光伏面板的异物检测方法及装置制造方法及图纸

本发明专利技术实施例提供了一种光伏面板的异物检测方法、装置、终端设备和可读存储介质，通过获取光伏发电区域的目标图片数据；将目标图片数据输入到预先建立的检测模型，检测出图片数据中的目标异物，其中，预先建立的检测模型是采用样本图片数据，对深度学习算法网络模型进行训练得到的；若光伏发电区域上识别出目标异物，且目标异物在预设位置的滞留时间超过预设时长，则确定目标异物停留于光伏发电区域的表面，将模型算法部署于智能摄像机或监控网络集群服务器中，并对摄像机实时视频进行图像推理分析，从而输出各摄像机点位的光伏板受异物遮挡状况，不仅减少人力成本，提高检测效率，还可以实时检测光伏板上的异物。以实时检测光伏板上的异物。以实时检测光伏板上的异物。

【技术实现步骤摘要】
光伏面板的异物检测方法及装置


[0001]本专利技术涉及智能控制
，特别是涉及一种光伏面板的异物检测方法、装置、终端设备和可读存储介质。

技术介绍

[0002]在现有技术中，光伏面板上会出现一些异物，例如，纸箱、塑料袋、碎布、枯枝落叶等，这样，就会影响光伏面板的发电效率。
[0003]通常使用无人机巡航获取光伏板红外录像，再对红外图像进行异物及热斑目标的外接矩形框标注，最后基于SSD模型框架进行模型训练，从而实现对无人机红外图像中的异物目标识别检测效果；该方案实现了对光伏板异物特征的检测识别，并一定程度上提高准确率，减少人员的工作量；但是高质量无人机巡航的相关设备造价较高，同时只能做到定时巡航，而且无人机巡航容易受天气影响(如风力、降雨等)而终止，且无法实时监测光伏板受异物遮挡状况；如何能够节省成本，且能够实时检测光伏板上的异物，是目前急需解决的问题。

技术实现思路

[0004]鉴于上述问题，提出了本专利技术实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种光伏面板的异物检测方法、装置、终端设备和可读存储介质。
[0005]第一个方面，本专利技术实施例提供一种光伏面板的异物检测方法，所述方法包括：
[0006]获取光伏发电区域的目标图片数据；
[0007]将所述目标图片数据输入到预先建立的检测模型，检测出图片数据中的目标异物，其中，所述预先建立的检测模型是采用样本图片数据，对深度学习算法网络模型进行训练得到的；
[0008]若所述光伏发电区域上识别出所述目标检测物体，且所述目标异物在预设位置的滞留时间超过预设时长，则确定所述目标异物停留于所述光伏发电区域的表面。
[0009]可选地，所述预先建立的检测模型是采用样本图片数据，对深度学习算法网络模型进行训练得到的，包括：
[0010]通过监控摄像机获取光伏发电区域运行的初始视频数据；
[0011]提取所述初始视频数据中的图片数据，并对所述图片数据中的异物进行目标框的标注，得到标注后的图片数据；
[0012]对所述标注后的图片数据进行数据增强处理，得到处理后的图像；
[0013]将所述处理后的图像对深度学习算法网络模型进行训练，得到所述检测模型。
[0014]可选地，所述将所述处理后的图像对深度学习算法网络模型进行训练，得到所述检测模型，包括：
[0015]将所述处理后的图像输入到所述深度学习算法网络模型中，得到模型输出结果；
[0016]通过构建损失函数，并将所述模型输出结果与图像真实标签数据输入所述损失函
数，并计算与所述损失函数的损失梯度，再根据所述损失梯度的下降方向对所述深度学习算法网络模型进行更新优化。
[0017]可选地，所述提取所述初始视频数据中的图片数据，并对所述图片数据中的异物进行目标框的标注，得到标注后的图片数据，包括：
[0018]采用异物目标外接矩形框，对所述图片数据中的异物进行标注，其中，所述异物目标外接矩形框的尺寸大小大于所述异物的尺寸大小。
[0019]可选地，所述对所述标注后的图片数据进行数据增强处理，得到处理后的图像，包括：
[0020]在所述标注后的图片数据上，随机生成不同尺寸、形状及填充图样的多边形异物及其目标框；
[0021]对生成多边形异物目标框的图像进行上下镜像操作、左右镜像操作、拼接操作、缩放操作、旋转操作中的一种或多种操作，得到处理后的图像。
[0022]第二个方面，本专利技术实施例提供一种光伏面板的异物检测装置，所述装置包括：
[0023]获取模块，用于获取光伏发电区域的目标图片数据；
[0024]识别模块，用于将所述目标图片数据输入到预先建立的检测模型，检测出图片数据中的目标异物，其中，所述预先建立的检测模型是采用样本图片数据，对深度学习算法网络模型进行训练得到的；
[0025]判断模块，用于若所述光伏发电区域上识别出所述目标检测物体，且所述目标异物在预设位置的滞留时间超过预设时长，则确定所述目标异物停留于所述光伏发电区域的表面。
[0026]可选地，所述获取模块还用于：
[0027]通过监控摄像机获取光伏发电区域运行的初始视频数据；
[0028]提取所述初始视频数据中的图片数据，并对所述图片数据中的异物进行目标框的标注，得到标注后的图片数据；
[0029]对所述标注后的图片数据进行数据增强处理，得到处理后的图像；
[0030]将所述处理后的图像对深度学习算法网络模型进行训练，得到所述检测模型。
[0031]可选地，所述获取模块还用于：
[0032]将所述处理后的图像输入到所述深度学习算法网络模型中，得到模型输出结果；
[0033]通过构建损失函数，并将所述模型输出结果与图像真实标签数据输入所述损失函数，并计算与所述损失函数的损失梯度，再根据所述损失梯度的下降方向对所述深度学习算法网络模型进行更新优化。
[0034]可选地，所述获取模块用于：
[0035]采用异物目标外接矩形框，对所述图片数据中的异物进行标注，其中，所述异物目标外接矩形框的尺寸大小大于所述异物的尺寸大小。
[0036]可选地，所述获取模块用于：
[0037]在所述标注后的图片数据上，随机生成不同尺寸、形状及填充图样的多边形异物及其目标框；
[0038]对生成多边形异物目标框的图像进行上下镜像操作、左右镜像操作、拼接操作、缩放操作、旋转操作中的一种或多种操作，得到处理后的图像。
[0039]第三个方面，本专利技术实施例提供一种终端设备，包括：至少一个处理器和存储器；
[0040]所述存储器存储计算机程序；所述至少一个处理器执行所述存储器存储的计算机程序，以实现第一个方面提供的光伏面板的异物检测方法。
[0041]第四个方面，本专利技术实施例提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现第一个方面提供的光伏面板的异物检测方法。
[0042]本专利技术实施例包括以下优点：
[0043]本专利技术实施例提供的光伏面板的异物检测方法、装置、终端设备和可读存储介质，通过获取光伏发电区域的目标图片数据；将目标图片数据输入到预先建立的检测模型，检测出图片数据中的目标异物，其中，预先建立的检测模型是采用样本图片数据，对深度学习算法网络模型进行训练得到的；若光伏发电区域上识别出目标异物，且目标异物在预设位置的滞留时间超过预设时长，则确定目标异物停留于光伏发电区域的表面，将模型算法部署于智能摄像机或监控网络集群服务器中，并对摄像机实时视频进行图像推理分析，从而输出各摄像机点位的光伏板受异物遮挡状况，不仅减少人力成本，提高检测效率，还可以实时检测光伏板上的异物。
附图说明
[0044]图1是本专利技术的一种光伏面板的异物检测方法实施例的步骤流程图；
[0045]图2是本专利技术的又一种光伏面板的异物检测方法实施例的步骤流程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏面板的异物检测方法，其特征在于，所述方法包括：获取光伏发电区域的目标图片数据；将所述目标图片数据输入到预先建立的检测模型，检测出图片数据中的目标异物，其中，所述预先建立的检测模型是采用样本图片数据，对深度学习算法网络模型进行训练得到的；若所述光伏发电区域上识别出所述目标异物，且所述目标异物在预设位置的滞留时间超过预设时长，则确定所述目标异物停留于所述光伏发电区域的表面。2.根据权利要求1所述的方法，其特征在于，所述预先建立的检测模型是采用样本图片数据，对深度学习算法网络模型进行训练得到的，包括：通过监控摄像机获取光伏发电区域运行的初始视频数据；提取所述初始视频数据中的图片数据，并对所述图片数据中的异物进行目标框的标注，得到标注后的图片数据；对所述标注后的图片数据进行数据增强处理，得到处理后的图像；将所述处理后的图像对深度学习算法网络模型进行训练，得到所述检测模型。3.根据权利要求2所述的方法，其特征在于，所述将所述处理后的图像对深度学习算法网络模型进行训练，得到所述检测模型，包括：将所述处理后的图像输入到所述深度学习算法网络模型中，得到模型输出结果；通过构建损失函数，并将所述模型输出结果与图像真实标签数据输入所述损失函数，并计算与所述损失函数的损失梯度，再根据所述损失梯度的下降方向对所述深度学习算法网络模型进行更新优化。4.根据权利要求2所述的方法，其特征在于，所述提取所述初始视频数据中的图片数据，并对所述图片数据中的异物进行目标框的标注，得到标注后的图片数据，包括：采用异物目标外接矩形框，对所述图片数据中的异物进行标注，其中，所述异物目标外接矩形框的尺寸大小大于所述异物的尺寸大小。5.根据权利要求2所述的方法，其特征在于，所述对所述标注后的图片数据进行数据增强处理，得到处理后的图像，包括：在所述标注后的图片数据上，随机生成不同尺寸、形状及填充图样的多边形异物及其目标框；对生成多边形...

【专利技术属性】
技术研发人员：李俞均，
申请(专利权)人：深圳市铁越电气有限公司，
类型：发明
国别省市：