一种基于人工智能的光伏电池板粗栅检测方法技术

本发明专利技术提出一种基于人工智能的光伏电池板粗栅检测方法。通过无人机采集光伏电池板图像，通过电池板检测网络提取出电池板图像。对电池板灰度图像进行阈值分割后进行开运算得到主栅图像；通过坐标变换将灰度值为1的像素转换到霍夫参数空间中，并筛选出待测点；根据待测点距离和m坐标对待测点进行匹配得到待测点集合，针对任意两个待测点集合，计算待测点集合中待测点对应直线的最大间距，根据两待测点集合的最大间距乘积判断是否为主栅点集合，得到主栅点集合和离群点；根据m坐标判断离群点是否为粗栅点，将粗栅点转换到图像坐标空间中，得到粗栅的准确位置。得到粗栅的准确位置。得到粗栅的准确位置。

【技术实现步骤摘要】
一种基于人工智能的光伏电池板粗栅检测方法


[0001]本申请涉及计算机视觉领域，具体涉及一种基于人工智能的光伏电池板粗栅检测方法。

技术介绍

[0002]光伏电池板在印刷制版过程中，可能会存在错误印刷的情况，具体为断栅、粗栅等。该类存在印刷错误情况的电池板，其发电效率会比正常印刷电池板的发电效率低，而印刷问题在光伏电池板使用过程中已无法改变，因此为避免因印刷问题产生的发电效率与标准值不同而报障的情况，需要对光伏电池板上的粗栅情况进行检测。
[0003]目前通常采用人工巡检的方式检测光伏电池板是否出现粗栅的情况，通过人的肉眼观察光伏电池板并记录存在粗栅的光伏电池板。该方法的问题在于，通过人为巡检耗时耗力，尤其是大型光伏电站内的人工巡检，其工作量更大；且人为巡检时作判断的主观性较强，可能存在漏检误检等情况，而粗栅检测工作如果由人为巡检一般只会巡检一次，此时漏检误检情况无法得到修正。

技术实现思路

[0004]针对以上问题，本专利技术提出一种基于人工智能的光伏电池板粗栅检测方法。通过无人机采集光伏电池板图像，通过电池板检测网络提取出电池板图像。对电池板灰度图像进行阈值分割后进行开运算得到主栅图像；通过坐标变换将灰度值为1的像素转换到霍夫参数空间中，并筛选出待测点；根据待测点距离和m坐标对待测点进行匹配得到待测点集合，针对任意两个待测点集合，计算待测点集合中待测点对应直线的最大间距，根据两待测点集合的最大间距乘积判断是否为主栅点集合，得到主栅点集合和离群点；根据m坐标判断离群点是否为粗栅点，将粗栅点转换到图像坐标空间中，得到粗栅的准确位置。
[0005]一种基于人工智能的光伏电池板粗栅检测方法，其特征在于，该方法包括：
[0006]步骤S1：通过相机采集光伏电池板的原始图像，通过电池板检测网络检测原始图像中光伏电池板区域，输出电池板图像；对光伏电池板图像进行二值化处理，再进行开运算，得到二值图像；
[0007]步骤S2：将二值图像中灰度值非零的像素由图像坐标空间转换到霍夫参数空间中，所述霍夫参数空间横坐标为m，纵坐标为b，针对霍夫参数空间中所有直线交点，统计经过每个交点的直线数量a并筛选出待测点；
[0008]步骤S3：根据待测点之间的距离匹配待测点，得到待测点集合；计算集合中待测点在图像坐标空间中对应直线的最大间距l
max
，针对任意两个待测点集合对应的l
max
相乘得到面积s，根据面积s和电池板图像面积s
′
的接近度判断待测点集合是否为主栅点集合，输出主栅点集合；
[0009]步骤S4：将主栅点集合中点设为主栅点，其余待测点设为离群点，根据离群点的m坐标与主栅点的m坐标是否一致判断离群点是否为粗栅点，将粗栅点变换到图像坐标空间
中获得粗栅的位置。
[0010]所述电池板检测网络的训练方法包括：以若干张原始图像为数据集；人工对数据集进行标注，标注出光伏电池板区域的包围框，生成标注数据；使用均方误差损失函数进行训练。
[0011]所述统计经过每个交点的直线数量a并筛选出待测点包括：设置数量阈值β，当a≥β时，判定该交点为待测点；当a＜β时，判定该交点不是待测点。
[0012]所述根据待测点之间的距离匹配待测点，得到待测点集合包括：
[0013]步骤S301：针对任意两个m坐标相同的待测点p1、p2组成待测点集合g，将线段p1p2的长度设为最小距离d
min
；
[0014]步骤S302：选择不属于g的一待测点p3，计算p1p3的长度d1,p2p3的长度d2；
[0015]若和都为正整数且p3的m坐标与p1、p2相等时，将p3加入待测点集合g；否则，不将p3加入待测点集合g；
[0016]步骤S303：重复步骤S302直到遍历完所有待测点，输出待测点集合g。
[0017]所述判断待测点集合是否为主栅点集合的方法包括：
[0018]将一个待测点集合中待测点转换到图像坐标空间中，得到若干条待测直线，计算两两待测直线的间距l，选择最大的l作为待测点集合对应的l
max
；
[0019]针对任意两个m坐标不同的待测点集合g
′
、g
″
，计算得到g
′
对应的l
′
max
、g
″
对应的l
″
max
，根据s＝l
′
max
×
l
″
max
得到面积s，计算电池板图像的面积s
′
；
[0020]设置经验阈值γ，当s
′‑
s≥γ时，判定这两个待测点集合不是主栅点集合；当s
′‑
s＜γ时，判定这两个待测点集合是一对待定主栅点集合；
[0021]统计各对待定主栅点集合包含主栅点的总个数d，将d最大的一对主栅点集合设为主栅点集合，主栅点集合中待测点设为主栅点。
[0022]所述根据离群点的m坐标与主栅点的m坐标是否一致判断离群点是否为粗栅点包括：将离群点的m坐标值和主栅点集合中主栅点的m坐标值进行对比，若m坐标值一致，判定该离群点为粗栅点；若m坐标值不一致，判定该离群点为非粗栅点。
[0023]本专利技术和现有技术相比有如下有益效果：
[0024](1)通过神经网络检测属于光伏电池板的像素，可以准确地分割光伏电池板图像，精度高、速度快。
[0025](2)通过开运算去除噪声和正常细栅的影响，可以更精确地检测栅线的位置。
[0026](3)利用栅线相互平行的性质检测主栅点，可以避免划痕对栅线检测的影响，并根据电池板图像的面积筛选待定主栅点集合，避免误检。
[0027](4)根据m坐标是否和主栅点一致从离群点中筛选粗栅点，可以更准确地对粗栅位置进行定位。
附图说明
[0028]图1为方法流程图。
具体实施方式
[0029]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0030]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0031]实施例一：
[0032]本专利技术的主要目的是实现光伏电池板粗栅缺陷的检测。
[0033]为了实现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的光伏电池板粗栅检测方法，其特征在于，该方法包括：步骤S1：通过相机采集光伏电池板的原始图像，通过电池板检测网络检测原始图像中光伏电池板区域，输出电池板图像；对光伏电池板图像进行二值化处理，再进行开运算，得到二值图像；步骤S2：将二值图像中灰度值非零的像素由图像坐标空间转换到霍夫参数空间中，所述霍夫参数空间横坐标为m，纵坐标为b，针对霍夫参数空间中所有直线交点，统计经过每个交点的直线数量a并筛选出待测点；步骤S3：根据待测点之间的距离匹配待测点，得到待测点集合；计算集合中待测点在图像坐标空间中对应直线的最大间距l
max
，针对任意两个待测点集合对应的l
max
相乘得到面积s，根据面积s和电池板图像面积s
′
的接近度判断待测点集合是否为主栅点集合，输出主栅点集合；步骤S4：将主栅点集合中点设为主栅点，其余待测点设为离群点，根据离群点的m坐标与主栅点的m坐标是否一致判断离群点是否为粗栅点，将粗栅点变换到图像坐标空间中获得粗栅的位置。2.如权利要求1所述的方法，其特征在于，所述电池板网络的训练方法包括：以若干张原始图像为数据集；人工对数据集进行标注，标注出光伏电池板区域的包围框，生成标注数据；使用均方误差损失函数进行训练。3.如权利要求1所述的方法，其特征在于，所述统计经过每个交点的直线数量a并筛选出待测点包括：设置数量阈值β，当a≥β时，判定该交点为待测点；当a＜β时，判定该交点不是待测点。4.如权利要求1所述的方法，其特征在于，所述根据待测点之间的距离匹配待测点，得到待测点集合包括：步骤S301：针对任意两个m坐标相同的待测点p1、p2组成待测点集合g，将线段p1p2的长度设为最小距离d
min
；步骤S302：选...

【专利技术属性】
技术研发人员：孙猛猛，夏永霞，
申请(专利权)人：孙猛猛，
类型：发明
国别省市：