风机桨叶故障诊断（一）样本的获取

今天团队接了个新项目，做一个风机桨叶故障诊断系统。虽然马上就是准备考研的关键期了，可是一想到这是我学习了机器学习后遇到的第一个实际项目，我觉得参与进来，也帮导师分担些压力。项目不可能进展的一帆风顺，这个系列文章也并不是教学性质的，我这些日子会根据项目的情况，将一步步的进展，想法都记录在博客中，也作为技术的积累。如果有什么错误欢迎大家指正。

步入正题，项目需求是这样的，驾驶汽车在风力发电厂中巡视一遍，车顶安装摄像头，沿途拍下所有的风机。我们的软件对高清摄像机拍摄下的图片/视频进行处理，识别出图像中的风机桨叶，然后对桨叶是否存在故障进行诊断。

经过最初的分析，我们发现这个问题还是十分棘手的，提供的条件也十分苛刻。首先，我们拿到的可以用来训练识别算法的样本只有短短的几个视频，其次，由于风机处于高速旋转中，而且离地面的距离较远，拍到的图像不能做到很清晰，故障往往在图像中只能体现成一个小黑点。就如下图所示

故障相对于图像来说十分小，再加上训练样本的不足，我们一时间没有想出很好的识别方法（我和老师确实是纠结了好几天了）。不过万事开头难，如果不一步步的去尝试，永远不知道行不行，所以我决定先把样本的问题解决了，然后从要识别的桨叶入手，分析一下有什么特点，做做预处理，看看会得到什么结果。还有就是提一下，我打算不管最后软件用什么语言实现，先用matlab进行前期的分析和实验。

首先获取样本，我们拿到手的资源就仅仅是两个模拟现场巡视拍摄下的视频，那么准备工作的第一步就是从视频中抽取一部分帧的图像出来，作为我们最基本的可以提取样本的图像库。

我是每隔25帧，对于我的视频来说是1秒抽取出一张图像，matlab实现如下:

function [  ] = ProcessVideo( )
%处理视频，每一秒提取一帧并保存%% 从视频里面分割图片
clc;
clear;
%% 读取视频
video_file='F:\风机桨叶故障诊断项目\视频\视频2.avi';
video=VideoReader(video_file);
frame_number=floor(video.Duration * video.FrameRate)%% 分离图片
for i=1:25:frame_numberimage_name=strcat('F:\风机桨叶故障诊断项目\视频2截图\',num2str(i));image_name=strcat(image_name,'.jpg');I=read(video,i);                               %读出图片imwrite(I,image_name,'jpg');                   %写图片I=[];
endend

这样，我们再人工的剔除一些没用的图片（比如十分模糊的，只有背景的），就得到我们可以用来提取样本的风机图像库了，如下图所示。