漏光检测模型的训练方法、检测方法、设备及存储介质技术

本发明专利技术提供一种漏光检测模型的训练方法、检测方法、设备及存储介质，漏光检测模型的训练方法包括：获取光伏组件图像以及光伏组件图像的组件漏光标注；根据光伏组件图像和组件漏光标注，确定光伏组件图像中的训练电池片图像以及每个训练电池片图像的电池片漏光标注；根据每个训练电池片图像以及每个训练电池片图像的电池片漏光标注，得到训练样本数据；根据训练样本数据，对初始漏光检测模型进行训练，得到已训练的目标漏光检测模型；目标漏光检测模型用于对待检测光伏组件所包括的电池片进行漏光检测。训练得到的目标漏光检测模型可用于待检测光伏组件中电池片的漏光检测，并且具有较高的效率。有较高的效率。有较高的效率。

【技术实现步骤摘要】
漏光检测模型的训练方法、检测方法、设备及存储介质


[0001]本专利技术涉及图像处理
，具体涉及一种漏光检测模型的训练方法、检测方法、设备及存储介质。

技术介绍

[0002]太阳能光伏组件(也叫太阳能电池板)是太阳能发电系统中的核心部分，也是太阳能发电系统中最重要的部分，由多个电池片串并联组成；其作用是将太阳能转化为电能，或送往蓄电池中存储起来，或推动负载工作。
[0003]由于电池片是通过吸收光照，然后进行能量转换，因此电池片的漏光缺陷会严重影响电池片的发电性能；因此，亟需一种对光伏组件的电池片的漏光检测方法。

技术实现思路

[0004]针对现有技术中所存在的不足，本专利技术提供一种漏光检测模型的训练方法、检测方法、设备及存储介质。
[0005]第一方面，在一个实施例中，本专利技术提供一种漏光检测模型的训练，包括：
[0006]获取光伏组件图像以及光伏组件图像的组件漏光标注；
[0007]根据光伏组件图像和组件漏光标注，确定光伏组件图像中的训练电池片图像以及每个训练电池片图像的电池片漏光标注；
[0008]根据每个训练电池片图像以及每个训练电池片图像的电池片漏光标注，得到训练样本数据；
[0009]根据训练样本数据，对初始漏光检测模型进行训练，得到已训练的目标漏光检测模型；目标漏光检测模型用于对待检测光伏组件所包括的电池片进行漏光检测。
[0010]在一个实施例中，根据光伏组件图像和组件漏光标注，确定光伏组件图像中的训练电池片图像以及每个训练电池片图像的电池片漏光标注，包括：
[0011]对光伏组件图像进行分割，得到光伏组件图像中的训练电池片图像；
[0012]根据组件漏光标注中每个漏光缺陷的位置信息以及每个训练电池片图像在光伏组件图像中的位置信息，确定每个训练电池片图像对应的电池片漏光标注。
[0013]在一个实施例中，对光伏组件图像进行分割，得到光伏组件图像中的训练电池片图像，包括：
[0014]获取已训练的目标图像分割模型；
[0015]将光伏组件图像输入至目标图像分割模型中，得到目标图像分割模型输出的分割信息；
[0016]根据分割信息对光伏组件图像进行分割，得到光伏组件图像中的训练电池片图像。
[0017]在一个实施例中，根据组件漏光标注中每个漏光缺陷的位置信息以及每个训练电池片图像在光伏组件图像中的位置信息，确定每个训练电池片图像的电池片漏光标注，包
括：
[0018]根据每个训练电池片图像在光伏组件图像中的位置信息以及组件漏光标注中每个漏光缺陷的位置信息，得到包含漏光缺陷的第一训练电池片图像、漏光缺陷在第一训练电池片图像的位置信息以及未包括漏光缺陷的第二训练电池片图像；
[0019]根据漏光缺陷在第一训练电池片图像的位置信息，对第一训练电池片图像进行第一漏光标注，得到第一训练电池片的电池片漏光标注；
[0020]对第二训练电池片图像进行第二漏光标注，得到第二训练电池片图像的电池片漏光标注；第一漏光标注表征存在漏光缺陷的标注，第二漏光标注表征未存在漏光缺陷的标注。
[0021]在一个实施例中，电池片漏光标注包括标注漏光位置、标注漏光类型、以及标注漏光置信度；根据训练样本数据，对初始漏光检测模型进行训练，得到已训练的目标漏光检测模型，包括：
[0022]将训练样本数据输入至初始漏光检测模型，得到每个训练电池片图像的训练预测漏光位置、训练预测漏光类型以及训练预测漏光置信度；
[0023]根据训练预测漏光位置以及标注漏光位置，得到位置损失；
[0024]根据训练预测漏光类型以及标注漏光类型，得到类型损失；
[0025]根据训练预测漏光置信度以及标注漏光置信度，得到置信度损失；
[0026]根据位置损失、类型损失以及置信度损失，得到目标损失；
[0027]若目标损失不满足预设条件，则根据目标损失调整初始漏光检测模型的模型参数，直至得到的目标损失满足预设条件，得到目标漏光检测模型。
[0028]在一个实施例中，根据位置损失、类型损失以及置信度损失，得到目标损失，包括：
[0029]确定位置损失、类型损失以及置信度损失的损失权重；
[0030]根据损失权重，对位置损失、类型损失以及置信度损失进行加权处理，得到目标损失。
[0031]在一个实施例中，本专利技术提供一种光伏组件的漏光检测方法，基于上述任一种实施例中的漏光检测模型的训练方法得到的已训练的目标漏光检测模型进行漏光检测，方法包括：
[0032]获取待检测光伏组件对应的待检测电池片图像；
[0033]基于目标漏光检测模型，对待检测电池片图像进行漏光检测，得到目标预测漏光位置、目标预测漏光类型以及目标预测漏光置信度；
[0034]根据目标预测漏光位置、目标预测漏光类型以及目标预测漏光置信度，得到待检测电池片图像的目标漏光检测结果。
[0035]第二方面，在一个实施例中，本专利技术提供一种漏光检测模型的训练装置，包括：
[0036]图像获取模块，用于获取光伏组件图像以及光伏组件图像的组件漏光标注；
[0037]漏光标注模块，用于根据光伏组件图像和组件漏光标注，确定光伏组件图像中的训练电池片图像以及每个训练电池片图像的电池片漏光标注；
[0038]样本生成模块，用于根据每个训练电池片图像以及每个训练电池片图像的电池片漏光标注，得到训练样本数据；
[0039]模型训练模块，用于根据训练样本数据，对初始漏光检测模型进行训练，得到已训
练的目标漏光检测模型；目标漏光检测模型用于对待检测光伏组件所包括的电池片进行漏光检测。
[0040]第三方面，在一个实施例中，本专利技术提供一种计算机设备，包括存储器和处理器；存储器存储有计算机程序，处理器用于运行存储器内的计算机程序，以执行上述任一种实施例中的漏光检测模型的训练方法中的步骤或上述任一种实施例中的光伏组件的漏光检测方法中的步骤。
[0041]第四方面，在一个实施例中，本专利技术提供一种存储介质，存储介质存储有计算机程序，计算机程序被处理器进行加载，以执行上述任一种实施例中的漏光检测模型的训练方法中的步骤或上述任一种实施例中的光伏组件的漏光检测方法中的步骤。
[0042]通过上述漏光检测模型的训练方法、检测方法、设备及存储介质，先得到光伏组件图像整体上的组件漏光标注，然后再根据组件漏光标注得到光伏组件图像中每个训练电池片图像的电池片漏光标注，并根据每个训练电池图像的电池片漏光标注构建训练样本数据，如此，通过构建得到的训练样本数据对初始漏光检测模型进行训练，即可使训练得到的目标漏光检测模型用于待检测光伏组件中电池片的漏光检测，具有较高的效率和精度；此外，仅需一次对光伏组件图像的标注，就可以得到不同尺寸的训练电池片图像的电池片漏光标注，提高了多尺寸训练电池片图像的漏光标注效率。
附图说明
[0043]为了更清楚地说明本专利技术实施例中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种漏光检测模型的训练方法，其特征在于，包括：获取光伏组件图像以及所述光伏组件图像的组件漏光标注；根据所述光伏组件图像和所述组件漏光标注，确定所述光伏组件图像中的训练电池片图像以及每个所述训练电池片图像的电池片漏光标注；根据每个所述训练电池片图像以及每个所述训练电池片图像的电池片漏光标注，得到训练样本数据；根据所述训练样本数据，对初始漏光检测模型进行训练，得到已训练的目标漏光检测模型；所述目标漏光检测模型用于对待检测光伏组件所包括的电池片进行漏光检测。2.根据权利要求1所述的漏光检测模型的训练方法，其特征在于，所述根据所述光伏组件图像和所述组件漏光标注，确定所述光伏组件图像中的训练电池片图像以及每个所述训练电池片图像的电池片漏光标注，包括：对所述光伏组件图像进行分割，得到所述光伏组件图像中的训练电池片图像；根据所述组件漏光标注中每个漏光缺陷的位置信息以及每个所述训练电池片图像在所述光伏组件图像中的位置信息，确定每个所述训练电池片图像对应的电池片漏光标注。3.根据权利要求2所述的漏光检测模型的训练方法，其特征在于，所述对所述光伏组件图像进行分割，得到所述光伏组件图像中的训练电池片图像，包括：获取已训练的目标图像分割模型；将所述光伏组件图像输入至所述目标图像分割模型中，得到所述目标图像分割模型输出的分割信息；根据所述分割信息对所述光伏组件图像进行分割，得到所述光伏组件图像中的训练电池片图像。4.根据权利要求2所述的漏光检测模型的训练方法，其特征在于，所述根据所述组件漏光标注中每个漏光缺陷的位置信息以及每个所述训练电池片图像在所述光伏组件图像中的位置信息，确定每个所述训练电池片图像的电池片漏光标注，包括：根据每个所述训练电池片图像在所述光伏组件图像中的位置信息以及所述组件漏光标注中每个所述漏光缺陷的位置信息，得到包含漏光缺陷的第一训练电池片图像、漏光缺陷在所述第一训练电池片图像的位置信息以及未包括漏光缺陷的第二训练电池片图像；根据漏光缺陷在所述第一训练电池片图像的位置信息，对所述第一训练电池片图像进行第一漏光标注，得到所述第一训练电池片的电池片漏光标注；对所述第二训练电池片图像进行第二漏光标注，得到所述第二训练电池片图像的电池片漏光标注；所述第一漏光标注表征存在漏光缺陷的标注，所述第二漏光标注表征未存在漏光缺陷的标注。5.根据权利要求1所述的漏光检测模型的训练方法，其特征在于，所述电池片漏光标注包括标注漏光位置、标注漏光类型、以及标注漏光置信度；所述根据所述训练样本数据，对初始漏光检测模型进行训练，得到已训练的目标漏光检测模型，包括：将所述训练样本数据输入至所述初始漏光检测模型，...

【专利技术属性】
技术研发人员：沈建华，洪乐，马志远，黄小勇，宗迎仙，王龙，
申请(专利权)人：正泰集团研发中心上海有限公司，
类型：发明
国别省市：