【技术实现步骤摘要】
基于人工智能的光伏电池板损坏风险程度检测方法
本专利技术涉及人工智能、计算机视觉领域，尤其是一种基于人工智能的光伏电池板损坏风险程度检测方法。
技术介绍
光伏电池板经过焊接密封后一般在恶劣的气候环境下使用，外在应变力以及环境因素很容易导致电池板密封失效。电池板边框封装失效时电池板边缘会出现气泡或者局部变色现象，均表现为电池板表面边框颜色发生变化。电池板密封失效范围较大时会引起电池板内部隐裂、电池板内部铝边框腐蚀等问题出现，进而造成电池板损坏，输出功率下降，带来电站整体发电量下降等问题。对于光伏电池板损坏风险程度的检测目前主要依靠人为目测根据以往经验判断，仅依靠人为检测不仅需要耗费大量劳动力，而且存在准确性不高、实时性差以及效率低等问题，容易出现误检漏检等现象。
技术实现思路
为了解决上述问题，本专利技术提出一种基于人工智能的光伏电池板损坏风险程度检测方法，该方法包括：步骤一，利用相机采集光伏电池板图像，并对光伏电池板图像进行预处理，预处理后进行ROI区域的设置；步骤二，对光伏电池板图像中的...
【技术保护点】
1.一种基于人工智能的光伏电池板损坏风险程度检测方法，其特征在于，该方法包括：/n步骤一，利用相机采集光伏电池板图像，并对光伏电池板图像进行预处理，预处理后进行ROI区域的设置；/n步骤二，对光伏电池板图像中的ROI区域进行语义感知，得到感知效果图；对感知效果图进行变色区域的连通域分析，将每个连通域中的像素相加，得到像素和；/n步骤三，构建隐裂风险模型和损坏风险程度模型，其中，隐裂风险模型用于根据像素和对光伏电池板的隐裂风险进行分析，损坏风险程度模型用于根据隐裂风险对光伏电池板的损坏风险程度进行分析。/n
【技术特征摘要】
1.一种基于人工智能的光伏电池板损坏风险程度检测方法，其特征在于，该方法包括：
步骤一，利用相机采集光伏电池板图像，并对光伏电池板图像进行预处理，预处理后进行ROI区域的设置；
步骤二，对光伏电池板图像中的ROI区域进行语义感知，得到感知效果图；对感知效果图进行变色区域的连通域分析，将每个连通域中的像素相加，得到像素和；
步骤三，构建隐裂风险模型和损坏风险程度模型，其中，隐裂风险模型用于根据像素和对光伏电池板的隐裂风险进行分析，损坏风险程度模型用于根据隐裂风险对光伏电池板的损坏风险程度进行分析。
2.如权利要求1所述的方法，其特征在于，所述相机为轨道相机，安装在光伏电池板一侧的轨道上。
3.如权利要求1所述的方法，其特征在于，所述预处理包括去噪处理、光照均匀化处理、图像增强处理。
4.如权利...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。