[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

本發明提供了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，該方法包括：對無人機采集到的光伏電池板圖像進行關鍵點的提取，根據關鍵點得到多個柵格區域，統計每個柵格區域中像素點的數量，基于多個像素點的數量得到重構圖像，對重構圖像進行分析，判斷電池板是否異常，若異常，則判斷對應的形變等級；獲取異常電池板的板材類型、形變等級以及異常電池板對應的歷史風向和風速數據，根據風向和風速數據計算得到風力數據；以板材類型和時序上的風力數據為訓練數據集，形變等級為訓練標簽，訓練時間卷積網絡，訓練完成后，將板材類型和時序上的風力數據輸入時間卷積網絡，即可得到預測形變等級。本發明形變檢測速度快，省時省力。

技術領域

本發明涉及人工智能、計算機視覺和光伏電池組件故障檢測技術領域，尤其涉及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。

背景技術

光伏電池組件在受到外力作用下可能會出現光伏電池組件形變等問題，而形變有可能導致組件內部產生電池片隱裂、裂片等一系列會影響光伏電池組件發電效率的問題。而光伏電池板受壓后的變形較小，僅靠肉眼無法準確可靠的判斷出光伏電池板是否發生形變。

發明內容

為了解決上述問題，本發明提出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，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。

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。

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。

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。