[發明專利]基于圖像處理和多維度感知的光伏電池板形變預測方法

在審

• 申請號: 202011096073.7
• 申請日: 2020-10-14
• 公開（公告）號: CN112163551A
• 公開（公告）日: 2021-01-01
• 發明（設計）人: 黃振海;徐雙雙
• 申請（專利權）人: 黃振海
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06Q10/04;G06Q50/06;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于圖像處理和多維度感知的光伏電池板形變預測方法，其特征在于，該方法包括：

步驟一，利用無人機拍攝光伏電池板圖像，將采集到的光伏電池板圖像送入關鍵點提取網絡，得到光伏電池板的角點和柵線交點；

步驟二，根據光伏電池板的角點和柵線交點，基于預設規則，得到N個柵格集合，根據柵格集合得到柵格區域，為每個柵格區域標記序號并統計每個柵格區域中像素點的個數；

步驟三，結合柵格區域的序號，將每個柵格區域作為一個像素，得到重構圖像，重構圖像中像素的像素值為對應的柵格區域內像素點個數歸一化處理后得到的結果；設置ROI區域，從橫縱兩個方向對重構圖像中ROI區域進行分析，判斷光伏電池板是否異常；若光伏電池板存在異常，則進一步判斷異常光伏電池板對應的形變等級；

步驟四，獲取異常光伏電池板的板材類型、形變等級以及異常光伏電池板對應的歷史風向和風速數據，根據歷史風向和風速數據計算得到歷史風力數據；基于歷史風力數據、板材類型構建數據序列，以數據序列為訓練數據集，形變等級為訓練標簽，訓練時間卷積網絡，訓練完成后，將數據序列輸入時間卷積網絡，輸出為預測形變等級。

2.如權利要求1所述的方法，其特征在于，無人機上相機的光軸與光伏電池板垂直，且垂點為光伏電池板的中心點。

3.如權利要求1所述的方法，其特征在于，關鍵點提取網絡包括關鍵點提取編碼器和關鍵點提取解碼器，關鍵點提取編碼器的輸入為光伏電池板的RGB圖像，輸出為特征圖，關鍵點提取解碼器的輸入為特征圖，輸出為關鍵點熱圖，其中，關鍵點包括光伏電池板角點和柵線交點。

4.如權利要求3所述的方法，其特征在于，預設規則為：

(a)根據距離從關鍵點中選擇一個與圖像原點距離最近的點，將該點作為第一個柵格集合的基礎點；

(b)計算其他關鍵點與基礎點之間的距離，按照距離由小到大的順序選擇4個關鍵點，基礎點分別與4個關鍵點中的每個點相連得到4條直線，獲取4條直線的斜率，并計算任意兩條直線的斜率差的絕對值，當斜率差的絕對值大于等于閾值m₁時，將兩條直線進行平移，假設斜率差絕對值大于等于閾值m₁的兩條直線中包括的兩個關鍵點分別為點a、點b，基礎點為點o，則將直線oa平移至過點b，將直線ob平移至過點a，平移后兩條直線的交點為點c，計算點c與基礎點之間的距離，距離小于閾值m₂時，將點c歸于該柵格集合中；最終，第一個柵格集合中的點包括點o、點a、點b、點c；

(c)第一個柵格集合中的點分別作為其他柵格集合的基礎點，重復步驟(b)，得到其他柵格集合中包括的關鍵點，再將新得到的柵格集合中包括的點作為其他柵格集合基礎點，重復步驟(b)，直至得到所有柵格集合。

5.如權利要求1所述的方法，其特征在于，將每個柵格集合中包括的點分別沿順時針方向依次連接，得到多個柵格區域，統計每個柵格區域內像素點的數量C_i，i為柵格區域的序號，i的取值范圍為[1,N]。

6.如權利要求5所述的方法，其特征在于，所述歸一化處理是將C_i歸一化到[0,255]區間，具體地：

其中，C_Max為N個柵格區域對應的N個像素點數量中的最大值，[·]代表取最大整數值。

7.如權利要求1所述的方法，其特征在于，從橫縱兩個方向對重構圖像中ROI區域進行分析具體為：分別計算每一行、每一列中相鄰像素點像素值的差值絕對值，若存在一個差值絕對值大于閾值m₃，則認為光伏電池板異常。

8.如權利要求7所述的方法，其特征在于，所述形變級別的獲取方法為：將橫縱兩個方向上的所有差值絕對值相加，得到差值和，判斷差值和屬于哪個預先設置好的差值區間，差值區間對應的等級為形變等級。

9.如權利要求1所述的方法，其特征在于，風向和風速數據通過傳感器獲取。