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，这是因为光伏电站往往铺设在荒芜的丘陵，或者水面等复杂环境，水渍，杂草，灰尘，飞禽的粪便等对光伏组件局部区域进行遮挡，进而导致了在一串联支路中被遮挡的光伏组件和正常工作的光伏组件产生电压差而被当作负载消耗其他太阳能电池产生的能量，结果自身发热，产生热斑。对于晶硅太阳能电池，即便是小的遮挡也会引起较大的功率损失，严重时可烧毁组件，降低其使用寿命。在光伏电站大规模建设的今天，
‘
热斑
’
检测已经成为亟待解决的问题。
[0004]传统光伏组件故障检测方法基本是从两方面入手，一方面，由于故障光伏组件与正常组件间存在电压差，所以可以通过监测各个组件发电时的输出电压和输出功率进行全面排查。但是这种方法存在难以精确定位故障点的问题。另一方面，产生热斑故障的光伏组件作为负载消耗电能会产生局部过热的现象，技术工人携带温度测量仪器，逐一对发热组件进行测量记录。在光伏产业迅速发展的今天，光伏电站铺设面积越来越大，且往往布设在山地，水面，屋顶等复杂环境，面对严寒酷暑，传统人工巡检强度大，风险高，效率低，且不能满足光伏产业故障检测精度的要求。
[0005]本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，基于无人机按规划航线自动巡检光伏电站，并利用无人机携带的红外热成像仪拍得的红外图像进行分析处理进而检测出热斑的工作原理及对发生“热斑效应”故障的光伏板的自动识别。相比于传统的二极管电路检测以及人力巡检，此系统能够节约人力物力，并具有经济性，环保性，符合可持续发展理念。

技术实现思路

[0006]本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，即将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。
[0007]本专利技术通过以下技术方案来实现：一种基于无人机巡检及热红外图像处理的光伏电站“热斑效应”检测方法，首先采数据集，在世景光伏电站采集光伏组件的红外热成像图作为训练样本，具体采集步骤为：第一，使用大疆经纬M300四旋翼无人机在合适的条件下起飞按照规划的航线自动巡检。第二，人为操作遥控器地面站，控制无人机搭载的Zenmuse H20T相机，调整云台俯仰的旋转角度和左右的旋转角度以获得大小合适，清晰的光伏组件热红外图像。第三，利用大疆无人机二次开发，调用大疆开源的mobile sdk开发包在Android studio的java环境里编写图像实时回传方法的接口，利用实时回传的图片完成“热斑”的实时监测。下一步就是热斑的检测方法，本文选用yolov5目标检测算法，在自适应锚定框算法上进行进一步改进以提高检测性能。最后根据得到的检测结果确定故障点，向指挥调度中心发出警报，并利用大疆无人机的定位系统给出故障点的精准位置，帮助抢险人员快速到达现场，完成光伏组件的检修任务。
[0008]一种基于无人机巡检和图像处理的光伏热斑检测方法包括以下步骤：
[0009]S1、在满足数据采集条件和无人机起飞条件的情况下，进行无人机数据采集工作，按照确定起飞高度，规划航迹路线，确定拍照频率的步骤采集yolov5目标检测网络训练和测试所需样本，并且采集过程中人为监督拍摄质量进行第一轮筛选，及时剔除低质量的噪声样本。
[0010]S2、对第一步采集好的样本进行标注，在软件labelme中将热斑区域用矩形框圈出，并给定其标签，保存之后生成每张图片对应的jason文件，jason文件中保存了框选信息和目标标签值。为了适用于Yolo模型训练网络，将jason文件转换为xml文件，并将所有原始图片和xml文件分别放入两个文件夹中用于下一步训练。
[0011]S3、标注好自己的数据集用于训练深度学习网络，训练之前要了解Yolov5框架的一些细节，作为经典的one
‑
stage目标检测网络模型其相对于Yolov3的改进基本为以下四点：(1)输入端：Mosaic数据增强、自适应锚框计算(2)Backbone：Focus结构，CSP结构(3)Neck：FPN+PAN结构(4)Prediction：GIOU_Loss，据此搭建Yolov5网络模型，将数据集输入网络，进行误差的反向传播，迭代固定的epoch后可以根据损失较小的权重文件进行初步预测，并根据预测结果调整学习率，优化器参数，激活函数leaky ReLu的参数等一系列超参数的值，继续训练直到达到预期的检测精度要求。
[0012]S4、完成Yolov5网络模型训练后，利用生成的权重文件进行预测，检验训练效果。
[0013]S5、达到热斑检测精度要求后保存权重文件，将工程部署到地面站pc端，无人机二次开发调用mobile sdk包编写实时图传接口，至此无人机自动巡检的光伏组件热斑实时检测系统得以实现。
[0014]本专利技术提出的一种基于无人机巡检和图像处理的光伏热斑检测方法具有以下收益：
[0015]1、相比于传统的二极管电路检测以及人力巡检，此系统能够节约人力物力，并具有经济性，环保性，符合可持续发展理念。
[0016]2、可以迅速确定发生故障的光伏组件并及向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。
[0017]3、利用性能优异的yolov5目标检测算法可以避免漏检，误检操作的发生，提高了光伏组件“热斑”的检测效率和准确率。
附图说明
[0018]图1：Yolov5网络模型结构图；
[0019]图2：本专利技术方法的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：