[發明專利]一種基于無人機的光伏組件圖像的故障分類及辨識方法

有效

• 申請號: 201811372625.5
• 申請日: 2018-11-19
• 公開（公告）號: CN109584222B
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 李瓊;范瑞祥;王華云;王文彬;蒙天騏;李升健;鄭蜀江
• 申請（專利權）人: 國網江西省電力有限公司電力科學研究院;國家電網有限公司;南昌科晨電力試驗研究有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T7/13
• 代理公司: 南昌市平凡知識產權代理事務所 36122
• 代理人: 姚伯川

一種基于無人機的光伏組件圖像的故障分類及辨識方法，包括可見光和紅外航拍圖像的辨識；可見光圖像故障采用基于HSV閥值的圖像分割和形態學處理，檢測是否有EVA脫落和異物遮擋故障區域；紅外圖像故障基于檢測光伏組件“熱斑”現象進行分類辨識。所述方法步驟包括（1）獲取航拍圖像；（2）圖像分割；（3）形態學處理；（4）提取輪廓特征；（5）檢測故障區域。本發明針對光伏組件的航拍影像故障，提出了光伏組件的故障分類方法以及故障辨識特征，從而為無人機光伏巡檢故障智能識別提供辨識依據。本發明方法簡單、實用。

技術領域

本發明涉及一種基于無人機的光伏組件的圖像故障分類及辨識方法，屬航拍影像識別技術領域。

背景技術

光伏設備的安裝受地理環境影響，通常呈現雜亂性和分散性，使用人工對整個電站的設施進行全面具體的檢測，非常耗時耗力。而無人機具有高效、靈活、安全、低成本、航拍面積大等特點，應用于光伏電站巡檢非常具有優勢。無人機巡檢可以將故障定位到具體的組件串和組件上。目前，無人機對光伏電站組件巡檢主要采取搭載可見光、紅外設備對組件進行圖像采樣，再由工作人員對照片進行篩選、判斷故障類型，故障辨識的準確性，取決于員工的專業技術。雖然利用圖像處理等算法進行光伏組件故障的智能辨識也有了研究運用，但是主要集中在紅外圖像中。所以，對整個光伏組件故障類型的分類與辨識的技術指標研究十分有必要。

發明內容

本發明的目的是，針對無人機巡檢光伏組件圖像采樣后的圖像處理存在的問題，提出一種基于無人機的光伏組件圖像的故障分類及辨識方法，從而為無人機光伏巡檢故障智能識別提供辨識依據。

本發明實現的技術方案如下，一種基于無人機的光伏組件的故障分類及辨識方法，包括可見光和紅外航拍圖像的辨識；可見光圖像故障采用基于HSV閥值的圖像分割和形態學處理，檢測是否有EVA脫落和異物遮擋故障區域；紅外圖像故障基于檢測光伏組件“熱斑”現象進行分類辨識；辨識步驟如下：

（1）無人機進行可見光和紅外航拍，獲取航拍圖像；

（2）基于HSV閥值的圖像分割和形態學處理，檢測是否有EVA脫落和異物遮擋故障區域；

（3）若檢測到故障區域，按照第一類故障辨識方法，計算HSV三個分量，當HSV滿足灰白色三個分量閥值，則認定為EVA脫落，否則是異物遮擋；

（4）若未檢測到故障區域，則進入第（5）步；

（5）基于HSV空間的圖像分割和直線檢測算法，檢測是否有組件裂紋區域；若存在則判斷存在組件裂紋故障，如不存在，則組件正常；

（6）對紅外照片進行分析，針對存在熱斑現象的區域，查看相同位置的可見光照片，如果對應的可見光照片存在異物遮擋，則光伏組件故障辨識為異物遮擋，如果不存在異物遮擋，則判斷為紅外圖像第二類故障，即電池本身內部缺陷。

所述可見光圖像故障分為兩類，第一類故障是EVA脫落和異物遮擋，第二類故障是光伏組件碎裂；

所述第一類故障采用HSV空間圖像分割和形態學處理算法；第二列故障采用HSV空間圖像分割和直線檢測算法；

EVA脫落故障區域HSV分量表現為灰白色特點；而異物故障區域HSV三個分量值標準差很大，所以在檢測到故障區域后，采用排除法判定，如果不屬于EVA脫落，則判定為異物遮擋；

第二類故障組件裂紋采用HSV空間圖像分割和霍夫直線檢測法；組件裂紋的圖像呈現為灰度值很高的白色，容易與光伏組件的柵線混淆，所以采用霍夫直線檢測消除光伏組件的柵線影響；再根據提取出的故障區域判斷輪廓特征是否滿足分散性，確定是否為組件裂紋故障。