一种光伏电板红外图像掉串检测方法和系统技术方案

本发明专利技术公开了一种光伏电板红外图像掉串检测方法和系统，其中方法包括以下步骤：S1，采集光伏组件的红外图像；S2，利用图像分割技术将红外图像中的每一个小光伏组件分割出来；S3，计算分割出的每个小光伏组件区域所有像素在G通道的像素灰度均值，以灰度均值代表该小光伏组件区域的整体灰度值分布情况；S4，设定G通道的像素灰度阈值，根据步骤S3计算出的灰度均值与灰度阈值的比较，判断小光伏组件是否为掉串组件；S5，将掉串组件的边缘进行合并，得到掉串区域；S6，对掉串区域进行试验验证；S7，输出掉串识别结果并显示。本发明专利技术能够避免因掉串带来的能源浪费和危险事故的发生。该算法简单实用，减少人工检测带来的时间上的浪费和资金上的消耗。上的消耗。上的消耗。

【技术实现步骤摘要】
一种光伏电板红外图像掉串检测方法和系统


[0001]本专利技术涉及光伏发电领域，特别涉及一种光伏电板红外图像掉串检测方法和系统。

技术介绍

[0002]作为清洁能源，光伏发电在电力领域愈显独特。近年来，越来越多的太阳能光伏组件被用于光伏电站。由于长时间露天工作，受电站内环境甚至强风、冰雹等自然灾害的影响，太阳能电池板不可避免地会出现故障，甚至出现整体掉串的情况。如何自动检测太阳能电池板组件掉串对于发电效率的提升、保障电站安全显得尤为关键。
[0003]太阳能电池板的发热特性在热成像图像中清晰可见，使得使用热成像图像更容易检测光伏电板上组件的故障。当光伏电板上出现组件掉串时，掉串区域的组件的温度较高。基于此，可将掉串组件与正常组件区分出来。由于掉串故障的特殊性，较难使用深度学习等方法将掉串故障检测出来。目前，检测掉串故障大多采用人工检测方法，费事费力。

技术实现思路

[0004]为了解决现有问题，本专利技术提供了一种光伏电板红外图像掉串检测方法和系统，具体方案如下：
[0005]一种光伏电板红外图像掉串检测方法，包括以下步骤：
[0006]S1，采集光伏组件的红外图像；
[0007]S2，利用图像分割技术将步骤S1中获取的红外图像中的每一个小光伏组件分割出来；
[0008]S3，计算步骤S2分割出的每个所述小光伏组件区域所有像素在G通道的像素灰度均值，以所述灰度均值代表该小光伏组件区域的整体灰度值分布情况；
[0009]S4，设定G通道的像素灰度阈值，根据步骤S3计算出的灰度均值与所述灰度阈值的比较，判断所述小光伏组件是否为掉串组件；
[0010]S5，将所述掉串组件的边缘进行合并，得到掉串区域；
[0011]S6，对掉串区域进行试验验证；
[0012]S7，输出掉串识别结果并显示。
[0013]优选的，所述步骤S1中利用无人机搭载红外相机进行红外图像采集。
[0014]优选的，所述步骤S3中小光伏组件i的G通道像素灰度值均值为：
[0015][0016]其中一小光伏组件的标号为i，其所在图像中的像素区域为Ω
i
，红外图像G通道图像为I，(x,y)为图像I某一像素坐标，|Ω
i
|为像素区域Ω
i
中像素的个数。
[0017]优选的，步骤S4中设定G通道像素灰度阈值为200，当所述灰度均值大于200时，判
定该所述小光伏组件为掉串组件，若所述灰度均值小于200时，判定所述小光伏组件为非掉串组件。
[0018]优选的，所述步骤S5得到所述掉串区域的步骤包括：
[0019]S51，利用OpenCV中的findContours函数将分割后的所述小光伏组件的边缘进行识别并框出，
[0020]S52，根据步骤S4中识别出所述掉串组件，排除非掉串组件的边缘，保留掉串组件的边缘；
[0021]S53，将所述掉串组件边缘框的重合部分去除，仅保留掉串组件区域的外部边框，即以一个大的矩形框将掉串区域框出。
[0022]优选的，所述步骤S6的试验验证步骤包括：
[0023]S61，若红外图像中分割的小光伏组件满足掉串判断条件的个数小于等于3个，则判断该图像为非掉串故障图像；
[0024]S62，检查判断为掉串组件的编号是否连续，以分析其在图像中的区域是否连续，若判断为掉串的小组件在红外图像中零散分布，则判断该图像为非掉串故障图像；
[0025]S63，若光伏电板红外图像整体灰度值较大，因为反光原因造成，则容易将图像中的所有小光伏组件判断为掉串，此时，应分别计算掉串组件G通道灰度均值和非掉串组件G通道灰度均值，并计算两者之间的差值，若差值小于20个像素，则判断该图像为非掉串故障图像。
[0026]本专利技术还揭示了一种计算机可读存储介质，介质上存有计算机程序，计算机程序运行后，执行上述光伏电板红外图像掉串检测方法。
[0027]本专利技术还揭示了一种计算机系统，包括处理器、存储介质，存储介质上存有计算机程序，处理器从存储介质上读取并运行计算机程序以执行上述光伏电板红外图像掉串检测方法。
[0028]优选的，一种光伏电板红外图像掉串检测方法的系统，包括依次电性连接的数据采集模块、数据传输模块、数据存储模块、数据处理模块以及数据显示模块；
[0029]所述数据采集模块为搭载无人机的红外相机，用于采集光伏组件的红外图像；
[0030]所述数据传输模块用于将所述红外相机采集到的红外图像数据传输至所述数据存储模块；
[0031]所述数据存储模块用于存储所述红外相机采集到的红外图像数据；
[0032]所述数据处理模块用于将所述数据存储器模块中的红外图像数据进行分析处理并验证后上传至所述数据显示模块；
[0033]所述数据显示模块用于显示掉串识别结果。
[0034]本专利技术的有益效果在于：
[0035]本专利技术通过图像处理的手段对光伏电板红外图像进行掉串故障检测，能够避免因掉串带来的能源浪费和危险事故的发生。与深度学习等识别方法相比，该算法具有简单性、实时性以及实用性等特点，从而减少人工检测带来的时间上的浪费和资金上的消耗。该算法的最大特点是依据掉串区域和非掉串区域在G通道的灰度值差异这一先验知识进行的，因此算法具有很大的简洁性，其实现过程简单，并且识别效果良好，因此该算法的最大优点在于其可行性和实用性。
附图说明
[0036]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，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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的附图。
[0037]图1为本专利技术的方法流程图。
具体实施方式
[0038]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0039]对于光伏电板的红外图像，通常从其灰度图像以及RGB三通道图像的角度加以分析。对于红外图像的R通道的图像，所有组件区域的灰度值均很大，则掉串组件和非掉串组件难以区分；对于红外图像的B通道图像，所有组件区域的灰度值均很小，掉串组件的灰度值已经趋向于零，虽然掉串组件相比于非掉串组件具有较大的灰度值，但是仍然难以将掉串组件和非掉串组件区分出来；因此，排除红外图像的R通道图像和B通道图像作为识别掉串故障的参考图像。
[0040]在光伏电板红外图像中，掉串组件和非掉串组件在G通道图像中的像素灰度值具有很大差异。因此，可将红外图像中的掉串组件分离出来，以达到检测光伏电板掉串故障的目的。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏电板红外图像掉串检测方法，其特征在于，包括以下步骤：S1，采集光伏组件的红外图像；S2，利用图像分割技术将步骤S1中获取的红外图像中的每一个小光伏组件分割出来；S3，计算步骤S2分割出的每个所述小光伏组件区域所有像素在G通道的像素灰度均值，以所述灰度均值代表该小光伏组件区域的整体灰度值分布情况；S4，设定G通道的像素灰度阈值，根据步骤S3计算出的灰度均值与所述灰度阈值的比较，判断所述小光伏组件是否为掉串组件；S5，将所述掉串组件的边缘进行合并，得到掉串区域；S6，对掉串区域进行试验验证；S7，输出掉串识别结果并显示。2.根据权利要求1所述的方法，其特征在于：所述步骤S1中利用无人机搭载红外相机进行红外图像采集。3.根据权利要求1所述的方法，其特征在于，所述步骤S3中小光伏组件i的G通道像素灰度值均值为：其中一小光伏组件的标号为i，其所在图像中的像素区域为Ω
i
，红外图像G通道图像为I，(x,y)为图像I某一像素坐标，|Ω
i
|为像素区域Ω
i
中像素的个数。4.根据权利要求1所述的方法，其特征在于：步骤S4中设定G通道像素灰度阈值为200，当所述灰度均值大于200时，判定该所述小光伏组件为掉串组件，若所述灰度均值小于200时，判定所述小光伏组件为非掉串组件。5.根据权利要求1所述的方法，其特征在于：所述步骤S5得到所述掉串区域的步骤包括：S51，利用OpenCV中的findContours函数将分割后的所述小光伏组件的边缘进行识别并框出，S52，根据步骤S4中识别出所述掉串组件，排除非掉串组件的边缘，保留掉串组件的边缘；S53，将所述掉串组件边缘框的重合部分去除，仅保留掉串组件区域的外部边...

【专利技术属性】
技术研发人员：李永军，焦子航，洪流，
申请(专利权)人：尚特杰电力科技有限公司，
类型：发明
国别省市：