[發明專利]一種基于人工智能的光伏電池板粗柵檢測方法

在審

• 申請號: 202011466964.7
• 申請日: 2020-12-14
• 公開（公告）號: CN112561875A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 孫猛猛;夏永霞
• 申請（專利權）人: 孫猛猛
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T7/62;G06T7/73;G06K9/46;G06K9/62;G06T5/00;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于人工智能的光伏電池板粗柵檢測方法，其特征在于，該方法包括：

步驟S1：通過相機采集光伏電池板的原始圖像，通過電池板檢測網絡檢測原始圖像中光伏電池板區域，輸出電池板圖像；對光伏電池板圖像進行二值化處理，再進行開運算，得到二值圖像；

步驟S2：將二值圖像中灰度值非零的像素由圖像坐標空間轉換到霍夫參數空間中，所述霍夫參數空間橫坐標為m，縱坐標為b，針對霍夫參數空間中所有直線交點，統計經過每個交點的直線數量a并篩選出待測點；

步驟S3：根據待測點之間的距離匹配待測點，得到待測點集合；計算集合中待測點在圖像坐標空間中對應直線的最大間距l_max，針對任意兩個待測點集合對應的l_max相乘得到面積s，根據面積s和電池板圖像面積s′的接近度判斷待測點集合是否為主柵點集合，輸出主柵點集合；

步驟S4：將主柵點集合中點設為主柵點，其余待測點設為離群點，根據離群點的m坐標與主柵點的m坐標是否一致判斷離群點是否為粗柵點，將粗柵點變換到圖像坐標空間中獲得粗柵的位置。

2.如權利要求1所述的方法，其特征在于，所述電池板網絡的訓練方法包括：

以若干張原始圖像為數據集；

人工對數據集進行標注，標注出光伏電池板區域的包圍框，生成標注數據；

使用均方誤差損失函數進行訓練。

3.如權利要求1所述的方法，其特征在于，所述統計經過每個交點的直線數量a并篩選出待測點包括：

設置數量閾值β，當a≥β時，判定該交點為待測點；當a＜β時，判定該交點不是待測點。

4.如權利要求1所述的方法，其特征在于，所述根據待測點之間的距離匹配待測點，得到待測點集合包括：

步驟S301：針對任意兩個m坐標相同的待測點p₁、p₂組成待測點集合g，將線段p₁p₂的長度設為最小距離d_min；

步驟S302：選擇不屬于g的一待測點p₃，計算p₁p₃的長度d₁，p₂p₃的長度d₂；

若和都為正整數且p₃的m坐標與p₁、p₂相等時，將p₃加入待測點集合g；否則，不將p₃加入待測點集合g；

步驟S303：重復步驟S302直到遍歷完所有待測點，輸出待測點集合g。

5.如權利要求1所述的方法，其特征在于，所述判斷待測點集合是否為主柵點集合的方法包括：

將一個待測點集合中待測點轉換到圖像坐標空間中，得到若干條待測直線，計算兩兩待測直線的間距l，選擇最大的l作為待測點集合對應的l_max；

針對任意兩個m坐標不同的待測點集合g′、g″，計算得到g′對應的l′_max、g″對應的l″_max，根據s＝l′_max×l″_max得到面積s，計算電池板圖像的面積s′；

設置經驗閾值，當s′-s≥γ時，判定這兩個待測點集合不是主柵點集合；當s′-s＜γ時，判定這兩個待測點集合是一對待定主柵點集合；

統計各對待定主柵點集合包含主柵點的總個數d，將d最大的一對主柵點集合設為主柵點集合，主柵點集合中待測點設為主柵點。

6.如權利要求1所述的方法，其特征在于，所述根據離群點的m坐標與主柵點的m坐標是否一致判斷離群點是否為粗柵點包括：

將離群點的m坐標值和主柵點集合中主柵點的m坐標值進行對比，若m坐標值一致，判定該離群點為粗柵點；若m坐標值不一致，判定該離群點為非粗柵點。