一种基于无人机智能巡检诊断光伏组件故障的方法技术

本发明专利技术提供一种基于无人机智能巡检诊断光伏组件故障的方法，包括以下步骤：步骤1、目标检测，利用无人机拍摄的待检测光伏板红外图像经过标注后成为训练数据集，训练数据集经过训练后形成Faster RCNN模型，将无人机拍摄的待检测光伏板红外图像分割成若干块光伏组件图片；步骤2、图像处理，步骤1中的若干光伏组件图片进行图像预处理、图像分割和图像形态学处理后，获得每类故障目标位置；步骤3、深度学习，提取步骤2中每类故障目标的二值化图像特征构成训练数据集对深度学习模型进行迭代训练以构建分类模型，并进行故障分类识别。本发明专利技术通过无人机搭载红外相机进行航拍，采集光伏板表面红外图像，实现光伏组件故障的识别，提高工作效率。作效率。作效率。

【技术实现步骤摘要】
一种基于无人机智能巡检诊断光伏组件故障的方法


[0001]本专利技术涉及光伏发电设备检测
，具体涉及一种基于无人机智能巡检诊断光伏组件故障的方法。

技术介绍

[0002]光伏发电作为重要的新能源发电形式，在新能源发电中占有很大的比重，与集中式光伏相比，分布式光伏电源处于用户侧，发电供给当地负荷，可以有效减少对电网供电的依赖，减少线路损耗，在光伏电站巡检的过程中，往往需要进行。
[0003]传统的光伏巡检以1组2人构成巡检班组，手持红外热成像仪，采用步行巡检方式单次巡检完成整个光伏电站需耗时45个工作日，传统纯人工光伏巡检模式低质低效，行业痛点尤为突出，耗费大量人力，导致工作效率低不宜用于大规模光伏巡检工作。
[0004]因此，需要提供一种基于无人机智能巡检诊断光伏组件故障的方法，以解决上述现有存在的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供一种基于无人机智能巡检诊断光伏组件故障的方法。
[0006]为解决上述技术问题，本专利技术提供一种基于无人机智能巡检诊断光伏组件故障的方法，其特征在于，包括以下步骤：
[0007]步骤1、目标检测，利用无人机拍摄的待检测光伏板红外图像经过标注后成为训练数据集，训练数据集经过训练后形成Faster RCNN模型，利用Faster RCNN模型将无人机拍摄的待检测光伏板红外图像分割成若干块光伏组件图片；
[0008]步骤2、图像处理，步骤1中的若干光伏组件图片进行图像预处理、图像分割和图像形态学处理后，获得每类故障目标位置；
[0009]步骤3、深度学习，提取步骤2中每类故障目标的二值化图像特征构成训练数据集对深度学习模型迭代训练构建分类模型，并进行故障分类识别，以快速将无人机拍摄的待检测光伏板红外图像进行分析和判断。
[0010]进一步的，所述步骤1中，Faster RCNN模型包括特征提取网络层、RPN区域建议网络层、尺寸固定的ROI Pooling层和ROI Head二次分类回归网络层。
[0011]进一步的，所述特征提取网络层采用Resnet101或VGG卷积网络，将输入的图片通过多次卷积层、池化层等方式将原始图片进行16倍的下采样，获得原尺寸1/16的特征图；RPN区域建议网络层是在特征图的基础上，进行第一次回归、分类操作，得到Proposals建议框；ROI Pooling层是将RPN层获得的Proposals下采样固定为14
×
14尺寸，使得不同尺寸输入的Proposals变为统一的14
×
14尺寸；ROI Head二次分类回归网络层是将ROI Pooling层的固定尺寸的Proposals进行二次分类回归精修，这也是Two
‑
stage目标检测框架的特点。
[0012]进一步的，所述步骤2中，采用Faster RCNN模型将无人机拍摄的光伏板红外图像分割成一个个光伏组件图像后，将分割好的光伏组件图像利用图像预处理、图像分割和图
像形态学处理得到各类故障目标位置；图像形态学处理包括腐蚀、膨胀、开运算、闭运算、梯度运算、顶帽、黑帽中的一种或几种。
[0013]进一步的，所述图像预处理是根据无人机拍摄的红外图像温度分布热力图，利用基于核函数的均值漂移聚类算法进行聚类以确定分割阈值；算法详细描述如下：
[0014]Means shift均值漂移算法是沿着密度上升方向寻找聚簇线，设在一个有N个样本的特征空间中，初始化一个聚类中心X，设定一个宽度为D的漂移带内含样本集M＝{x1,x2,...,x
i
}，在均值漂移中引入核函数的概念，采用高斯核函数G(x)对欧式均值距离进行高维度映射，使得对距离聚类中心近的样本赋予更大的权值；
[0015]改进的偏移均值m
h
(X)计算如下：
[0016][0017]其中，D为漂移带宽度，X为聚类中心，x
i
为漂移带宽范围内的样本，n为带宽范围内的样本数量，G(x)为高斯核函数；
[0018]高斯核函数G(x)计算如下：
[0019][0020]其中，h为核函数的带宽；
[0021]步骤：
[0022]在未被分类的数据集中初始化一个聚类中心X；
[0023]找出离聚类中心X的距离在漂移带宽D之内的所有样本，记作集合M；
[0024]计算从聚类中心X开始到集合M中每个元素的向量，将这些向量相加，得到偏移向量；
[0025]聚类中心X沿着shift的方向移动，移动距离是偏移向量的模；
[0026]重复2、3、4，直到偏移向量的模差满足设定的阈值要求，标定此时的聚类中心；
[0027]再次重复1、2、3、4、5，直到所有的样本都被归类；
[0028]分类原则：再次计算所有样本与所有标定的聚类中心的距离，取距离最近的那个聚类中心作为所属类。
[0029]进一步的，所述图像分割，采用阈值分割算法通过判断图像中每一个像素点的特征属性是否满足阈值的要求，来确定图像中的该像素点是属于目标区域还是背景区域，从而将一幅灰度图像转换成二值图像；数学表达式如下：
[0030][0031]其中，g(x)为阈值运算后的二值化图像，f(x,y)为原始图像，T为分割阈值。
[0032]进一步的，所述深度学习模型采用Alex Net模型，将Sigmoid激活函数改成了ReLU激活函数，使计算更简单，网络更容易训练并通过Dropout来控制全连接层的模型复杂度；Alex Net模型主要包括5个卷积层、3个池化Pooling层和3个全连接层，多层卷积层提取输入图像特征从浅层次的纹理特征逐步深入到深层次的形状特征，由低语义特征逐步提升至高语义特征，多层池化层提升了模型的鲁棒性并避免了深度学习模型的过拟合。
[0033]进一步的，所述卷积层包括卷积核，池化层通过模仿人的视觉系统对数据进行降
维，用更具代表性的特征表示图像；全连接层是把之前提取的特征通过权值矩阵重新分配的方式从而组成完整的特征图。
[0034]本专利技术的上述技术方案至少包括以下有益效果：
[0035]1、本专利技术通过无人机搭载红外相机进行航拍，采集光伏板表面红外图像，实现光伏组件故障的识别，提高工作效率；
[0036]2、本专利技术基于图像处理和机器学习技术，利用光伏组件红外识别算法，实现对光伏组件热斑、二极管、杂草等缺陷自动识别、目标定位和缺陷分类，生成无人机巡检诊断报告；
[0037]3、本专利技术可以有效识别光伏板红外图像中的各种类型，能够实际环境中进行应用。
附图说明
[0038]图1为本专利技术实施例流程图；
[0039]图2为本专利技术Faster RCNN模型的结构图；
[0040]图3为本专利技术开运算的结构示意图；
[0041]图4为本专利技术闭运算的结构示意图；
[0042]图5为本专利技术Alex Net模型的结构图；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机智能巡检诊断光伏组件故障的方法，其特征在于，包括以下步骤：步骤1、目标检测，利用无人机拍摄的待检测光伏板红外图像经过标注后成为训练数据集，训练数据集经过训练后形成Faster RCNN模型，利用Faster RCNN模型将无人机拍摄的待检测光伏板红外图像分割成若干块光伏组件图片；步骤2、图像处理，步骤1中的若干光伏组件图片进行图像预处理、图像分割和图像形态学处理后，获得每类故障目标位置；步骤3、深度学习，提取步骤2中每类故障目标的二值化图像特征构成训练数据集对深度学习模型迭代训练构建分类模型，并进行故障分类识别，以快速将无人机拍摄的待检测光伏板红外图像进行分析和判断。2.根据权利要求1所述的基于无人机智能巡检诊断光伏组件故障的方法，其特征在于，所述步骤1中，Faster RCNN模型包括特征提取网络层、RPN区域建议网络层、尺寸固定的ROI Pooling层和ROI Head二次分类回归网络层。3.根据权利要求2所述的基于无人机智能巡检诊断光伏组件故障的方法，其特征在于，所述特征提取网络层采用Resnet101或VGG卷积网络，将输入的图片通过多次卷积层、池化层等方式将原始图片进行16倍的下采样，获得原尺寸1/16的特征图；RPN区域建议网络层是在特征图的基础上，进行第一次回归、分类操作，得到Proposals建议框；ROI Pooling层是将RPN层获得的Proposals下采样固定为14
×
14尺寸，使得不同尺寸输入的Proposals变为统一的14
×
14尺寸；ROI Head二次分类回归网络层是将ROI Pooling层的固定尺寸的Proposals进行二次分类回归精修，这也是Two
‑
stage目标检测框架的特点。4.根据权利要求1所述的基于无人机智能巡检诊断光伏组件故障的方法，其特征在于，所述步骤2中，采用Faster RCNN模型将无人机拍摄的光伏板红外图像分割成一个个光伏组件图像后，将分割好的光伏组件图像利用图像预处理、图像分割和图像形态学处理得到各类故障目标位置；图像形态学处理包括腐蚀、膨胀、开运算、闭运算、梯度运算、顶帽、黑帽中的一种或几种。5.根据权利要求4所述的基于无人机智能巡检诊断光伏组件故障的方法，其特征在于，所述图像预处理是根据无人机拍摄的红外图像温度分布热力图，利用基于核函数的均值漂移聚类算法进行聚类以确定分割阈值；算法详细描述如下：Means shift均值漂...

【专利技术属性】
技术研发人员：王海峰，裴刘生，李光辉，吴安，李佳伟，陈顺元，赵国峰，
申请(专利权)人：西安咸林能源科技有限公司，
类型：发明
国别省市：