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制造方法及图纸

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组件上多机器人协同清洁方法及装置。该方法包括：获取光伏电池板的表面RGB图像并进行灰度化和阈值分割，获取光伏电池板脏污区域的面积并计算距离；获取脏污图像进行HSV颜色空间转换得第二脏污图像，对脏污类别进行划分，根据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不透光程度的度量值；根据脏污区域的不透光程度的度量值、脏污区域的面积和距离获取总权重系数；利用总权重系数作为清洁机器人和脏污区域的边权对清洁机器人进行最大权分配，使每个清洁机器人到对应位置进行清洁。本发明专利技术能够对脏污区域进行任务区域的路线分配，从而高效快速的引导清洁机器人进行清洁。

【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。优选的，所述获取脏污图像还包括以下步骤：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。优选的，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。优选的，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面积的比值，ω2为所述脏污区域的不透光程度的度量值，ω3为所述距离。优选的，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，所述鸟粪的影响系数为0.2。第二方面，本专利技术另一实施例还包括了一种基于人工智能的光伏组件上多机器人协同清洁装置，该装置包含以下模块：图像检测模块，用于获取光伏电池板的表面RGB图像；面积距离计算模块，用于对所述表面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；透光分析模块，用于获取脏污图像，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；权重计算模块，用于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；分配模块，用于通过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。优选的，所述透光分析模块还包括：图像相乘单元，用于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。脏污分类单元，用于将脏污类别分为鸟粪、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，所述鸟粪的影响系数为0.2。透光分析模型构建单元，用于构建透光分析模型，公式如下：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。优选的，所述权重计算模块还包括：总权重系数构建单元，用于构建总权重系数，公式如下：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面积的比值，ω2为所述脏污区域的不透光程度的度量值，ω3为所述距离。本专利技术实施例至少存在以下有益效果：本专利技术实施例通过无人机对光伏电池板的进行图像采集得到RGB图像，将图像进行灰度化，通过阈值分割得到脏污的ROI区域，通过得到的脏污的ROI区域绘制最小的包围框，对包围框中的像素点进行集合得到脏污的面积，得到脏污的面积占比，计算脏污的几何中心点距离清洁机器人的距离，利用深度神经网络对脏污区域进行透光度分类，分析脏污的透光程度，通过KM算法进行最大权值匹配得到每个清洁机器人的最优分配任务区域，引导机器人开始清洁工作。本专利技术实施例利用KM算法对脏污区域的不透光程度的度量值、脏污区域的面积和距离构建总权重系数作为清洁机器人和脏污的边权进行最大权分配能够有效实时的得到多台光伏清洁机器人工作过程中的最优路线分配，实现多台清洁机器人配合高效快速的达到清洁目的。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为本专利技术一实施例所提供的一种基.于人工智能的多机器人协同的光伏组件清洁方法的整体流程图；图2为本专利技术一实施例所提供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的流程图；图3为本专利技术一实施例所提供的一种基于人工智能的光伏组件上多机器人协同清洁装置的结构框图。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的光伏组件上多机器人协同清洁方法及装置，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。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。请参阅图1和图2，图1示出了本专利技术一实施例所提供的一本文档来自技高网...

【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。/n

【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...

【专利技术属性】
技术研发人员：李振环，黄静，
申请(专利权)人：李振环，
类型：发明
国别省市：河南;41