光伏组件热斑检测方法、设备及存储介质技术

本发明专利技术公开了一种光伏组件热斑检测方法、设备及存储介质，所述检测方法包括：获取预设区域范围内的光伏板红外图像；将光伏板红外图像输入训练好的光伏板分割模型，输出多组光伏板数据，每组光伏板数据包括分割得到的每个光伏板的掩膜区域及对应的光伏板的分割质量评分；对分割质量评分高于预设分值的光伏板的掩膜区域进行检测，得到包含异常热斑的异常光伏板及异常光伏板的热斑区域。本申请采用深度学习图像实例分割与小目标检测相结合，采用带有分割质量评价能力的深度学习实例分割方法，能够对光伏板区域进行准确分割，适用于无人机视觉拍摄的典型光伏板红外图像中不同尺度、不同形态的异常热斑，算法速度快、效率高，具有较强的实用价值。的实用价值。的实用价值。

【技术实现步骤摘要】
光伏组件热斑检测方法、设备及存储介质


[0001]本专利技术属于光伏太阳能光伏组件热斑检测领域，特别涉及一种光伏组件热斑检测方法、设备及存储介质。

技术介绍

[0002]采用光伏板组件通过太阳能发电是新型能源发电的一种重要模式，然而，一旦光伏板某单元元器件受损无法正常工作，会直接影响到该区域晶元组件的热转换效率，进而在红外热成像中表现出温度明显高于周边区域的异常发热现象。在日常光伏巡检作业中，利用红外热成像对光伏板异常热斑区域进行检测定位，是判断光伏组件各单元元器件是否正常运行的一种有效手段。
[0003]现有技术中，利用无人机对光伏板进行红外热成像，然后再通过计算机视觉计算来完成对异常热斑的快速自动检测定位，是一种能够显著提升光伏板异常热斑检出效率的重要方案。然而，无人机航拍远距热成像的红外图像分辨率有限，加之异常热斑所占像素尺寸较小，且没有固定形态特征，成像极易受到复杂背景热源杂波干扰，这些因素均给基于无人机红外成像的热斑检测带来了困难，同时，现有的基于热红外图像的光伏电站热斑检测方法还存在检测准确性不高、主干网络对红外热斑类低分辨率目标特征提取不敏感、训练得到的模型对复杂热斑普适性不足、无法确定异常热斑所处哪块光伏板晶元组件等问题。

技术实现思路

[0004]本专利技术要解决的技术问题是为了克服现有技术中存在检测准确性不高、主干网络对红外热斑类低分辨率目标特征提取不敏感、训练得到的模型对复杂热斑普适性不足、无法确定异常热斑所处哪块光伏板晶元组件等缺陷，提供一种光伏组件热斑检测方法、设备及存储介质。
[0005]本专利技术是通过下述技术方案来解决上述技术问题：
[0006]一种光伏组件热斑检测方法，所述检测方法包括：
[0007]获取预设区域范围内的光伏板红外图像；
[0008]将所述光伏板红外图像输入训练好的光伏板分割模型，输出多组光伏板数据，每组光伏板数据包括分割得到的每个光伏板的掩膜区域及对应的光伏板的分割质量评分；
[0009]对分割质量评分高于预设分值的光伏板的掩膜区域进行检测，得到包含异常热斑的异常光伏板及所述异常光伏板的热斑区域。
[0010]较佳地，所述检测方法中通过以下步骤训练得到所述光伏板分割模型，具体包括：
[0011]构建光伏板训练样本集，所述光伏板训练样本集包括多个光伏板红外训练图像，每个光伏板红外训练图像中包括每个训练光伏板的实际掩膜区域；
[0012]以所述光伏板训练样本集为训练数据，训练得到光伏板初始分割模型，并得到每个训练光伏板的预测掩膜区域以及对应的分割置信度；
[0013]基于所述预测掩膜区域、所述实际掩膜区域和所述分割置信度计算得到每个训练
光伏板的分割质量评分；
[0014]将所述分割质量评分加入训练数据继续训练，得到所述光伏板分割模型。
[0015]较佳地，所述基于所述预测掩膜区域、所述实际掩膜区域和所述分割置信度计算得到每个训练光伏板的分割质量评分的步骤具体包括：
[0016]基于所述预测掩膜区域和所述实际掩膜区域计算得到每个训练光伏板的IOU值；
[0017]基于所述IOU值和所述分割置信度的乘积得到所述分割质量评分。
[0018]较佳地，所述对分割质量评分高于预设分值的光伏板的掩膜区域进行检测，得到包含异常热斑的异常光伏板及所述异常光伏板的热斑区域的步骤具体包括：
[0019]选取分割质量评分高于预设分值的光伏板为目标光伏板；
[0020]基于红外图像小目标检测算法对与所述目标光伏板对应的光伏板图像进行检测，得到包含异常热斑的异常光伏板及所述异常光伏板的热斑区域。
[0021]较佳地，所述基于红外图像小目标检测算法对与所述目标光伏板对应的光伏板图像进行检测，得到包含异常热斑的异常光伏板及所述异常光伏板的热斑区域的步骤具体包括：
[0022]对与所述目标光伏板对应的光伏板图像进行灰度处理，得到单通道灰度图像；
[0023]对所述单通道灰度图像进行二值分割，并确定图像像素大于判定阈值的像素区域为热斑区域。
[0024]较佳地，所述对所述单通道灰度图像进行二值分割的步骤之前，所述检测方法还包括：
[0025]对所述单通道灰度图像进行预处理，所述预处理包括卷积滤波处理、指数增强操作和噪点滤除操作中的至少一个；
[0026]其中，所述卷积滤波处理包括对单通道灰度图像内的每个像素点进行高通卷积滤波，所述指数增强操作包括对单通道灰度图像内的每个像素点进行指数增强，所述噪点滤除操作包括对单通道灰度图像内的每个像素点进行高斯低通滤波。
[0027]较佳地，所述检测方法中通过以下公式确定所述判定阈值，具体包括：
[0028]t
i
＝mean(M
i
)+k
·
std(M
i
)
[0029]其中，t
i
为与第i个目标光伏板对应的判定阈值，mean(M
i
)表示单通道灰度图像中第i个目标光伏板的掩膜区域M
i
内所有像素灰度的均值，std(M
i
)表示单通道灰度图像中第i个目标光伏板的掩膜区域M
i
内所有像素灰度的标准差，k为标准差权重系数。
[0030]较佳地，所述对分割质量评分高于预设分值的光伏板的掩膜区域进行检测的步骤之前，所述检测方法还包括：
[0031]滤除所述光伏板红外图像中分割质量评分不高于预设分值的区域。
[0032]一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的光伏组件热斑检测方法。
[0033]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的光伏组件热斑检测方法。
[0034]本专利技术的积极进步效果在于：本申请采用深度学习图像实例分割与小目标检测相结合，适用于无人机视觉拍摄的典型光伏板红外图像中不同尺度、不同形态的异常热斑；该方法采用了带有分割质量评价能力的深度学习实例分割方法，能够对光伏板区域进行准确
分割并滤除不符合光伏板形状的误分割区域，算法速度快、效率高，在无人机光伏巡检领域具有较强的实用价值。
附图说明
[0035]图1为本专利技术实施例1的光伏组件热斑检测方法的流程图。
[0036]图2为本专利技术实施例1的光伏组件热斑检测方法中拍摄获取的灰度后的光伏板红外图像示意图。
[0037]图3为本专利技术实施例1的光伏组件热斑检测方法中光伏板红外图像分割及相应分割质量评分结果示意图。
[0038]图4为本专利技术实施例1的光伏组件热斑检测方法中步骤13的流程图。
[0039]图5为本专利技术实施例1的光伏组件热斑检测方法中步骤132的流程图。
[0040]图6为本专利技术实施例1的光伏组件热斑检测方法中光伏板分割模型的训练流程图。
...

【技术保护点】

【技术特征摘要】
1.一种光伏组件热斑检测方法，其特征在于，所述检测方法包括：获取预设区域范围内的光伏板红外图像；将所述光伏板红外图像输入训练好的光伏板分割模型，输出多组光伏板数据，每组光伏板数据包括分割得到的每个光伏板的掩膜区域及对应的光伏板的分割质量评分；对分割质量评分高于预设分值的光伏板的掩膜区域进行检测，得到包含异常热斑的异常光伏板及所述异常光伏板的热斑区域。2.如权利要求1所述的光伏组件热斑检测方法，其特征在于，所述检测方法中通过以下步骤训练得到所述光伏板分割模型，具体包括：构建光伏板训练样本集，所述光伏板训练样本集包括多个光伏板红外训练图像，每个光伏板红外训练图像中包括每个训练光伏板的实际掩膜区域；以所述光伏板训练样本集为训练数据，训练得到光伏板初始分割模型，并得到每个训练光伏板的预测掩膜区域以及对应的分割置信度；基于所述预测掩膜区域、所述实际掩膜区域和所述分割置信度计算得到每个训练光伏板的分割质量评分；将所述分割质量评分加入训练数据继续训练，得到所述光伏板分割模型。3.如权利要求2所述的光伏组件热斑检测方法，其特征在于，所述基于所述预测掩膜区域、所述实际掩膜区域和所述分割置信度计算得到每个训练光伏板的分割质量评分的步骤具体包括：基于所述预测掩膜区域和所述实际掩膜区域计算得到每个训练光伏板的IOU值；基于所述IOU值和所述分割置信度的乘积得到所述分割质量评分。4.如权利要求1所述的光伏组件热斑检测方法，其特征在于，所述对分割质量评分高于预设分值的光伏板的掩膜区域进行检测，得到包含异常热斑的异常光伏板及所述异常光伏板的热斑区域的步骤具体包括：选取分割质量评分高于预设分值的光伏板为目标光伏板；基于红外图像小目标检测算法对与所述目标光伏板对应的光伏板图像进行检测，得到包含异常热斑的异常光伏板及所述异常光伏板的热斑区域。5.如权利要求4所述的光伏组件热斑检测方法，其特征在于，所述基于红外图像小目标检测算法对与所述目标光伏板对应的光伏板图像进行检测，得到包含异常热斑的异常光伏板及所述异常光伏板的热斑区域的步骤具体包括：对与所述目标光伏板对应...

【专利技术属性】
技术研发人员：漆昇翔，刘文奇，毛晴，叶松霖，陈怡然，杨家荣，
申请(专利权)人：上海电气集团股份有限公司，
类型：发明
国别省市：