【技术实现步骤摘要】
基于人工智能的光伏组件上多机器人协同清洁方法及装置
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组件上多机器人协同清洁方法及装置。
技术介绍
太阳能作为清洁能源之一，太阳能发电是新能源利用的重要技术。在国家政策的支持下，中国的光伏产业飞速发展。然而，太阳能电池板在进行太阳能发电是安装在露天处，光伏电池板清洁也成为了重要的一环。传统的光伏清洁技术采用人工清洁，机械清洁，是对人力物力极大的消耗，而且可能因操作不当造成光伏电池板隐裂。一个20MW太阳能光伏电站采用人工水洗，至少需要20名清洁工人不间断的工作。现有的太阳能清洁装置虽然可以对太阳能电池板进行清洁，但是在多清洁机器人之间缺乏对脏污区域的任务区域路线分配，不能高效快速的引导清洁机器人进行清洁。
技术实现思路
为了解决上述问题，本专利技术提出了一种基于人工智能的光伏组件上多机器人协同清洁方法及装置，具体方案如下：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相机快门速度调节方法包含以下步骤：获取光伏电池板...
【技术保护点】
1.一种基于人工智能的光伏组件上多机器人协同清洁方法，其特征在于，该方法包含以下步骤：/n获取光伏电池板的表面RGB图像；/n对所述表面RGB图像进行灰度化和阈值分割，获取所述光伏电池板脏污区域的面积，确定所述脏污区域的几何中心并计算清洁机器人到每一个所述脏污区域的几何中心的距离；/n获取脏污图像，将所述脏污图像进行HSV颜色空间转换得到第二脏污图像，用深度神经网络对脏污类别进行划分，根据所述第二脏污图像的亮度和饱和度、脏污类别的影响系数得到反映所述脏污区域的不透光程度的度量值；/n根据所述脏污区域的不透光程度的度量值、所述脏污区域的面积和所述距离获取总权重系数；/n通过K...
【技术特征摘要】
1.一种基于人工智能的光伏组件上多机器人协同清洁方法，其特征在于，该方法包含以下步骤：
获取光伏电池板的表面RGB图像；
对所述表面RGB图像进行灰度化和阈值分割，获取所述光伏电池板脏污区域的面积，确定所述脏污区域的几何中心并计算清洁机器人到每一个所述脏污区域的几何中心的距离；
获取脏污图像，将所述脏污图像进行HSV颜色空间转换得到第二脏污图像，用深度神经网络对脏污类别进行划分，根据所述第二脏污图像的亮度和饱和度、脏污类别的影响系数得到反映所述脏污区域的不透光程度的度量值；
根据所述脏污区域的不透光程度的度量值、所述脏污区域的面积和所述距离获取总权重系数；
通过KM算法利用所述总权重系数作为所述清洁机器人和所述脏污区域的边权对所述清洁机器人进行最大权分配，使每个所述清洁机器人到对应所述脏污区域位置进行清洁。
2.根据权利要求1所述的一种基于人工智能的光伏组件上多机器人协同清洁方法，其特征在于，所述获取脏污图像包括以下步骤：
将所述阈值分割所得到的图像进行编码，得到掩膜图像，将所述掩膜图像与所述表面RGB图像相乘获得所述脏污图像。
3.根据权利要求1所述的一种基于多机器人协同的光伏电池板清洁方法，其特征在于，所述脏污类别包括鸟粪、浮灰和油污，其中，所述油污的影响系数为0.5，所述浮灰的影响系数为0.3，鸟粪的影响系数为0.2。
4.根据权利要求1所述的一种基于多机器人协同的光伏电池板清洁方法，其特征在于，所述脏污区域的不透光程度的度量值为：
其中，ω2为脏污区域的不透光程度的度量值，δ为脏污类别的影响系数，L0为正常光伏电池板的明度通道的值，L为脏污区域的明度通道分析值，为脏污图像的饱和度均值，S为正常图像的饱和度均值。
5.根据权利要求1所述的一种基于多机器人协同的光伏电池板清洁方法，其特征在于，所述总权重系数为：
ω＝αω2+βω3+γω1
其中，α，β，γ为自适应系数，满足α+β+γ＝1且α＞β＞γ，ω1为所述脏污区域的面积与所述光伏电池板的面积比，ω2为所述脏污区域的不透光程度的度量值，ω3为所述距离。
6.一种基于人工智能的光伏组件上多机器人协同清洁装置，其特征在于，该装置还包括以下模块：
图像检测模块，用于...
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。