本申请公开了一种光伏组件缺陷检测方法、装置、设备及介质，该系统包括：获取光伏组件的电致发光图像、热成像图像以及可见光图像，并基于上述图像创建样本图像库，将样本图像库中的样本图像进行预处理，为预处理样本图像中的各单一光伏组件标注相应的属性标签，并从预处理样本图像中提取出各单一光伏组件所在的图像区域，以得到相应携带有属性标签的单一光伏组件区域图像，利用携带有属性标签的单一光伏组件区域图像，对基于预设深度学习算法构建的缺陷检测模型进行训练得到相应的训练后模型，并基于训练后模型确定出与待检测光伏组件图像对应的组件缺陷检测结果。本申请利用人工智能识别对光伏组件进行多相融合的缺陷检测，提升了效率和精度。升了效率和精度。升了效率和精度。
【技术实现步骤摘要】
一种光伏组件缺陷检测方法、装置、设备及介质
[0001]本专利技术涉及图形识别
，特别涉及一种光伏组件缺陷检测方法、装置、设备及介质。
技术介绍
[0002]目前利用光伏发电技术获取电能是新能源产业的普遍趋势，但光伏组件实际运行中，很多环境应力均会影响组件运行寿命，如温度、湿度、辐照、UV(即ultraviolet，紫外线)、温差、盐雾、风荷、雪荷等，导致失效及性能衰减问题。另外现场往往是多种因素的叠加，从而产生协同效应，造成某几种衰减模式相互加强或消弱。最终，可能造成光伏组件产生异物、灰尘、隐裂、断栅、虚焊、碎片等缺陷。有缺陷的光伏组件会消耗所在串联电路其他正常光伏组件产生的能量，导致输出功率减少，降低了光伏发电站的生产效率。因此为了提高发电效率，对光伏组件的及时检查与分析成为重要的手段。
[0003]目前为止，对光伏组件的检查与分析一般是对光伏组件进行基于EL(即electroluminescent，电致发光)图像的检测方法，其主要只能检测光伏组件断栅、裂纹等表面缺陷，难以检测光伏组件电路中短路、热斑等缺陷；还有使用热成像技术进行基于光伏组件击穿与预击穿等情况的人工抽样检查，效率低下且缺陷检测的精度低。
[0004]由上可见，在光伏组件缺陷识别过程中，如何避免出现由于使用传统的光伏组件缺陷检查方法导致缺陷检查的效率低下的情况是本领域有待解决的问题。
技术实现思路
[0005]有鉴于此，本专利技术的目的在于提供一种光伏组件缺陷检测方法、装置、设备及介质，能够避免出现由于使用传统的光伏组件缺陷检查方法导致缺陷检查的效率低下的情况。其具体方案如下：
[0006]第一方面，本申请公开了一种光伏组件缺陷检测方法，包括：
[0007]截取虚拟机的实时操作界面图像；
[0008]对所述实时操作界面图像进行识别，以得到所述实时操作界面图像对应的目标操作类型；
[0009]确定出与所述目标操作类型对应的预设交互程序，并执行所述预设交互程序以完成与所述虚拟机的交互。
[0010]可选的，所述获取光伏组件的电致发光图像、热成像图像以及可见光图像，包括：
[0011]通过预设无人机设备对分别施加了正向电压、反向电压以及未施加电压的存在缺陷的光伏组件以及不存在缺陷的光伏组件进行图像采集，以获取光伏组件的电致发光图像、热成像图像以及可见光图像。
[0012]可选的，所述将所述样本图像库中的样本图像进行预处理，以得到预处理样本图像，包括：
[0013]基于预设尺寸的卷积核对所述样本图像库中的样本图像进行去噪处理，以得到去
噪后图像；
[0014]对所述去噪后图像进行灰度化以得到灰度直方图以及相应的累加直方图，并对所述累加直方图进行均衡化处理，以得到所述预处理样本图像。
[0015]可选的，所述为所述预处理样本图像中的各单一光伏组件标注相应的属性标签，包括：
[0016]确定所述预处理样本图像中的各单一光伏组件对应的缺陷类型标签以及位置序列标签；
[0017]在所述预处理样本图像的各单一光伏组件对应的图像区域上分别添加相应的所述缺陷类型标签以及位置序列标签。
[0018]可选的，所述从所述预处理样本图像中提取出各单一光伏组件所在的图像区域，包括：
[0019]在所述预处理样本图像上设定初始感兴趣区域；
[0020]对所述初始感兴趣区域进行二分类，以确定出所述初始感兴趣区域上的背景区域；
[0021]从所述初始感兴趣区域中过滤掉所述背景区域，以得到过滤后感兴趣区域，并基于所述过滤后感兴趣区域提取出各单一光伏组件所在的图像区域。
[0022]可选的，所述基于所述过滤后感兴趣区域提取出各单一光伏组件所在的图像区域，包括：
[0023]对所述过滤后感兴趣区域进行区域特征聚集操作；
[0024]对区域特征聚集操作后的所述过滤后感兴趣区域依次进行缺陷类别分类、边框回归以及掩膜图像生成，以得到各单一光伏组件所在的图像区域。
[0025]可选的，所述利用携带有所述属性标签的单一光伏组件区域图像，对基于预设深度学习算法构建的缺陷检测模型进行训练得到相应的训练后模型，包括：
[0026]利用携带有所述属性标签的单一光伏组件区域图像，对yolov5模型进行训练得到相应的训练后模型。
[0027]第二方面，本申请公开了一种光伏组件缺陷检测装置，包括：
[0028]图像获取模块，用于获取光伏组件的电致发光图像、热成像图像以及可见光图像，并基于所述电致发光图像、所述热成像图像以及所述可见光图像创建样本图像库；
[0029]图像预处理模块，用于将所述样本图像库中的样本图像进行预处理，以得到预处理样本图像；
[0030]标签添加模块，用于为所述预处理样本图像中的各单一光伏组件标注相应的属性标签；
[0031]区域图像确定模块，用于从所述预处理样本图像中提取出各单一光伏组件所在的图像区域，以得到相应的携带有所述属性标签的单一光伏组件区域图像；
[0032]模型训练模块，用于利用携带有所述属性标签的单一光伏组件区域图像，对基于预设深度学习算法构建的缺陷检测模型进行训练得到相应的训练后模型；
[0033]缺陷确定模块，用于当获取到待检测光伏组件图像，则基于所述训练后模型确定出与所述待检测光伏组件图像对应的组件缺陷检测结果。
[0034]第三方面，本申请公开了一种电子设备，包括：
[0035]存储器，用于保存计算机程序；
[0036]处理器，用于执行所述计算机程序，以实现前述的光伏组件缺陷检测方法。
[0037]第四方面，本申请公开了一种计算机存储介质，用于保存计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的光伏组件缺陷检测方法的步骤。
[0038]本申请先获取光伏组件的电致发光图像、热成像图像以及可见光图像，并基于所述电致发光图像、所述热成像图像以及所述可见光图像创建样本图像库，然后将所述样本图像库中的样本图像进行预处理，以得到预处理样本图像，并为所述预处理样本图像中的各单一光伏组件标注相应的属性标签，接着从所述预处理样本图像中提取出各单一光伏组件所在的图像区域，以得到相应的携带有所述属性标签的单一光伏组件区域图像，最后利用携带有所述属性标签的单一光伏组件区域图像，对基于预设深度学习算法构建的缺陷检测模型进行训练得到相应的训练后模型，当获取到待检测光伏组件图像，则基于所述训练后模型确定出与所述待检测光伏组件图像对应的组件缺陷检测结果。本申请基于电致发光图像、所述热成像图像以及所述可见光图像创建样本图像库，并为样本库中的各单一光伏组件添加位置标签，最后利用人工智能识别对光伏组件进行缺陷检测，本申请摒弃人工抽样检测确定缺陷类型以及位置的方法，选择训练深度学习模型，更加高效、精确判断样本缺陷，有效避免单一图像的监测方式难以较全面检测光伏组件缺陷的情况，且因各光伏组件均添加了位置标签，当检测出样本缺陷时，则可以直本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种光伏组件缺陷检测方法，其特征在于，包括：获取光伏组件的电致发光图像、热成像图像以及可见光图像，并基于所述电致发光图像、所述热成像图像以及所述可见光图像创建样本图像库；将所述样本图像库中的样本图像进行预处理，以得到预处理样本图像；为所述预处理样本图像中的各单一光伏组件标注相应的属性标签，并从所述预处理样本图像中提取出各单一光伏组件所在的图像区域，以得到相应的携带有所述属性标签的单一光伏组件区域图像；利用携带有所述属性标签的单一光伏组件区域图像，对基于预设深度学习算法构建的缺陷检测模型进行训练得到相应的训练后模型；当获取到待检测光伏组件图像，则基于所述训练后模型确定出与所述待检测光伏组件图像对应的组件缺陷检测结果。2.根据权利要求1所述的光伏组件缺陷检测方法，其特征在于，所述获取光伏组件的电致发光图像、热成像图像以及可见光图像，包括：通过预设无人机设备对分别施加了正向电压、反向电压以及未施加电压的存在缺陷的光伏组件以及不存在缺陷的光伏组件进行图像采集，以获取光伏组件的电致发光图像、热成像图像以及可见光图像。3.根据权利要求1所述的光伏组件缺陷检测方法，其特征在于，所述将所述样本图像库中的样本图像进行预处理，以得到预处理样本图像，包括：基于预设尺寸的卷积核对所述样本图像库中的样本图像进行去噪处理，以得到去噪后图像；对所述去噪后图像进行灰度化以得到灰度直方图以及相应的累加直方图，并对所述累加直方图进行均衡化处理，以得到所述预处理样本图像。4.根据权利要求1所述的光伏组件缺陷检测方法，其特征在于，所述为所述预处理样本图像中的各单一光伏组件标注相应的属性标签，包括：确定所述预处理样本图像中的各单一光伏组件对应的缺陷类型标签以及位置序列标签；在所述预处理样本图像的各单一光伏组件对应的图像区域上分别添加相应的所述缺陷类型标签以及位置序列标签。5.根据权利要求1所述的光伏组件缺陷检测方法，其特征在于，所述从所述预处理样本图像中提取出各单一光伏组件所在的图像区域，包括：在所述预处理样本图像上设定初始感兴趣区域；对所述初始感兴趣区域进行二分类，以确定出所述初始感兴趣区域上的背景...
【专利技术属性】
技术研发人员：张银龙，田红丹，王堃，杨帅，周颖，
申请(专利权)人：杭州锅炉集团股份有限公司，
类型：发明
国别省市：
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。