【技术实现步骤摘要】
光伏组件边缘特征图补齐方法、系统、设备及存储介质
[0001]本专利申请涉及图像识别
，特别是涉及一种光伏组件边缘特征图补齐方法、系统、设备及存储介质。
技术介绍
[0002]目前光伏场站设备巡检主要依靠无人机智能巡检，其中，利用无人机巡检图像识别及定位光伏组件缺陷离不开边缘检测技术。当前边缘检测一般是利用U
‑
Net、DeepLab等深度学习算法进行检测，而光伏场站图像中的光伏组件边缘被草木、鸟粪等遮挡时或者光照、地理环境等外界条件不理想时，利用深度学习算法提取的边缘特征图可能会出现残缺、噪声等，影响最终的缺陷识别和定位，如图5所示，右图为左图的特征图，局部会因为遮挡等原因导致出现残缺，影响最终的缺陷识别和定位。为此，我们提出一种光伏组件边缘特征图补齐方法、系统、设备及存储介质。
技术实现思路
[0003]本专利技术旨在至少在一定程度上解决相关技术中技术问题之一，为此，本专利技术的第一个目的在于提出一种光伏组件边缘特征图补齐方法，采用灰度极大和极小值的统计方法，有效的补齐了草木、鸟粪...
【技术保护点】
【技术特征摘要】
1.一种光伏组件边缘特征图补齐方法，其特征在于，包括如下步骤：S1、对获取的光伏组件原始边缘特征图的灰度值进行二值化分割，得到二值化图；S2、二值化图输出确定灰度值为高值时的像素点个数，并计算灰度值为高值时像素点的平均值；S3、根据若干个小于平均值的像素点的分布分割出各组件区域，并根据划分的组件区域，重构完整的组件边缘特征图。2.根据权利要求1所述的光伏组件边缘特征图补齐方法，其特征在于，所述步骤S1中原始边缘特征图灰度值的二值化定义为：将初始灰度值小于等于30的像素点灰度值置为0，显示为纯黑色；初始灰度值大于30的像素点灰度值置为255，显示为纯白色。3.根据权利要求2所述的光伏组件边缘特征图补齐方法，其特征在于，所述步骤S2中确定的灰度值为255的像素点，其具体步骤包括：S21、二值化图输出确定第y行灰度值为255的像素点个数，标记为num_y[y]；确定第x列灰度值为255的像素点个数，标记为num_x[x]；S22、计算n个num_y[y]的像素点个数的平均值及m个num_x[x]的像素点个数的平均值，分别记为average_y和average_x；其中，m*n表示获取的光伏组件原始边缘特征图的分辨率。4.根据权利要求3所述的光伏组件边缘特征图补齐方法，其特征在于，所述步骤S3的具体步骤包括：S31、在小于average_y数组中确定若干个极小值，记录对应的y值，即组件区域的边界y坐标值，在小于average_x数组中确定若干个极小值，记录对应的x值，即组件区域的边界x坐标值；S32、根据x坐标值、y坐标值确定的边界值，分割出若干个组件区域，并筛选出组件区域；S33、在任一组件区域内，确定第y
’
行灰度值为255的像素点个数标记为num_region_y
’
[y
’
]，确定第x
’
列灰度值为255的像素点个数标记为num_region_x
’
[x
’
]，统计h个num_region_y
’
[y
’
]和w个num_region_x
’
[x
’
]，其中，1≤y
’
≤h，1≤x
’
≤w，h为该组件区域下的高度，w为该组件区域下的宽度；S34、对h个num_region_y
’
[y
’
]求平均值，标记为average_region_y
’
；对w个num_region_x
’
[x
’
]求平均值，标记为average_region_x
’
；S35、在大于average_region_y
’
的num_region_y
’
[y
’
]确定极大值对应的y
’
值，即白色边缘线的y
’
坐标值；在大于average_region_x
’
的num_region_x
’
[x
’
]确定极大值对应的x
’
值，即白色边缘线的x
’
坐标值；S36、根据得出的白色边缘线的坐标值，重构完整的组件边缘特征图。5.一种光伏组件边缘特征图补齐系统，其特征在于，包括：二值化模块，用于对获取的光伏组件原始边缘特征图的灰度值进行二值化分割，得到二值化图；计算模块，用于二值化图输出确定灰度值为高值时的像素点个数，并计算灰度值为高值时像素点的平...
【专利技术属性】
技术研发人员：魏江哲，季明彬，是建新，张文慎，陈亮，舒茂龙，邓薇，占磊，齐力文，温招洋，魏恭宏，
申请(专利权)人：国能宁东新能源有限公司，
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。