本说明书实施方式公开了一种光伏组件故障检测方法、装置、计算机设备及存储介质，通过对光伏组件图像进行目标检测，得到故障检测初步结果，且在故障检测初步结果包括的初步故障类别属于第一易误检类别的情况下，对所述光伏组件图像包括的故障区域图像进行图像分类，得到故障区域图像所对应的故障分类结果，进一步的比较故障检测初步结果与所述故障分类结果，从而基于对比结果确定目标故障类别，如此，通过目标检测和分类检测的配合使用，在识别由于故障区域图像的图像特征相似引起误检的故障类别时，提升故障类别识别的准确性。提升故障类别识别的准确性。提升故障类别识别的准确性。
【技术实现步骤摘要】
光伏组件故障检测方法、装置、计算机设备及存储介质
[0001]本说明书实施方式涉及光伏发电
，尤其涉及一种光伏组件故障检测方法、装置、计算机设备及存储介质。
技术介绍
[0002]随着光伏发电技术的发展，出现光伏电站。在光伏电站的长期运行过程中，光伏组件中会由于灰尘覆盖、树木遮挡、组件损坏等原因导致组件发电效能降低、设备损坏。因此，需要对光伏电站的光伏组件进行检测，以及时识别光伏组件故障。
[0003]相关技术中，开始应用无人机对光伏电站的光伏组件进行巡检。无人机可以配置有图像采集模块，通过图像采集模块获取光伏组件图像。进一步的，通过深度学习算法对光伏组件图像进行检测以识别光伏组件故障。
[0004]然而，相关技术中识别光伏组件的故障类别的准确性有待提高。
技术实现思路
[0005]本说明书实施方式提供一种光伏组件故障检测方法、装置、计算机设备及存储介质，以提高相关技术中识别光伏组件的故障类别的准确性。
[0006]本说明书实施方式提供一种光伏组件故障检测方法，所述方法包括：对光伏组件图像进行目标检测，得到故障检测初步结果；在所述故障检测初步结果包括的初步故障类别属于第一易误检类别的情况下，对所述初步故障类别对应的故障区域图像进行图像分类，得到所述故障区域图像所对应的故障分类结果；其中，所述第一易误检类别为在所述目标检测的过程中由于故障区域图像的图像特征相似引起误检的故障类别；基于所述故障检测初步结果与所述故障分类结果的对比结果，确定所述故障区域图像所对应的目标故障类别。
[0007]本说明书实施方式提供一种光伏组件故障检测装置，所述装置包括：组件故障检测模块，用于对光伏组件图像进行目标检测，得到故障检测初步结果；故障图像分类模块，用于在所述故障检测初步结果包括的初步故障类别属于第一易误检类别的情况下，对所述初步故障类别对应的故障区域图像进行图像分类，得到所述故障区域图像所对应的故障分类结果；其中，所述第一易误检类别为在所述目标检测的过程中由于故障区域图像的图像特征相似引起误检的故障类别；故障类别确定模块，用于基于所述故障检测初步结果与所述故障分类结果的对比结果，确定所述故障区域图像所对应的目标故障类别。
[0008]本说明书的一个实施方式提供一种计算机设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项实施方式所述的方法的步骤。
[0009]本说明书的一个实施方式提供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任一项实施方式所述的方法的步骤。
[0010]本说明书的一个实施方式提供一种计算机程序产品，所述计算机程序产品中包括
指令，所述指令被计算机设备的处理器执行时，使得所述计算机设备能够执行上述任一项实施方式所述的方法的步骤。
[0011]上述说明书实施方式中，通过对光伏组件图像进行目标检测，得到故障检测初步结果，且在故障检测初步结果包括的初步故障类别属于第一易误检类别的情况下，对所述光伏组件图像包括的故障区域图像进行图像分类，得到故障区域图像所对应的故障分类结果，进一步的比较故障检测初步结果与所述故障分类结果，从而基于对比结果确定目标故障类别，如此，通过目标检测和分类检测的配合使用，在识别由于故障区域图像的图像特征相似引起误检的故障类别时，提升故障类别识别的准确性。
附图说明
[0012]图1为本说明书实施方式提供的光伏组件故障检测系统的示意图。
[0013]图2为本说明书实施方式提供的光伏组件故障检测方法的流程示意图。
[0014]图3为本说明书实施方式提供的光伏组件故障检测方法的流程示意图。
[0015]图4a为本说明书实施方式提供的光伏组件故障检测方法的流程示意图。
[0016]图4b为本说明书实施方式提供的目标检测模型的结构示意图。
[0017]图4c为本说明书实施方式提供的目标检测模型的结构示意图。
[0018]图4d为本说明书实施方式提供的CBAM注意力机制模块的结构示意图。
[0019]图4e为本说明书实施方式提供的通道注意力模块的结构示意图。
[0020]图4f为本说明书实施方式提供的空间注意力模块的结构示意图。
[0021]图5为本说明书实施方式提供的光伏组件故障检测方法的流程示意图。
[0022]图6为本说明书实施方式提供的光伏组件故障检测装置的结构示意图。
[0023]图7为本说明书实施方式提供的计算机设备的结构示意图。
具体实施方式
[0024]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0025]随着光伏发电技术的发展，出现了光伏电站，比如，光伏电站可以包括分布式光伏电站和集中式光伏电站。随着新增装机容量所占的比例不断增大，而光伏电站的运维也面临日益严峻的挑战。光伏组件在运行中经常因灰尘覆盖、树木遮挡、组件损坏等原因导致组件发电效能降低，设备损坏频发，严重影响项目投资收益。采用人工巡检需要花费大量的时间和精力，标准不统一，效率低下，成本高，风险突出。随着无人机技术快速发展，应用无人机的巡航能力对光伏组件进行检测，将有广阔的发展前景。
[0026]在光伏电站的长期运行中，光伏组件会产生有鸟禽排泄物、浮土、落叶等遮挡物。另外光伏电池板还有破裂、缺失等故障，这些故障可以通过视觉观察发现。其它缺陷如组串不发电、接线盒问题等内部故障则不容易通过视觉观察发现。但光伏组件故障时，组件中某些电池单片的电流以及电压发生了变化。光伏组件额定电压降低的同时，还导致局部电流与电压之积增大，致使组件的局部温度上升，会减少光伏组件的寿命、可靠性以及光电转换效率，甚至局部烧毁电池、融化焊点，炸裂盖板玻璃。因此精确识别光伏组件的故障类别对
于光伏电站的高效经济运行至关重要。
[0027]通过无人机拍摄各种环境下光伏电站的红外图像和/或可见光图像，并对对采集到的图像进行分类分析，可以将光伏电站中常见的故障分为热斑、遮挡热斑、碎裂、接线盒问题、组件缺失和不发电组串6种故障类别，这些故障类别对应的故障对目前光伏电站来说有着严重的影响，减少发电站的发电量的同时也降低了光伏组件的使用寿命，对电站的安全稳定运行埋下了隐患。
[0028]因此，为了快速准确地对光伏电站中的组件故障进行检测识别，首先，利用无人机巡检替代传统的人工巡检方式，然后利用深度学习算法实现对无人机拍摄的图像进行自动检测识别，自动检测识别出每张图像中是否含有组件故障以及组件故障的故障类别，提高光伏电站的运维效率，保证组件发电效能。
[0029]在本说明书实施方式中，获取光伏组件图像，对光伏组件图像进行目标检测，确定光伏组件图像中包括的故障区域图像的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种光伏组件故障检测方法，其特征在于，所述方法包括：对光伏组件图像进行目标检测，得到故障检测初步结果；在所述故障检测初步结果包括的初步故障类别属于第一易误检类别的情况下，对所述初步故障类别对应的故障区域图像进行图像分类，得到所述故障区域图像所对应的故障分类结果；其中，所述第一易误检类别为在所述目标检测的过程中由于故障区域图像的图像特征相似引起误检的故障类别；基于所述故障检测初步结果与所述故障分类结果的对比结果，确定所述故障区域图像所对应的目标故障类别。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：在所述故障检测初步结果包括的初步故障类别属于第二易误检类别的情况下，在所述故障区域图像中确定若干不连续的目标像素点；其中，所述第二易误检类别为在所述目标检测的过程中由于故障区域图像的图像特征与特定场景图像的图像特征相似引起误检的故障类别；基于所述目标像素点的像素均值与预设像素阈值的比较结果，确定所述光伏组件的故障情况。3.根据权利要求2所述的方法，其特征在于，所述基于所述目标像素点的像素均值与预设像素阈值的比较结果，确定所述光伏组件的故障情况，至少包括以下之一：在所述像素均值小于所述预设像素阈值的情况下，丢弃所述故障检测初步结果包括的初步故障类别，确定所述光伏组件处于无故障状态中；在所述像素均值不小于所述预设像素阈值的情况下，确定所述光伏组件对应的目标故障类别包括所述初步故障类别。4.根据权利要求2所述的方法，其特征在于，所述第二易误检类别为不发电组件故障类别，所述特定场景图像为光伏组件反光图像。5.根据权利要求1所述的方法，其特征在于，所述第一易误检类别为热斑故障类别或者碎裂故障类别。6.根据权利要求1所述的方法，其特征在于，所述基于所述故障检测初步结果与所述故障分类结果的对比结果，确定所述故障区域图像所对应的目标故障类别，包括：在所述初步故障类别与所述故障分类结果包括的待确定故障类别一致的情况下，确定所述初步故障类别或者所述待确定故障类别为所述目标故障类别。7.根据权利要求1所述的方法，其特征在于，所述故障检测初步结果包括所述初步故障类别对应的检测置信度，所述故障分类结果包括待确定故障类别、所述待确定故障类别对应的分类置信度；所述基于所述故障检测初步结果与所述故障分类结果的对比结果，确定所述故障区域图像所对应的目标故障类别，包括：在所述初步故障类别与所述...
【专利技术属性】
技术研发人员：柴华荣，方振宇，张锐，
申请(专利权)人：阳光智维科技有限公司，
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。