定的局限性和不足。
3、目前海上风电叶片角速度获取方法存在精度不高、实时性不强等问题，难以满足现代风电设备高效、安全运行的需求。因此，开发一种精度较高且实时性较强的海上风电叶片角速度获取方法成为了当务之急。
技术实现思路
1、为了解决上述问题，本技术提供一种基于关键点海上风电叶片角速度获取方法及系统。
2、第一方面，本技术提供一种基于关键点海上风电叶片角速度获取方法，包括：
3、实时采集海上风电叶片图像并进行预处理；
4、采用关键点检测算法分别对采集到的第一时刻海上风电叶片图像与第二时刻海上风电叶片图像进行关键点识别；所述关键点包括：机舱中心点、叶片叶尖以及机舱与叶片的连接点；所述第一时刻与第二时刻之间的时间间隔小于预设时间间隔；所述关键点检测算法选用yolov8-pose模型作为基础模型；
5、以在第一时刻海上风电叶片图像中识别的机舱中心点为原点，以任一叶片在第一时刻海上风电叶片图像中识别的叶片叶尖为终点，生成第一向量；以在第二时刻海上风电叶片图像中识别的机舱中心点为原点，以相同叶片在第二时刻海上风电叶片图像中识别的叶片叶尖为终点，生成第二向量；所述相同叶片根据关键点匹配的算法匹配确定；
6、计算第一向量与第二向量之间的角度差值，以角度差值与角度差补偿值之和除以第一时刻与第二时刻之间的时间间隔计算获得海上风电叶片角速度序列；所述角度补偿值为n倍的360度，n取0与大于0的整数；根据传感器获取第一时刻或第二时刻的海上风电叶片角速度比对海上风电叶片角速度序列，自海上风电叶片角速度序列选取最接近传感器采集的海上风电叶片角速度的海上风电叶片角速度作为最终输出的海上风电叶片角速度。
7、通过采用上述方案，选用yolov8-pose模型对海上风电叶片的关键点进行更准确地检测；基于检测出的关键点进行各叶片关键点的匹配，根据识别出关键点的位置关系计算获得角速度序列，结合传感器单一技术采集的角速度，自角速度序列中选择获得更为精确的角速度。
8、优选的，还包括：
9、利用传感器实时采集环境数据；所述环境数据包括：风向、风速以及风力；
10、将第一时刻至第二时刻段内采集环境数据分别输入第一神经网络模型，输出第一时刻至第二时刻段内海上风电叶片是否产生形变的结果；所述第一神经网络模型的输入为环境数据，输出为海上风电叶片是否产生形变，通过历史环境数据与对应时刻获取的海上叶片是否形变的结果训练生成；
11、若第一时刻至第二时刻内任一时刻海上风电叶片产生形变，则对应降低关键点匹配算法中关键点的相似度阈值，基于调整后的关键点匹配算法进行第一时刻与第二时刻相同叶片匹配。
12、通过采用上述方案，考虑到特定的环境条件下会导致叶片发生一定的形变，基于神经网络模型判断当前时段内是否发生形变，针对发生形变的情况对应调整关键点匹配的相似度阈值，以尽可能保障获得更多匹配的关键点，防止因为形变问题导致无法获取关键点匹配结果。
13、优选的，还包括：
14、以在第一时刻海上风电叶片图像中识别的机舱中心点为原点，以未被选择的剩余的每个叶片在第一时刻海上风电叶片图像中识别的叶片叶尖为终点，生成对应叶片第一向量；以在第二时刻海上风电叶片图像中识别的机舱中心点为原点，以与未被选择的剩余的每个叶片相同的叶片在第二时刻海上风电叶片图像中识别的叶片叶尖为终点，生成对应叶片第二向量；
15、将根据每个叶片获取的对应叶片的第一向量与第二向量计算的角度差值进行比较，若存在任一两个计算的角度差值大于预设角度差值，则增加关键点类型与数量优化训练关键点检测算法，根据优化后的关键点检测算法重新进行关键点识别，根据重新识别的关键点重新确定相同叶片。
16、通过采用上述方案，考虑到错误的关键点匹配会导致错误的角度差计算，计算剩余叶片角速度对应的角度差值以验证选择叶片计算对应获取的角度差值是否存在误差，进而根据验证结果重新进行关键点匹配，保障获得准确的角速度。
17、优选的，还包括：
18、于根据传感器无法实时获取海上风电叶片角速度时，将第一时刻或第二时刻采集的环境数据、与第一时刻或第二时刻间隔一段时间的历史叶片转速输入第二神经网络模型，输出预测的第一时刻或第二时刻的海上风电叶片转速；所述第二神经网络模型的输入为当前时刻环境数据以及与当前时刻间隔一段时间的历史叶片转速，输出为当前时刻海上风电叶片转速，通过历史海上风电叶片环境数据、历史海上风电叶片环境数据采集时刻间隔一段时间的叶片转速与历史海上风电叶片环境数据采集时刻的转速训练生成；
19、根据预测的海上风电叶片转速计算获得海上风电叶片角速度，以计算获得的海上风电叶片角速度比对海上风电叶片角速度序列。
20、通过采用上述方案，考虑到根据传感器无法获得角速度时，根据历史环境数据与叶片转速预测生成转速，进而获得海上风电叶片角速度以辅助在海上风电叶片角速度序列中确定海上风电叶片角速度。
21、优选的，还包括：
22、判断最终输出的海上风电叶片角速度是否大于预设海上风电叶片角速度阈值；若大于，则利用备用传感器采集的第一时刻或第二时刻的海上风电叶片角速度替换原传感器采集的海上风电叶片角速度比对海上风电叶片角速度序列。
23、通过采用上述方案，考虑到当海上风力与风速达到一定数值时，海上风电叶片控制系统为避免叶片损伤会控制海上风电叶片以一定角速度进行运行，则对应具有角速度阈值，一旦利用传感器获得的角速度大于角速度阈值，则表明当前传感器损坏，对应采用备用传感器采集的数值进行辅助判断。
24、优选的，还包括：
25、获取最终输出的海上风电叶片角速度序列，监测海上风电叶片角速度序列中角速度变化值的绝对值大于预设角速度变化阈值的时刻，记为畸变时刻，对应获取畸变时刻的环境数据并进行分析；
26、若分析满足第一条件的环境数据的类型数量大于预设数量，则利用备用传感器采集的畸变时刻的海上风电叶片角速度替换原传感器采集的海上风电叶片角速度比对海上风电叶片角速度序列；所述第一条件为：畸变时刻的一类环境数据相较于畸变时刻前一时刻对应类型的环境数据的变化值的绝对值大于对应预设环境数据变化阈值。
27、通过采用上述方案，考虑到海上风电叶片的角速度变化主要依赖于环境数据中风速、风力的变化，一旦计算出角速度变化较大的时刻对应并发生环境数据的巨变，则验证当前角速度存在计算错误，表明当前传感器损坏，对应采用备用传感器采集的数值进行辅助判断。
28、优选的，在选用的yolov8-pose模型网络架构中添加pose as compositionaltokens，并采用dcnv3进行卷积层的替换。
29、通过采用上述方案，优选采用pose as compositional tokens和dcnv3来提高模型的准确度，由于这些技术的引入，使得模型在关键点检测方面具有更高的性能和稳定性，进一步提升了转速识别的准确性。
30、第二方面，本技术提供一种基于关键点海上风电叶片角速度系统，包括：
31、图像采集模块，用于实时采集海上风电叶片图像并进行预处理；
32、关键点检测模块，用于采用关键点检测算法分别对采集到的第一时刻海上风电叶片图像与第二时刻海上风电叶片图像进行关键点识别；所述关键点包括：机舱中心点、叶片叶尖以及机舱与叶片的连接点；所述关键点检测算法选用yolov8-pose模型；
33、向量获取模块，用于以在第一时刻海上风电叶片图像中识别的机舱中心点为原点，以任一叶片在第一时刻海上风电叶片图像中识别的叶片叶尖为终点，生成第一向量；以在第二时刻海上风电叶片图像中识别的机舱中心点为原点，以相同叶片在第二时刻海上风电叶片图像中识别的叶片叶尖为终点，生成第二向量；所述相同叶片根据关键点匹配的算法匹配确定；
34、角速度计算模块，用于计算第一向量与第二向量之间的角度差值，以角度差值与角度差补偿值之和除以第一时刻与第二时刻之间的时间间隔计算获得海上风电叶片角速度序列；所述角度补偿值为n倍的360度，n取0与大于0的整数；根据传感器获取的海上风电叶片角速度比对海上风电叶片角速度序列，自海上风电叶片角速度序列选取最接近传感器采集的海上风电叶片角速度的海上风电叶片角速度。
35、通过采用上述方案，通过关键点检测算法检测海上风电叶片的关键点，根据这些关键点计算一定时间间隔内叶片间的角度，进而根据角度的变化来计算叶片的角速度，提高了角速度识别的准确性和效率。
36、第三方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的方法。
37、第四方面，本技术提供一种计算机设备，所述计算机设备包括存储器、处理器及在所述存储器上存储并可运行的程序，所述程序被处理器执行时实现如上述方法的步骤。
38、综上，本技术具有以下有益效果为：
39、1、综合图像检测技术与传感器检测技术，选用yolov8-pose模型对海上风电叶片的关键点进行更准确地检测；根据识别并匹配的关键点的位置关系计算获得角速度序列，结合传感器单一技术采集的角速度，自角速度序列中选择获得更为精确的角速度，提高角速度识别的精度；2、结合采集的环境数据，进行关键点匹配的判断与优化，进一步提升最终计算获得角速度的准确度；
40、3、利用各个叶片的计算角度差值相互验证，根据验证结果进一步对关键点进行匹配优化，以提升最终计算获得角速度的准确度。
1.一种基于关键点海上风电叶片角速度获取方法，其特征在于，包括：
2.根据权利要求1所述的基于关键点海上风电叶片角速度获取方法，其特征在于，还包括：
3.根据权利要求1所述的基于关键点海上风电叶片角速度获取方法，其特征在于，还包括：
4.根据权利要求1所述的基于关键点海上风电叶片角速度获取方法，其特征在于，还包括：
5.根据权利要求1所述的基于关键点海上风电叶片角速度获取方法，其特征在于，还包括：
6.根据权利要求2所述的基于关键点海上风电叶片角速度获取方法，其特征在于，还包括：
7.根据权利要求1所述的基于关键点海上风电叶片角速度获取方法，其特征在于，在选用的yolov8-pose模型网络架构中添加pose as compositional tokens，并采用dcnv3进行卷积层的替换。
8.一种基于关键点海上风电叶片角速度系统，其特征在于，包括：
9.一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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的方法。
10.一种计算机设备，其特征在于，所述计算机设备包括存储器、处理器及在所述存储器上存储并可运行的程序，所述程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
