[發明專利]一種基于Swin Transformer的光伏板異物檢測與清潔方法在審
| 申請號: | 202310362424.1 | 申請日: | 2023-04-06 |
| 公開(公告)號: | CN116388669A | 公開(公告)日: | 2023-07-04 |
| 發明(設計)人: | 馬宗方;麻瑞;張國飛;王雨萌 | 申請(專利權)人: | 西安建筑科技大學 |
| 主分類號: | H02S40/10 | 分類號: | H02S40/10;H02S50/00;H02S50/15;B08B3/02;B08B3/08;B08B13/00;G01N21/94;G06V20/10;G06V10/22;G06V10/774;G06V10/82;G06V10/10;G06N3/0464;G06N3/08 |
| 代理公司: | 西安智大知識產權代理事務所 61215 | 代理人: | 王晶 |
| 地址: | 710055*** | 國省代碼: | 陜西;61 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 swin transformer 光伏板 異物 檢測 清潔 方法 | ||
1.一種基于Swin?Transformer的光伏板異物檢測與清潔方法,其特征在于,包括以下步驟;
S1:機器人自動規劃路徑巡檢光伏板基地,通過高分辨率攝像機采集光伏板圖像;
S2:采用Swin?Transformer目標檢測算法精準定位圖像中附著在光伏板上的污染物,得到污染物的中心坐標;
S3:激光測距儀發射激光,調整激光斑點到圖像中污染物的中心坐標處,得到機器人到污染物的距離L;
S4:讀取激光測距儀上姿態傳感器的姿態數據P2,將機器人上高壓噴槍的姿態數據設置為P2,進而根據污染物的大小和距離調整高壓噴槍的伸縮桿長度和壓力;
S5:啟動機器人的清潔程序,在清潔過程中實時監測污染物的狀態,當檢測不到污染物時停止清潔程度,完成清潔。
2.根據權利要求1所述的一種基于Swin?Transformer的光伏板異物檢測與清潔方法,其特征在于,所述步驟S1中,將機器人置于光伏板基地中,機器人根據光伏板基地的BIM模型,自動規劃路徑在基地中進行巡檢工作,未發現異物時按照規劃路徑巡檢,發現異物時停止巡檢進行清潔,清潔結束之后繼續按照規劃路徑進行巡檢;
所述機器人上包括高清攝像機、激光測距儀以及高壓噴槍,高清攝像機、激光測距儀以及高壓噴槍位于機器人的中心軸上,均配有姿態傳感器并且能夠360°調整姿態,當其進入光伏板基地時,調整高清攝像機的姿態直到視野中能夠完整看到光伏板組件,在巡檢過程中通過高清攝像機不斷采集光伏板圖像。
3.根據權利要求1所述的一種基于Swin?Transformer的光伏板異物檢測與清潔方法,其特征在于,所述S2步驟中,所述采用Swin?Transformer算法檢測光伏板異物的過程包括如下步驟:
S21、采集大量光伏板圖像,對圖像數據進行整理和人工標注;
S22、數據預處理,采取Mosaic數據增強方法對數據集進行擴充,對擴充后的數據集進行劃分,得到訓練集、驗證集、測試集;
S23、將訓練集輸入Swin?Transformer目標檢測網絡訓練模型,該模型的主干網絡為層次化結構,包含四個Stage,每個Stage都會縮小輸入特征圖的分辨率,在網絡輸入時,PatchPartition操作將圖像切成一個個圖塊,再通過Linear?Embedding操作將圖塊投影為嵌入向量,然后經過4個Stage處理,在每個Stage里,由Patch?Merging和偶數個Block組成,其中,Patch?Merging操作主要是在每個Stage一開始降低圖片分辨率,Block結構包括LayerNorm,MLP,Window?Attention和Shifted?Window?Attention,其中Layer?Norm是歸一化層,MLP是多層感知機,Window?Attention是基于窗口的自注意力模塊,Shifted?WindowAttention是基于移動窗口的自注意力模塊;
S24、將步驟S1中采集的圖像輸入到模型檢測異物,計算異物的中心坐標。
4.根據權利要求3所述的一種基于Swin?Transformer的光伏板異物檢測與清潔方法,其特征在于,所述步驟S21中,在光伏板基地使用高清相機、GoPro獲取光伏板上附著異物的視頻數據,選取視頻數據中的有效幀保存成圖像,對原始圖像進行人工標注,標注文件格式為TXT文件格式,TXT文件中包含異物類別和位置。
5.根據權利要求3所述的一種基于Swin?Transformer的光伏板異物檢測與清潔方法,其特征在于,所述步驟S22中,所述數據集是在光伏板基地調研時實地采集的圖像數據,經整理后得到原始數據集,采取Mosaic數據增強方法對原始數據集進行擴充,Mosaic增強的主要過程有如下步驟:
S221:從數據集中每次隨機讀取4張圖像;
S222::分別對4張圖像進行翻轉、縮放、色域變化、裁剪操作;
S223:進行圖像的組合和標簽文件(TXT文件)的組合。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于西安建筑科技大學,未經西安建筑科技大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202310362424.1/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種礦山地壓監測裝置及方法
- 下一篇:一種注塑機防護裝置及使用方法
- 基于Transformer+LSTM神經網絡模型的商品銷量預測方法及裝置
- 一種基于Transformer模型自然場景文字識別方法
- 一種深度Transformer級聯神經網絡模型壓縮算法
- 點云分割方法、系統、介質、計算機設備、終端及應用
- 基于Transformer的中文智能對話方法
- 一種基于改進Transformer模型的飛行器故障診斷方法和系統
- 一種基于Transformer模型的機器翻譯模型優化方法
- 基于Transformer和增強交互型MPNN神經網絡的小分子表示學習方法
- 基于U-Transformer多層次特征重構的異常檢測方法及系統
- 基于EfficientDet和Transformer的航空圖像中的飛機檢測方法





