基于人工智能光伏电池板玻璃破损发电量预测方法及系统技术方案

本发明专利技术提供一种基于人工智能光伏电池板玻璃破损发电量预测方法及系统，涉及人工智能领域；该方法包括采集待测光伏电池板的初始图像进行预处理，获取正视的光伏电池板图像并输入目标检测网络，输出破损图像及其类型；采用迭代运算确认阈值对破损图像进行二值化分析，获取玻璃破损缺陷的数量及面积；根据光伏电池板图像、破损图像、破损类型获取待测玻璃的透光率，并结合破损缺陷的面积、数量获取待测光伏电池板的有效辐射量；根据环境气候数据以及有效辐射量所建立的发电量预测模型求取该光伏电池板的发电量。本发明专利技术能够去除背景噪声，很好的突出玻璃缺陷区域的边界，减小检测结果的误差，根据破损程度对光伏电池板发电量做出准确的预测和评估。

【技术实现步骤摘要】
基于人工智能光伏电池板玻璃破损发电量预测方法及系统
本专利技术涉及人工智能领域，具体涉及一种基于人工智能光伏电池板玻璃破损发电量预测方法及系统。
技术介绍
玻璃板是光伏电池板的组件之一，主要用来封装和保护电池硅片。在光伏电池板工作过程中，玻璃直接与外界环境接触，受生产质量以及外界环境变化的影响，会因为外力撞击、温度变化等因素产生不同程度的破损缺陷，如玻璃划痕，碎裂等。玻璃破损容易使光伏组件的透光率下降，致使光伏电池板发电量出现不同程度下降，降低光伏电池板的长期可靠性。现有技术对玻璃的缺陷检测一般针对的是流水线上的检测，检测到破损等缺陷后，发出警报提示工作人员，不能根据破损程度对光伏电池板发电量的影响做出准确的预测和评估，进而了解光伏电池板的实际利用率。
技术实现思路
为了解决上述技术问题，本专利技术了提供一种基于人工智能光伏电池板玻璃破损发电量预测方法及系统，所采用的技术方案如下：第一方面，本专利技术实施例提供了一种基于人工智能光伏电池板玻璃破损发电量预测方法，该方法包含以下步骤：采集待测光伏电池板的初始图像；对初始图像进行预处理，并获取正视的光伏电池板图像；将光伏电池板图像输入目标检测网络，获取破损图像及其类型；获取每个破损图像的灰度平均值作为阈值分割破损图像，再对分割后的每个区域的灰度平均值继续求平均值获取新的阈值，若新的阈值满足迭代条件，则根据新阈值求二值化图像并进行连通域分析，获取玻璃破损缺陷的数量及面积；否则用当前阈值再次分割破损图像并进行迭代运算求取下一个新的阈值；根据光伏电池板图像、破损图像、破损类型以及完好玻璃的透光率获取待测玻璃的透光率，并结合破损缺陷的面积、数量以及由完好玻璃组成的光伏电池板的有效辐射量获取待测光伏电池板的有效辐射量；根据以环境温度、光照强度以及待测光伏电池板的有效辐射量所建立的发电量预测模型求取该光伏电池板的发电量。优选地，获取每个破损图像的灰度平均值是指破损图像中的最小和最大灰度值的平均值。优选地，玻璃的透光率σ′为：其中，γ为修正系数，∈i表示第i个破损类型的玻璃透光率的衰减系数，μi为第i个破损类型的破损图像的灰度平均值，μ为光伏电池板图像的灰度平均值，σ为完好玻璃的透光率，M表示破损类型的数量，αi为第i个破损类型对透光率衰减影响的权值。优选地，破损类型的数量为2，破损类型分为划痕以及碎裂。优选地，有效辐射量为：ζ0为由完好玻璃组成的光伏电池板的有效辐射量，N表示光伏电池板图像的破损数量，Lu为第u个破损区域的像素个数。第二方面，本专利技术实施例提供了一种基于人工智能光伏电池板玻璃破损发电量预测系统，包括：图像获取单元，用于采集待测光伏电池板的初始图像；发电量预测单元，包括图像预处理模块、破损检测模块、破损分析模块、有效辐射量获取模块、预测模型建立模块：图像预处理模块，用于对初始图像进行预处理，并获取正视的光伏电池板图像；破损检测模块，用于将光伏电池板图像输入目标检测网络，获取破损图像及其类型；破损分析模块，用于获取每个破损图像的灰度平均值作为阈值分割破损图像，再对分割后的每个区域的灰度平均值继续求平均值获取新的阈值，若新的阈值满足迭代条件，则根据新阈值求二值化图像并进行连通域分析，获取玻璃破损缺陷的数量及面积；否则用当前阈值再次分割破损图像并进行迭代运算求取下一个新的阈值；有效辐射量获取模块，用于根据光伏电池板图像、破损图像、破损类型以及完好玻璃的透光率获取待测玻璃的透光率，并结合破损缺陷的面积、数量以及由完好玻璃组成的光伏电池板的有效辐射量获取待测光伏电池板的有效辐射量；预测模型建立模块，用于根据以环境温度、光照强度以及待测光伏电池板的有效辐射量所建立的发电量预测模型求取该光伏电池板的发电量。进一步地，破损分析模块中，每个破损图像的灰度平均值是指破损图像中的最小和最大灰度值的平均值。进一步地，有效辐射量获取模块中，玻璃的透光率σ′为：其中，γ为修正系数，∈i表示第i个破损类型的玻璃透光率的衰减系数，μi为第i个破损类型的破损图像的灰度平均值，μ为光伏电池板图像的灰度平均值，σ为完好玻璃的透光率，M表示破损类型的数量，αi为第i个破损类型对透光率衰减影响的权值。进一步地，破损类型的数量为2，破损类型分为划痕以及碎裂。进一步地，有效辐射量获取模块中，有效辐射量为：是由完好玻璃组成的光伏电池板的有效辐射量，N表示光伏电池板图像的破损数量，Lu为第u个破损区域的像素个数。本专利技术实施例至少包含以下有益效果：本专利技术实施例根据光伏电池板图像、破损图像、破损类型获取玻璃的透光率，并结合破损缺陷的面积、数量获取待测光伏电池板的有效辐射量，增加预测量的准确性，减小了结果的误差；本专利技术实施例通过迭代运算确认阈值对破损图像进行二值化分析，去除背景噪声，很好的突出玻璃缺陷区域的边界。附图说明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。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光伏电池板玻璃破损发电量预测方法的步骤流程图。图2为本专利技术一个实施例提供的一种基于人工智能光伏电池板玻璃破损发电量预测方法的流程图。图3为本专利技术一个实施例提供的一种基于人工智能光伏电池板玻璃破损发电量预测系统的结构框图。具体实施方式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光伏电池板玻璃破损发电量预测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。下面结合附图具体的说明本专利技术所提供的一种基于人工智能光伏电池板玻璃破损发电量预测方法及系统具体方案。请参阅图1和图2，图1示出了一种基于人工智能光伏电池板玻璃破损发电量预测方法的步骤流程图，图2示出了一种基于人工智能光伏电池板玻璃破损发电量预测方法的流程图，该检测方法包括以下步骤：步骤S100：采集待测光伏电池板的初始图像。本专利技术实施例中，针对玻璃破损的光伏电池板进行初始图像的采集。通过无人机搭载摄像装备，航拍光伏电池板获取初始图像，每张初始图像包含一个光伏电池板，并含有少部分背景。步骤S200：对初始图像进行预处理，并获取正视的光伏电池板图像。为了减少图像噪声对提取特征的影响，需要对采集的初始图像进行以下预处理：利用颜色恒常性算法提取初始图像的光照无关本文档来自技高网...

【技术保护点】
1.一种基于人工智能光伏电池板玻璃破损发电量预测方法，其特征在于，该方法包含以下步骤：/n采集待测光伏电池板的初始图像；/n对所述初始图像进行预处理，并获取正视的光伏电池板图像；/n将所述光伏电池板图像输入目标检测网络，获取破损图像及其类型；/n获取每个所述破损图像的灰度平均值作为阈值分割所述破损图像，再对分割后的每个区域的灰度平均值继续求平均值获取新的阈值，若新的阈值满足迭代条件，则根据所述新阈值求二值化图像并进行连通域分析，获取玻璃破损缺陷的数量及面积；否则用当前阈值再次分割所述破损图像并进行迭代运算求取下一个新的阈值；/n根据所述光伏电池板图像、所述破损图像、破损类型以及完好玻璃的透光率获取待测玻璃的透光率，并结合破损缺陷的面积、数量以及由完好玻璃组成的光伏电池板的有效辐射量获取待测光伏电池板的有效辐射量；/n根据以环境温度、光照强度以及所述待测光伏电池板的有效辐射量所建立的发电量预测模型求取该光伏电池板的发电量。/n

【技术特征摘要】
1.一种基于人工智能光伏电池板玻璃破损发电量预测方法，其特征在于，该方法包含以下步骤：
采集待测光伏电池板的初始图像；
对所述初始图像进行预处理，并获取正视的光伏电池板图像；
将所述光伏电池板图像输入目标检测网络，获取破损图像及其类型；
获取每个所述破损图像的灰度平均值作为阈值分割所述破损图像，再对分割后的每个区域的灰度平均值继续求平均值获取新的阈值，若新的阈值满足迭代条件，则根据所述新阈值求二值化图像并进行连通域分析，获取玻璃破损缺陷的数量及面积；否则用当前阈值再次分割所述破损图像并进行迭代运算求取下一个新的阈值；
根据所述光伏电池板图像、所述破损图像、破损类型以及完好玻璃的透光率获取待测玻璃的透光率，并结合破损缺陷的面积、数量以及由完好玻璃组成的光伏电池板的有效辐射量获取待测光伏电池板的有效辐射量；
根据以环境温度、光照强度以及所述待测光伏电池板的有效辐射量所建立的发电量预测模型求取该光伏电池板的发电量。


2.根据权利要求1所述的一种基于人工智能光伏电池板玻璃破损发电量预测方法，其特征在于，所述获取每个破损图像的灰度平均值是指所述破损图像中的最小和最大灰度值的平均值。


3.根据权利要求1所述的一种基于人工智能光伏电池板玻璃破损发电量预测方法，其特征在于，所述玻璃的透光率σ′为：






其中，γ为修正系数，∈i表示第i个破损类型的玻璃透光率的衰减系数，μi为第i个破损类型的破损图像的灰度平均值，μ为所述光伏电池板图像的灰度平均值，σ为所述完好玻璃的透光率，M表示破损类型的数量，αi为第i个破损类型对透光率衰减影响的权值。


4.根据权利要求3所述的基于人工智能光伏电池板玻璃破损发电量预测方法，其特征在于，所述破损类型的数量为2，所述破损类型分为划痕以及碎裂。


5.根据权利要求1所述的基于人工智能光伏电池板玻璃破损发电量预测方法，其特征在于，所述有效辐射量为：



ζ0为所述由完好玻璃组成的光伏电池板的有效辐射量，N表示所述光伏电池板图像的破损数量，Lu为第u个破损区域的像素个数。


6.一种基于人工智能光伏电池板玻璃破损发电量预测系统，其特征在于，包括：
图像获取单元，用于采集待测光伏电池板的初始图像；

【专利技术属性】
技术研发人员：丁群芬，林国桥，刘啟平，
申请(专利权)人：郑州迈拓信息技术有限公司，
类型：发明
国别省市：河南;41