一种基于无人机巡检和图像处理的光伏热斑检测方法技术

本发明专利技术介绍了一种基于无人机巡检和图像处理的光伏热斑检测方法，即无人机拍摄的红外图像实时图传给地面站，在地面站PC端通过yolov5目标检测算法对热斑进行检测，yolov5目标检测算法相比于yolov4在牺牲了极少的检测精度情况下，轻量化了模型，并提高了检测速度，而且针对数据集中不同尺寸的原始图片可以自适应产生锚定框，提升目标定位的精度。北斗导航系统配合GPS可以迅速确定发生故障的光伏组件并像人员调度中心发出警报，帮助维修人员及专家及时修复受损组件，提高光伏电站的运维效率。率。率。

【技术实现步骤摘要】
一种基于无人机巡检和图像处理的光伏热斑检测方法


[0001]本专利技术涉及目标识别领域，具体涉及一种基于无人机巡检和图像处理的光伏热斑检测方法。

技术介绍

[0002]在全球气候变暖及化石能源日益枯竭的大背景下，可再生能源开发利用日益受到国际社会的重视，大力发展可再生能源已成为世界各国的共识。各种可再生能源中，太阳能以其清洁、安全、取之不尽、用之不竭等显著优势，已成为发展最快的可再生能源。近年来全球光伏发电产业快速发展，开发利用太阳能对调整能源结构、推进能源生产和消费革命、促进生态文明建设均具有重要意义。
[0003]根据国际可再生能源机构(IRENA)数据显示，2010
‑
2019年全球光伏累计装机容量维持稳定上升趋势，2019年为578533MW，较2018年增长20.3％，预计未来一段时间还会继续维持增长趋势。随着大规模光伏电站在全世界范围内的落成，光伏组件的巡检工作量也随之增加，因此科学有效的光伏组件检测方法吸引了国内外学者和企业家的关注。据统计，在光伏电站系统中，电池板的热斑效应是光伏组件最常见的故障之一，这本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机巡检和图像处理的光伏热斑检测方法，主要特征包括：S1、利用红外热像仪采集光伏组件图像，将热斑区域用矩形框标注出来，标注好的数据集用于下一步的网络参数训练；S2、在数据集输入网络之前进行预处理，yolov5输入端采用mosaic数据增强，这种数据增强方式简单来说就是把4张图片，通过随机缩放、随机裁减、随机排布的方式进行拼接；优点是丰富数据集：(1)随机使用4张图片，随机缩放，再随机分布进行拼接，大大丰富了检测数据集，特别是随机缩放增加了很多小目标，让网络的鲁棒性更好；(2)减少GPU：直接计算4张图片的数据，使得Mini
‑
batch大小并不需要很大，一个GPU就可以达到比较好的效果；S3、在Yolo算法中，针对不同的数据集，都会有初始设定长宽的锚框；在网络训练中，网络在初始锚框的基础上输出预测框，进而和真实框groundtruth进行比对，计算两者差距，进行误差反向传播，从而更新模型的参数；对于边界框的回归问题我们可以采用kmeans++算法来代替kmeans聚类以得到更好的聚类效果；Kmeans方法因为简单高效在机器学习领域得到了很多应用，但是随机选择几个点作为初始的聚类中心往往会造成聚类效果的不理想；为了解决kmeans算法初始化的问题，本发明使用改进的K
‑
Means算法kmeans++算法，kmeans++算法主要是为了能够在聚类中心的选择过程中选择较优的聚类中心；kmeans++算法在聚类中心的初始化过程中的基本原则是使得初始的聚类中心之间的相互距离尽可能远，这样可以避免出现上述的问题；K
‑
Means++算法的初始化过程为：(1)在数据集中随机选择一个样本点作为第一个初始化的聚类中心；(2)选择出其余的聚类中心；(2.1)计算样本中的每一个样本点与已经初始化的聚类中心之间的距离，并选择其中最短的距离，记为d_i；(2.2)以概率选择距离最大的样本作为新的聚类中心，重复上述过程，直到k个聚类中心都被确定；(3)对k个初始化的聚类中心，利用K
‑
Means算法计算最终的聚类中心；S4、损失函数的确定；Yolov5原论文中采用GIOU_Loss做Bounding box的损失函数；其表达式为：Ac为groundtru...

【专利技术属性】
技术研发人员：高巍，白宇，于祥跃，林赐云，
申请(专利权)人：林赐云，
类型：发明
国别省市：