一种光伏电板红外图像掉串检测方法和系统与流程

计算;推算;计数设备的制造及其应用技术1.本发明涉及光伏发电领域，特别涉及一种光伏电板红外图像掉串检测方法和系统。背景技术：2.作为清洁能源，光伏发电在电力领域愈显独特。近年来，越来越多的太阳能光伏组件被用于光伏电站。由于长时间露天工作，受电站内环境甚至强风、冰雹等自然灾害的影响，太阳能电池板不可避免地会出现故障，甚至出现整体掉串的情况。如何自动检测太阳能电池板组件掉串对于发电效率的提升、保障电站安全显得尤为关键。3.太阳能电池板的发热特性在热成像图像中清晰可见，使得使用热成像图像更容易检测光伏电板上组件的故障。当光伏电板上出现组件掉串时，掉串区域的组件的温度较高。基于此，可将掉串组件与正常组件区分出来。由于掉串故障的特殊性，较难使用深度学习等方法将掉串故障检测出来。目前，检测掉串故障大多采用人工检测方法，费事费力。技术实现要素：4.为了解决现有问题，本发明提供了一种光伏电板红外图像掉串检测方法和系统，具体方案如下：5.一种光伏电板红外图像掉串检测方法，包括以下步骤：6.s1，采集光伏组件的红外图像；7.s2，利用图像分割技术将步骤s1中获取的红外图像中的每一个小光伏组件分割出来；8.s3，计算步骤s2分割出的每个所述小光伏组件区域所有像素在g通道的像素灰度均值，以所述灰度均值代表该小光伏组件区域的整体灰度值分布情况；9.s4，设定g通道的像素灰度阈值，根据步骤s3计算出的灰度均值与所述灰度阈值的比较，判断所述小光伏组件是否为掉串组件；10.s5，将所述掉串组件的边缘进行合并，得到掉串区域；11.s6，对掉串区域进行试验验证；12.s7，输出掉串识别结果并显示。13.优选的，所述步骤s1中利用无人机搭载红外相机进行红外图像采集。14.优选的，所述步骤s3中小光伏组件i的g通道像素灰度值均值为：[0015][0016]其中一小光伏组件的标号为i，其所在图像中的像素区域为ωi，红外图像g通道图像为i，(x,y)为图像i某一像素坐标，|ωi|为像素区域ωi中像素的个数。[0017]优选的，步骤s4中设定g通道像素灰度阈值为200，当所述灰度均值大于200时，判定该所述小光伏组件为掉串组件，若所述灰度均值小于200时，判定所述小光伏组件为非掉串组件。[0018]优选的，所述步骤s5得到所述掉串区域的步骤包括：[0019]s51，利用opencv中的findcontours函数将分割后的所述小光伏组件的边缘进行识别并框出，[0020]s52，根据步骤s4中识别出所述掉串组件，排除非掉串组件的边缘，保留掉串组件的边缘；[0021]s53，将所述掉串组件边缘框的重合部分去除，仅保留掉串组件区域的外部边框，即以一个大的矩形框将掉串区域框出。[0022]优选的，所述步骤s6的试验验证步骤包括：[0023]s61，若红外图像中分割的小光伏组件满足掉串判断条件的个数小于等于3个，则判断该图像为非掉串故障图像；[0024]s62，检查判断为掉串组件的编号是否连续，以分析其在图像中的区域是否连续，若判断为掉串的小组件在红外图像中零散分布，则判断该图像为非掉串故障图像；[0025]s63，若光伏电板红外图像整体灰度值较大，因为反光原因造成，则容易将图像中的所有小光伏组件判断为掉串，此时，应分别计算掉串组件g通道灰度均值和非掉串组件g通道灰度均值，并计算两者之间的差值，若差值小于20个像素，则判断该图像为非掉串故障图像。[0026]本发明还揭示了一种计算机可读存储介质，介质上存有计算机程序，计算机程序运行后，执行上述光伏电板红外图像掉串检测方法。[0027]本发明还揭示了一种计算机系统，包括处理器、存储介质，存储介质上存有计算机程序，处理器从存储介质上读取并运行计算机程序以执行上述光伏电板红外图像掉串检测方法。[0028]优选的，一种光伏电板红外图像掉串检测方法的系统，包括依次电性连接的数据采集模块、数据传输模块、数据存储模块、数据处理模块以及数据显示模块；[0029]所述数据采集模块为搭载无人机的红外相机，用于采集光伏组件的红外图像；[0030]所述数据传输模块用于将所述红外相机采集到的红外图像数据传输至所述数据存储模块；[0031]所述数据存储模块用于存储所述红外相机采集到的红外图像数据；[0032]所述数据处理模块用于将所述数据存储器模块中的红外图像数据进行分析处理并验证后上传至所述数据显示模块；[0033]所述数据显示模块用于显示掉串识别结果。[0034]本发明的有益效果在于：[0035]本发明通过图像处理的手段对光伏电板红外图像进行掉串故障检测，能够避免因掉串带来的能源浪费和危险事故的发生。与深度学习等识别方法相比，该算法具有简单性、实时性以及实用性等特点，从而减少人工检测带来的时间上的浪费和资金上的消耗。该算法的最大特点是依据掉串区域和非掉串区域在g通道的灰度值差异这一先验知识进行的，因此算法具有很大的简洁性，其实现过程简单，并且识别效果良好，因此该算法的最大优点在于其可行性和实用性。附图说明[0036]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。[0037]图1为本发明的方法流程图。具体实施方式[0038]为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。[0039]对于光伏电板的红外图像，通常从其灰度图像以及rgb三通道图像的角度加以分析。对于红外图像的r通道的图像，所有组件区域的灰度值均很大，则掉串组件和非掉串组件难以区分；对于红外图像的b通道图像，所有组件区域的灰度值均很小，掉串组件的灰度值已经趋向于零，虽然掉串组件相比于非掉串组件具有较大的灰度值，但是仍然难以将掉串组件和非掉串组件区分出来；因此，排除红外图像的r通道图像和b通道图像作为识别掉串故障的参考图像。[0040]在光伏电板红外图像中，掉串组件和非掉串组件在g通道图像中的像素灰度值具有很大差异。因此，可将红外图像中的掉串组件分离出来，以达到检测光伏电板掉串故障的目的。[0041]光伏电板红外图像中掉串组件和非掉串组件之间的直观的、本质的差异在于其温度上的差异，但是温度差异造成的数值差异过小，因此利用温度上的差异设置阈值识别红外图像中的掉串组件区域是不符合实际的。红外图像中的掉串组件和非掉串组件温度上的差异反映在图像中为灰度值的差异，而灰度值数值差异很大，因此利用掉串区域和非掉串区域巨大的灰度值的差异设定阈值识别掉串故障组件和区域是恰当的，并且是符合实际的。[0042]如图1，一种光伏电板红外图像掉串检测方法，包括以下步骤：[0043]s1，利用无人机搭载红外相机采集光伏组件的红外图像；[0044]s2，利用图像分割技术，可利用图像处理或深度学习的方法进行图像的分割，将步骤s1中获取的红外图像中的每一个小光伏组件分割出来；[0045]s3，计算步骤s2分割出的每个小光伏组件区域所有像素在g通道的像素灰度均值，以灰度均值代表该小光伏组件区域的整体灰度值分布情况；[0046]小光伏组件i的g通道像素灰度值均值为：[0047][0048]其中一小光伏组件的标号为i，其所在图像中的像素区域为ωi，红外图像g通道图像为i，(x,y)为图像i某一像素坐标，|ωi|为像素区域ωi中像素的个数。[0049]s4，设定g通道的像素灰度阈值，根据步骤s3计算出的灰度均值与灰度阈值的比较，判断小光伏组件是否为掉串组件；设定g通道像素灰度阈值为200，当灰度均值大于200时，判定该小光伏组件为掉串组件，若灰度均值小于200时，判定小光伏组件为非掉串组件。[0050]灰度阈值的设定，是通过对分割出来的所有小组件的g通道灰度值均值进行统计后得到的。掉串组件g通道灰度均值在220-240左右，非掉串组件g通道灰度值均值在140-150左右，这个数值要远低于200，故两者之间的差值在60-80左右。为了将某些偏差的情况包括进去，故以灰度值200为界，组件g通道灰度值均值大于200则视为掉串组件，组件g通道灰度值均值小于200则视为非掉串组件。[0051]s5，将掉串组件的边缘进行合并，得到掉串区域；[0052]其中，得到掉串区域的步骤包括：[0053]s51，利用opencv中的findcontours函数将分割后的小光伏组件的边缘进行识别并框出，[0054]s52，根据步骤s4中识别出掉串组件，排除非掉串组件的边缘，保留掉串组件的边缘；[0055]s53，将掉串组件边缘框的重合部分去除，仅保留掉串组件区域的外部边框，即以一个大的矩形框将掉串区域框出。[0056]s6，对掉串区域进行试验验证；其中，试验验证步骤包括：[0057]s61，若红外图像中分割的小光伏组件满足掉串判断条件的个数小于等于3个，则判断该图像为非掉串故障图像；[0058]s62，检查判断为掉串组件的编号是否连续，以分析其在图像中的区域是否连续，若判断为掉串的小组件在红外图像中零散分布，则判断该图像为非掉串故障图像；[0059]s63，若光伏电板红外图像整体灰度值较大，因为反光原因造成，则容易将图像中的所有小光伏组件判断为掉串，此时，应分别计算掉串组件g通道灰度均值和非掉串组件g通道灰度均值，并计算两者之间的差值，若差值小于20个像素，则判断该图像为非掉串故障图像。[0060]s7，输出掉串识别结果并显示。[0061]一种光伏电板红外图像掉串检测方法的系统，包括依次电性连接的数据采集模块、数据传输模块、数据存储模块、数据处理模块以及数据显示模块。[0062]数据采集模块为搭载无人机的红外相机，用于采集光伏组件的红外图像。[0063]数据传输模块用于将红外相机采集到的红外图像数据传输至数据存储模块。[0064]数据存储模块用于存储红外相机采集到的红外图像数据。[0065]数据处理模块用于将数据存储器模块中的红外图像数据进行分析处理并验证后上传至数据显示模块。[0066]数据显示模块用于显示掉串识别结果。[0067]本发明还揭示了一种计算机可读存储介质，介质上存有计算机程序，计算机程序运行后，执行上述的光伏电板红外图像掉串检测方法。[0068]本发明还揭示了一种计算机系统，包括处理器、存储介质，存储介质上存有计算机程序，处理器从存储介质上读取并运行计算机程序以执行上述的光伏电板红外图像掉串检测方法。[0069]本发明通过图像处理的手段对光伏电板红外图像进行掉串故障检测，能够避免因掉串带来的能源浪费和危险事故的发生。与深度学习等识别方法相比，该算法具有简单性、实时性以及实用性等特点，从而减少人工检测带来的时间上的浪费和资金上的消耗。该算法的最大特点是依据掉串区域和非掉串区域在g通道的灰度值差异这一先验知识进行的，因此算法具有很大的简洁性，其实现过程简单，并且识别效果良好，因此该算法的最大有点在于其可行性和实用性。[0070]本领域技术人员将进一步领会，结合本文中所公开的实施例来描述的各种解说性逻辑板块、模块、电路、和算法步骤可实现为电子硬件、计算机软件、或这两者的组合。为清楚地解说硬件与软件的这一可互换性，各种解说性组件、框、模块、电路、和步骤在上面是以其功能性的形式作一般化描述的。此类功能性是被实现为硬件还是软件取决于具体应用和施加于整体系统的设计约束。技术人员对于每种特定应用可用不同的方式来实现所描述的功能性，但这样的实现决策不应被解读成导致脱离了本发明的范围。[0071]结合本文所公开的实施例描述的各种解说性逻辑板块、模块、和电路可用通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或其它可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其设计成执行本文所描述功能的任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，该处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实现为计算设备的组合，例如dsp与微处理器的组合、多个微处理器、与dsp核心协作的一个或多个微处理器、或任何其他此类配置。[0072]结合本文中公开的实施例描述的方法或算法的步骤可直接在硬件中、在由处理器执行的软件模块中或在这两者的组合中体现。软件模块可驻留在ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移动盘、cd-rom、或本领域中所知的任何其他形式的存储介质中。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介质读取和写入信息。在替换方案中，存储介质可以被整合到处理器。处理器和存储介质可驻留在asic中。asic可驻留在用户终端中。在替换方案中，处理器和存储介质可作为分立组件驻留在用户终端中。[0073]在一个或多个示例性实施例中，所描述的功能可在硬件、软件、固件或其任何组合中实现。如果在软件中实现为计算机程序产品，则各功能可以作为一条或更多条指令或代码存储在计算机可读介质上或藉其进行传送。计算机可读介质包括计算机存储介质和通信介质两者，其包括促成计算机程序从一地向另一地转移的任何介质。存储介质可以是能被计算机访问的任何可用介质。作为示例而非限定，这样的计算机可读介质可包括ram、rom、eeprom、cd-rom或其它光盘存储、磁盘存储或其它磁存储设备、或能被用来携带或存储指令或数据结构形式的合意程序代码且能被计算机访问的任何其它介质。任何连接也被正当地称为计算机可读介质。例如，如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(dsl)、或诸如红外、无线电、以及微波之类的无线技术从web网站、服务器、或其它远程源传送而来，则该同轴电缆、光纤电缆、双绞线、dsl、或诸如红外、无线电、以及微波之类的无线技术就被包括在介质的定义之中。如本文中所使用的盘(disk)和碟(disc)包括压缩碟(cd)、激光碟、光碟、数字多用碟(dvd)、软盘和蓝光碟，其中盘(disk)往往以磁的方式再现数据，而碟(disc)用激光以光学方式再现数据。上述的组合也应被包括在计算机可读介质的范围内。[0074]提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。[0075]尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!