一种基于热红外图像分析光伏设备故障的方法及系统技术方案

本发明专利技术提供了一种基于热红外图像分析光伏设备故障的系统，通过无人机机载装置和地面站系统的解决了实时性差，难以做到快速、及时识别故障问题；不需要繁琐的参数测量以及数据采集，仅依据拍摄的图片进行故障诊断，从而避免了由测量误差造成的故障漏检、误检；不需要人为设计图像特征提取算子，由卷积神经网络自行提取高维的图像潜在语义特征，从而避免了由算子选取或设计缺陷造成的检测精度损失、阴天等光照不足的情况无需重新设计算法；通过硬实时、软实时诊断相结合的故障诊断策略解决了热红外图像检测实时性差的问题；由机载故障诊断模块带来的边缘计算能力提高了通信状况不佳的情况下故障识别系统的稳定性。本发明专利技术用于光伏发电巡检。伏发电巡检。伏发电巡检。

【技术实现步骤摘要】
一种基于热红外图像分析光伏设备故障的方法及系统


[0001]本专利技术属于光伏设备故障识别领域，特别涉及一种基于热红外图像分析光伏设备故障的方法及系统。

技术介绍

[0002]随着绿色可再生能源等理念的提出，光伏设备凭借无污染、可再生、存储性好、原料易于获取、容量可扩展性强等优点得到了广泛应用。但由于封装工艺、使用环境等因素的影响，光伏设备中的某些组件可能老化甚至损坏，从而影响实际使用效果。因此，光伏设备的故障识别与分析同样十分重要。
[0003]除生产缺陷以外，最常见且危害最大的光伏设备故障源于热斑现象。这是由于实际使用过程中存在遮挡或光照不均，光伏设备中部分组件产生的电流长时间低于其他组件，形成电势差，最终对外放热。热斑现象会对光伏组件的结构造成破坏，进而对整个光伏设备的使用寿命产生影响。
[0004]现阶段对于光伏设备的故障识别主要采用红外图像分析法，但该方法主要存在以下问题：
[0005]其故障识别精度很大程度上取决于所使用红外摄像仪的精度，而由于红外摄像仪成像固有特点，红外图片常出现图片边缘模糊，目标与背景难以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于热红外图像分析光伏设备故障的方法，其特征在于，所述方法包括，无人机机载装置在无法正常通信时，所述无人机机载装置中的机载故障诊断模块搭载多教师知识蒸馏训练的MobileV3轻量模型对所述无人机采集到的原始热红外图像数据离线故障诊断，所述离线故障诊断经过卷积神经网络提取高维的图像潜在语义特征的剪裁处理；所述裁剪处理后的热红外图像数据作为已训练好的MobileV3网络的输入，所述已训练好的MobileV3网络经过对所述裁剪处理后的热红外图像数据处理，得到检测结果；所述无人机机载装置中的机载存储模块将所述机载故障诊断模块诊断结果和故障位置信息进行备份；在通信环境恢复正常后，所述无人机机载装置中的机载通信模块传输检测结果发给地面站。2.根据权利要求1所述的一种基于热红外图像分析光伏设备故障的方法，其特征在于，所述裁剪处理是由卷积神经网络提取高维的图像潜在语义特征，是将热红外图像裁去热红外图像的边缘模糊部分，通过对所述热红外图像升维提取图像不同通道的多维度信息；最大池化保留高灰度值特征的同时减小图片尺寸；通过2
n
次方卷积提取热红外图像底层特征；残差连接之后的卷积提取的特征，经过全局平均池化将提取到的底层特征量化为具体数字，由softmax神经网络根据数字大小进行分类得到最终的识别结果；所述热红外图像裁剪为224
×
224的格式作为MobileV3网络的输入；所述裁剪处理前，对热红外图像拍照重拍范围在大于25％小于40％以内；所述由softmax神经网络根据数字大小进行分类得到最终的识别结果所述识别结果为热红外图片得到有无热斑识别结果，由一个二进制位表示，0表示未识别到出现热斑，1表示识别到出现热斑。3.根据权利要求1所述的一种基于热红外图像分析光伏设备故障的方法，其特征在于，所述MobileV3网络经过得到检测结果，是指无人机机载装置采集的光伏设备图像数据，作为训练数据集，并用于训练改进的Resnet
‑
50网络集成模型时，采用有放回随机抽取的训练方式，训练每个改进的Resnet
‑
50网络的训练数据集都是原始训练数据集的一个子集，所述经过已训练好的改进好的ResNet50集成网络作为MobileV3网络的一个子集，所述训练数据集用于训练MobileV3网络模型时，使用知识蒸馏的训练方式，此时原始训练数据集所有数据均参与训练；所述训练集用于训练MobileV3网络模型时，使用知识蒸馏的训练方式，是将原来训练数据集的hard label改为由神经网络softmax层预测的soft label，通过设置蒸馏温度T使标签平滑化，是对soft loss及hard loss的加权求和得到总损失total loss；soft loss为多个单教师网络soft loss的加权平均；其中，N为总样本数，M为总类别数，n为教师网络总数，l为其中某一个教师网络，T为蒸馏温度，s为logit得分，i为某一个样本，j为某一种类别，y
ij
为教师网络预测i样本为j类别的概率，x
ij
为学生网络预测i样本为j类别的概率，即输出的预测结果；
总损失totalloss是对softloss及hardloss的加权求和，通过反向传播最小化总损失：totalloss＝k1*hardloss+k2*softloss(4)w1、w2…
w
n
为加权值，可根据各个教师网络对测试数据的识别表现设定权重，设置范围w
n
≤1；k1、k2为加权值，设置范围1≥k≥0，k1+k2＝1设置范围w
n
≤1；k1、k2为加权值，设置范围1≥k≥0，k1+k2＝1。4.一种基于热红外图像分析光伏设备故障的系统，其特征在于，包括无人机机载装置、地面站；无人机机载装置包括图像采集模块、机载故障诊断模块、机载通信模块、机载GPS定位模块、机载存储模块；地面站包括系统管理模块、地面通信模块、地面故障诊断模块；所述无人机机载装置在正常通信状况时，图像采集模块将采集到的原始热红外图像数据传输至所述地面站进行数据的实时处理，所述地面站的地面故障诊断模块采用改进的Resnet
‑
50集成模型进行故障识别；所述无人机机载装置在无法正常通信时，所述无人机机载故障诊断模块搭载多教师知识蒸馏训练的MobileV3轻量模型对所述无人机采集到的原始热红外图像数据离线故障诊断，所述离线故障诊断，是所述机载故障诊断模块对所述热红外图像数据进行裁剪处理，所述剪裁处理由卷积神经网络提取高维的图像潜在语义特征；所述裁剪处理后的热红外图像数据作为已训练好的MobileV3网络的输入，所述已训练好的MobileV3网络经过处理得到检测结果，所述机载存储模块将机载故障诊断模块诊断结果和故障位置信息进行备份；所述机载GPS定位模块负责无人机定位，在图像采集模块传输图像数据时，加入拍摄图片的位置信息；在通信环境恢复正常后，机载通信模块传输检测结果和故障位置信息所形成的报告发给地面通讯模块，所述地面通讯模块将所述报告传输给所述地面站系统管理模块，所述地面站系统管模块根据接收报告的信息路径规划对故障位置区域进行复检。5.根据权利要求4所述的一种基于热红外图像分析光伏设备故障的系统，其特征在...

【专利技术属性】
技术研发人员：高杰，周晨泽，陈露露，院金彪，
申请(专利权)人：西安万飞控制科技有限公司，
类型：发明
国别省市：