基于人工智能的光伏电板腐蚀速度分析方法与系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种基于人工智能的光伏电板腐蚀速度分析方法与系统。该方法利用图像采集设备采集光伏电板的背板图像；将背板图像送入神经网络检测鼓包区域，获取鼓包区域面积；当鼓包区域面积大于鼓包面积阈值时，提取鼓包区域的ROI区域图像；将ROI区域图像进行阈值分割得到二值图像；当由二值图像得到的边缘处的老化像素和ROI区域图像的周长的比值大于比值阈值时，反馈调节ROI区域图像,获取EVA老化区域面积；根据EVA老化区域面积、光伏电板的背板温度和湿度得到EVA老化程度；通过分析鼓包区域面积和老化程度对光伏电板的腐蚀速度进行评估，便于工作人员及时采取有效措施，防止因腐蚀程度过大导致发电量下降或电板失效等问题。发电量下降或电板失效等问题。发电量下降或电板失效等问题。

【技术实现步骤摘要】
基于人工智能的光伏电板腐蚀速度分析方法与系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的光伏电板腐蚀速度分析方法与系统。

技术介绍

[0002]太阳能电池板主要包括钢化玻璃、EVA、电池片、电板、背板、铝合金及硅胶等，背板是光伏组件主要的防护材料。由于太阳能电池板长时间暴露在外面，所以在使用过程中会出现鼓包、开裂、脱层等缺陷现象，不仅导致电池板的外观受到影响，而且会降低电池板的防水性能。
[0003]当背板出现大面积鼓包等缺陷现象时，鼓包区域将受到环境腐蚀，导致EVA迅速老化破裂，进而会影响接线盒的导电效率，导致光伏组件腐蚀，甚至会造成光伏组件失效报废。目前，本领域的技术人员都是通过检测电池板的背板是否存在鼓包、开裂、脱层等缺陷，进一步判断电池板的防水性能。
[0004]专利技术人在实践中，发现上述现有技术存在以下缺陷：现有技术手段根据电池板的缺陷能够判断电池板的老化程度，但是并不能根据电池板所出现的缺陷有针对性的判断电池板的腐蚀程度。

技术实现思路

[0005]为了解决上述技术问题，本专利技术的目的在于提供一种基于人工智能的光伏电板腐蚀速度分析方法与系统，所采用的技术方案具体如下：
[0006]第一方面，本专利技术一个实施例提供了一种基于人工智能的光伏电板腐蚀速度分析方法，该方法包括以下具体步骤：
[0007]利用图像采集设备采集光伏电板的背板图像；
[0008]将所述背板图像送入神经网络检测鼓包区域，获取鼓包区域面积；
[0009]当所述鼓包区域面积大于鼓包面积阈值时，提取所述鼓包区域的ROI区域图像；
[0010]将所述ROI区域图像进行阈值分割得到二值图像；
[0011]当由所述二值图像得到的边缘处的老化像素和所述ROI区域图像的周长的比值大于比值阈值时，反馈调节所述ROI区域图像,获取EVA老化区域面积；
[0012]根据所述EVA老化区域面积、所述光伏电板的背板温度和湿度得到EVA老化程度；
[0013]根据所述鼓包区域面积和所述EVA老化程度得到腐蚀速度，其中所述鼓包区域面积与所述腐蚀速度呈正相关关系，所述EVA老化程度与所述腐蚀速度呈正相关关系。
[0014]进一步地，所述根据所述EVA老化区域面积、所述光伏电板的背板温度和湿度得到EVA老化程度，是根据老化程度分析模型得到的，其中所述老化程度分析模型为：
[0015][0016]其中，σ表示所述EVA老化程度；S
E
为所述EVA老化区域面积；T
b
为所述背板温度；H为所述背板湿度；α为所述背板温度对EVA老化影响的权重值；β为所述背板湿度EVA老化影响
的权重值。
[0017]进一步地，所述鼓包区域的ROI区域图像是所述鼓包区域面积中最小的外接矩形所包围的图像。
[0018]进一步地，所述反馈调节所述ROI区域图像的方法，包括：
[0019]当所述比值小于所述比值阈值时，不调节所述ROI区域图像的大小；
[0020]当所述比值大于所述比值阈值时，通过给所述ROI区域图像的长宽均加上一个调整值，调节所述ROI区域图像的大小。
[0021]第二方面，本专利技术另一个实施例提供了一种基于人工智能的光伏电板腐蚀速度分析系统，该系统包括：
[0022]图像采集单元，用于利用图像采集设备采集光伏电板的背板图像；
[0023]神经网络单元，用于将所述背板图像送入神经网络检测鼓包区域，获取鼓包区域面积；
[0024]图像提取单元，用于当所述鼓包区域面积大于鼓包面积阈值时，提取所述鼓包区域的ROI区域图像；
[0025]图像分割单元，用于将所述ROI区域图像进行阈值分割得到二值图像；
[0026]面积获取单元，用于当由所述二值图像得到的边缘处的老化像素和所述ROI区域图像的周长的比值
[0027]大于比值阈值时，反馈调节所述ROI区域图像,获取EVA老化区域面积；
[0028]老化分析单元，用于根据所述EVA老化区域面积、所述光伏电板的背板温度和湿度得到EVA老化程度；
[0029]速度分析单元，用于根据所述鼓包区域面积和所述EVA老化程度得到腐蚀速度，其中所述鼓包区域面积与所述腐蚀速度呈正相关关系，所述EVA老化程度与所述腐蚀速度呈正相关关系。
[0030]进一步地，所述老化分析单元中所述根据所述EVA老化区域面积、所述光伏电板的背板温度和湿度得到EVA老化程度，是根据老化程度分析模型得到的,其中所述老化程度分析模型为：
[0031][0032]其中，σ表示所述EVA老化程度；S
E
为所述EVA老化区域面积；T
b
为所述背板温度；H为所述背板湿度；α为所述背板温度对EVA老化影响的权重值；β为所述背板湿度EVA老化影响的权重值。
[0033]进一步地，所述图像提取单元中所述鼓包区域的ROI区域图像是所述鼓包区域面积中最小的外接矩形所包围的图像。
[0034]进一步地，所述面积获取单元，包括：
[0035]第一调整单元，用于当所述比值小于所述比值阈值时，不调节所述ROI区域图像的大小；
[0036]第二调整单元，用于当所述比值大于所述比值阈值时，通过给所述ROI区域图像的长宽均加上一个调整值，调节所述ROI区域图像的大小。
[0037]本专利技术实施例中至少存在以下有益效果：通过分析鼓包区域面积和老化程度对光伏电板的腐蚀速度进行评估，便于工作人员及时采取有效的处理方式，防止因光伏电板腐
蚀程度过大导致发电量下降或光伏电板失效等问题。
附图说明
[0038]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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附图。
[0039]图1为本专利技术一个实施例所提供的一种基于人工智能的光伏电板腐蚀速度分析方法的流程图；
[0040]图2为本专利技术一个实施例所提供的一种基于人工智能的光伏电板腐蚀速度分析方法的步骤流程图；
[0041]图3为本专利技术另一个实施例所提供的一种基于人工智能的光伏电板腐蚀速度分析系统的结构框图；
[0042]图4为本专利技术实施例所提供的的关于面积获取单元的结构框图。
具体实施方式
[0043]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于人工智能的光伏电板腐蚀速度分析方法与系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0044]除非另有定义，本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的光伏电板腐蚀速度分析方法，其特征在于，该方法包括：利用图像采集设备采集光伏电板的背板图像；将所述背板图像送入神经网络检测鼓包区域，获取所述鼓包区域面积；当所述鼓包区域面积大于鼓包面积阈值时，提取所述鼓包区域的ROI区域图像；将所述ROI区域图像进行阈值分割得到二值图像；当由所述二值图像得到的边缘处的老化像素和所述ROI区域图像的周长的比值大于比值阈值时，反馈调节所述ROI区域图像,获取EVA老化区域面积；根据所述EVA老化区域面积、所述光伏电板的背板温度和湿度得到EVA老化程度；根据所述鼓包区域面积和所述EVA老化程度得到腐蚀速度，其中所述鼓包区域面积与所述腐蚀速度呈正相关关系，所述EVA老化程度与所述腐蚀速度呈正相关关系。2.如权利要求1所述的方法，其特征在于，所述根据所述EVA老化区域面积、所述光伏电板的背板温度和湿度得到EVA老化程度，是根据老化程度分析模型得到的，其中所述老化程度分析模型为：其中，σ表示所述EVA老化程度；S
E
为所述EVA老化区域面积；T
b
为所述背板温度；H为所述背板湿度；α为所述背板温度对EVA老化影响的权重值；β为所述背板湿度EVA老化影响的权重值。3.如权利要求1所述的方法，其特征在于，所述鼓包区域的ROI区域图像是所述鼓包区域面积中最小的外接矩形所包围的图像。4.如权利要求1所述的方法，其特征在于，所述反馈调节所述ROI区域图像的方法，包括：当所述比值小于所述比值阈值时，不调节所述ROI区域图像的大小；当所述比值大于所述比值阈值时，通过给所述ROI区域图像的长宽均加上一个调整值，调节所述ROI区域图像的大小。5.一种基于人工智能的光伏电板腐蚀速度分析系统，其特征在于，该系统包括：图像采集单元，用于利用图像采...

【专利技术属性】
技术研发人员：方猛，黄静，
申请(专利权)人：方猛，
类型：发明
国别省市：