[發明專利]基于SeFa和人工智能的光伏軌道相機果凍效應分析方法

在審

• 申請號: 202011059811.0
• 申請日: 2020-09-30
• 公開（公告）號: CN112132835A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 曾忠英;邵傳宏
• 申請（專利權）人: 曾忠英
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T7/136;G06T7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供了一種基于SeFa和人工智能的光伏軌道相機果凍效應分析方法，該方法包括：對采集到的光伏電池板圖像進行處理得到語義分割圖，逐行對語義分割圖中的電池板柵線像素點進行統計，得到多個統計值，根據多個統計值和柵線的條數判斷是否存在部分曝光情況；利用搜索算法將語義分割圖中的電池板柵線像素點分到多個集合中；獲取語義分割圖中電池板柵線像素點的位置坐標，基于集合和坐標對柵線像素點進行擬合，得到擬合柵線；根據每個集合中柵線像素點到擬合柵線之間的距離和判斷是否存在搖擺不定情況；根據擬合柵線的斜率判斷是否存在傾斜情況。本發明可以判斷異常圖像具體屬于果凍效應中部分曝光、搖擺不定、傾斜三種情況中的哪一種。

技術領域

本發明涉及人工智能、圖像處理領域，尤其是一種基于SeFa和人工智能的光伏軌道相機果凍效應分析方法。

背景技術

智慧光伏電站目前多采用軌道相機進行光伏電池組件圖像的采集以代替人工方式。軌道相機在移動拍攝的過程中，會產生共振導致相機抖動，拍攝出的圖像也會存在果凍效應。

現有技術多是對產生的圖像進行矯正，但沒有對圖像中的果凍效應進行分析，判斷異常圖像屬于果凍效應的哪一種情況。

發明內容

為了解決上述問題，本發明提出一種基于SeFa和人工智能的光伏軌道相機果凍效應分析方法，該方法包括：

步驟一，利用軌道相機采集光伏電池板的RGB圖像，將RGB圖像送入語義分割網絡，輸出光伏面板的第一語義分割圖；第一語義分割圖中像素點的類別包括光伏電池板、電池板柵線、其他無關項；

步驟二，根據采集到的光伏電池板的RGB圖像的分辨率得到第一語義分割圖的圖像高度H，將第一語義分割圖劃分為H行，并依次為每一行標記序號，逐行進行電池板柵線像素點的統計，得到第一統計值h_j，j為第一語義分割圖中某一行對應的序號，取值范圍為[1,H]，設置閾值M₁，當h_j≥M₁時，認為該行為橫向電池板柵線，將該行像素點的像素值置為光伏電池板的像素值，得到第二語義分割圖；

步驟三，對第二語義分割圖逐行進行電池板柵線像素點的統計，得到第二統計值g_j，基于投票機制根據得到的多個第二統計值，得到光伏電池板縱向柵線的條數w，根據g_j和w判斷光伏電池板的RGB圖像中是否存在果凍效應中的部分曝光情況；

步驟四，利用搜索算法將第二語義分割圖中的電池板柵線像素點分到w個集合中；并將第二語義分割圖送入柵線提取網絡，得到第二語義分割圖中電池板柵線像素點的位置坐標，基于w個集合和位置坐標，利用擬合算法對每個集合中的電池板柵線像素點進行擬合，得到多條擬合柵線；

對于每個集合：計算集合中所有電池板柵線像素點與該集合對應的擬合柵線之間的距離之和D，根據距離之和D判斷光伏電池板的RGB圖像中是否存在果凍效應中的搖擺不定情況；

步驟五，對軌道相機采集的第一幀光伏電池板的RGB圖像進行處理后得到第一幀圖像中擬合柵線的標準斜率；計算第一幀之后某一幀RGB圖像中每條擬合柵線的斜率，根據每條擬合柵線的斜率與標準斜率判斷光伏電池板的RGB圖像中是否存在果凍效應中的傾斜情況。

由基于SeFa方法的GAN網絡生成的光伏電池板圖像構建語義分割網絡的訓練數據集。

第二語義分割圖中包括縱向的電池板柵線。

所述投票機制具體為：當得到的多個第二統計值中超過50％的第二統計值為同一數值時，該數值為條數w。