光伏板识别模型的获取方法、光伏板识别方法及装置制造方法及图纸

本公开涉及一种光伏板识别模型的获取方法、光伏板识别方法及装置，涉及光伏板提取领域，该方法包括：根据第一数据集，生成第一训练集和第一验证集，该第一数据集包括基于第一空间分辨率采集的遥感图像，将该第一训练集输入第一光伏板识别模型，以对该第一光伏板识别模型进行训练，获取训练过程中得到的权值，该第一光伏板识别模型包括DeepLabV3+网络模型，获取训练过程中得到的损失值最小的权值，通过该损失值最小的权值及该第一验证集，对该第一光伏板识别模型进行验证，以得到完成训练的光伏板识别模型。能够得到目标空间分辨率条件下训练完成的光伏板识别模型，利用该模型可以对光伏板进行识别，分割得到完整、清晰的光伏板。清晰的光伏板。清晰的光伏板。

【技术实现步骤摘要】
光伏板识别模型的获取方法、光伏板识别方法及装置


[0001]本公开涉及光伏板提取领域，具体地，涉及一种光伏板识别模型的获取方法、光伏板识别方法及装置。

技术介绍

[0002]随着太阳能光伏产业的发展，如何高效统计光伏板的位置分布、大小和使用情况等信息成为需要解决的问题。现有技术中，通过传统图像分割方法中的区域增长法或改进后的聚类方法，对光伏板的红外图像进行分割，或者通过语义分割网络进行光伏板的分割提取。这些方法中使用的模型不能完整分割出光伏板，边缘模糊问题较严重，并且不能有效适应不同空间分辨率条件下的光伏板分割与提取，计算效率较低。

技术实现思路

[0003]本公开的目的是提供一种光伏板识别模型的获取方法、光伏板识别方法及装置，以解决上述技术问题。
[0004]根据本公开实施例的第一方面，提供一种光伏板识别模型的获取方法，所述方法包括：
[0005]根据第一数据集，生成第一训练集和第一验证集，所述第一数据集包括基于第一空间分辨率采集的遥感图像，所述第一训练集和所述第一验证集中均包括多组样本图像，每组所述样本图像包括基于所述遥感图像得到的包含光伏样本的原始图像和所述原始图像对应的标签图像；
[0006]将所述第一训练集输入第一光伏板识别模型，以对所述第一光伏板识别模型进行训练，并获取训练过程中得到的权值；其中，所述第一光伏板识别模型包括DeepLabV3+网络模型，所述权值为光伏板识别模型中的各层的权重；
[0007]在所述第一光伏板识别模型收敛的情况下停止所述训练，获取训练过程中得到的损失值最小的权值；
[0008]通过所述损失值最小的权值，以及所述第一验证集，对所述第一光伏板识别模型进行验证，以得到完成训练的光伏板识别模型。
[0009]可选地，在将所述第一训练集输入第一光伏板识别模型之前，所述方法还包括：
[0010]分别构建用语言特征提取的主干网络、带有空洞卷积的金字塔池化模块和解码模块，以得到所述DeepLabV3+网络模型，作为所述第一光伏板识别模型。
[0011]可选地，所述根据第一数据集，生成第一训练集和第一验证集，包括：
[0012]获取基于第一空间分辨率采集的遥感图像；
[0013]对所述遥感图像的原始图像中的光伏样本进行标注，得到所述原始图像对应的标签图像；
[0014]由所述原始图像和所述标签图像得到所述第一数据集。
[0015]可选地，所述将所述第一训练集输入第一光伏板识别模型，以对所述第一光伏板
识别模型进行训练，并获取训练过程中得到的权值，包括：
[0016]设置所述第一光伏板识别模型的训练参数，所述训练参数包括数据的批量大小、图像大小和输出步长中的一种或多种；
[0017]将所述第一训练集输入所述第一光伏板识别模型，按照所述训练参数对所述第一光伏板识别模型进行训练；
[0018]获取所述训练过程中得到的权值。
[0019]可选地，所述在所述第一光伏板识别模型收敛的情况下停止所述训练，获取训练过程中得到的损失值最小的权值，包括：
[0020]在所述训练过程中，当所述损失值减小至不再改变的情况下，判定所述第一光伏板识别模型收敛；
[0021]在所述第一光伏板识别模型收敛的情况下停止所述训练，获取所述训练过程中得到的损失值最小的权值。
[0022]可选地，所述通过所述损失值最小的权值，以及所述第一验证集，对所述第一光伏板识别模型进行验证，以得到完成训练的光伏板识别模型，包括：
[0023]将所述第一验证集输入所述第一光伏板识别模型，以得到所述第一光伏板识别模型输出的预测结果；所述第一光伏板识别模型的权值取所述训练过程中所述损失值最小时的权值，所述预测结果包括所述第一验证集中的各个样本图像的二值图像和精度混淆矩阵；
[0024]根据所述精度混淆矩阵获取所述第一光伏板识别模型的所述预测结果的交并比；
[0025]在所述预测结果的交并比不符合预期目标值的情况下，调整训练参数，并根据调整后的训练参数再次执行所述将所述第一训练集输入第一光伏板识别模型至所述通过所述损失值最小的权值，以及所述第一验证集，对所述第一光伏板识别模型进行验证的步骤，直至所述预测结果的交并比符合所述预期目标值；
[0026]在所述预测结果的交并比符合预期目标值的情况下，得到所述完成训练的光伏板识别模型。
[0027]可选地，所述方法还包括：
[0028]根据第二数据集，生成第二训练集和第二验证集；所述第二数据集包括基于第二空间分辨率采集的遥感图像，所述第二训练集和所述第二验证集中均包括多组样本图像；所述第一数据集和所述第二数据集是预先设置的多个数据集中的任意两个数据集，所述多个数据集中的遥感图像空间分辨率不同；
[0029]将所述第二训练集输入第二光伏板识别模型，以对所述第二光伏板识别模型进行训练，得到完成训练的第二光伏板识别模型；
[0030]通过第二验证集对所述第一光伏板识别模型进行验证，得到第一预测结果；
[0031]通过所述第一验证集对第二光伏板识别模型进行验证，得到第二预测结果；
[0032]在所述第一预测结果不符合预期目标值的情况下，调整所述第一光伏板识别模型的训练参数，并根据调整后的训练参数再次对所述第一光伏板识别模型进行训练，和/或，在所述第二预测结果不符合预期目标值的情况下，调整所述第二光伏板识别模型的训练参数，并根据调整后的训练参数再次对所述第二光伏板识别模型进行训练。
[0033]根据本公开实施例的第二方面，提供一种光伏板识别方法，所述方法包括：
[0034]获取当前采集的待处理图像，所述待处理图像为基于指定空间分辨率采集的遥感图像；
[0035]确定所述指定空间分辨率对应的光伏板识别模型；所述光伏板识别模型根据本公开第一方面中任一项所述的光伏板识别模型的获取方法得到；
[0036]将所述待处理图像输入所述光伏板识别模型，得到所述待处理图像中光伏板的识别结果。
[0037]根据本公开实施例的第三方面，提供一种光伏板识别模型的获取装置，所述装置包括：
[0038]生成模块，用于根据第一数据集，生成第一训练集和第一验证集，所述第一数据集包括基于第一空间分辨率采集的遥感图像，所述第一训练集和所述第一验证集中均包括多组样本图像，每组所述样本图像包括基于所述遥感图像得到的包含光伏样本的原始图像和所述原始图像对应的标签图像；
[0039]训练模块，用于将所述第一训练集输入第一光伏板识别模型，以对所述第一光伏板识别模型进行训练，并获取训练过程中得到的权值；其中，所述第一光伏板识别模型包括DeepLabV3+网络模型，所述权值为光伏板识别模型中的各层的权重；
[0040]处理模块，用于在所述第一光伏板识别模型收敛的情况下停止所述训练，获取训练过程中得到的损失值最小的权值；
[0041]验证模块，用于通过所述损失值最小的权值，以及所述第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏板识别模型的获取方法，其特征在于，所述方法包括：根据第一数据集，生成第一训练集和第一验证集，所述第一数据集包括基于第一空间分辨率采集的遥感图像，所述第一训练集和所述第一验证集中均包括多组样本图像，每组所述样本图像包括基于所述遥感图像得到的包含光伏样本的原始图像和所述原始图像对应的标签图像；将所述第一训练集输入第一光伏板识别模型，以对所述第一光伏板识别模型进行训练，并获取训练过程中得到的权值；其中，所述第一光伏板识别模型包括DeepLabV3+网络模型，所述权值为光伏板识别模型中的各层的权重；在所述第一光伏板识别模型收敛的情况下停止所述训练，获取训练过程中得到的损失值最小的权值；通过所述损失值最小的权值，以及所述第一验证集，对所述第一光伏板识别模型进行验证，以得到完成训练的光伏板识别模型。2.根据权利要求1所述的方法，其特征在于，在将所述第一训练集输入第一光伏板识别模型之前，所述方法还包括：分别构建用语言特征提取的主干网络、带有空洞卷积的金字塔池化模块和解码模块，以得到所述DeepLabV3+网络模型，作为所述第一光伏板识别模型。3.根据权利要求1所述的方法，其特征在于，所述根据第一数据集，生成第一训练集和第一验证集，包括：获取基于第一空间分辨率采集的遥感图像；对所述遥感图像的原始图像中的光伏样本进行标注，得到所述原始图像对应的标签图像；由所述原始图像和所述标签图像得到所述第一数据集。4.根据权利要求1所述的方法，其特征在于，所述将所述第一训练集输入第一光伏板识别模型，以对所述第一光伏板识别模型进行训练，并获取训练过程中得到的权值，包括：设置所述第一光伏板识别模型的训练参数，所述训练参数包括数据的批量大小、图像大小和输出步长中的一种或多种；将所述第一训练集输入所述第一光伏板识别模型，按照所述训练参数对所述第一光伏板识别模型进行训练；获取所述训练过程中得到的权值。5.根据权利要求1所述的方法，其特征在于，所述在所述第一光伏板识别模型收敛的情况下停止所述训练，获取训练过程中得到的损失值最小的权值，包括：在所述训练过程中，当所述损失值减小至不再改变的情况下，判定所述第一光伏板识别模型收敛；在所述第一光伏板识别模型收敛的情况下停止所述训练，获取所述训练过程中得到的损失值最小的权值。6.根据权利要求1所述的方法，其特征在于，所述通过所述损失值最小的权值，以及所述第一验证集，对所述第一光伏板识别模型进行验证，以得到完成训练的光伏板识别模型，包括：将所述第一验证集输入所述第一光伏板识别模型，以得到所述第一光伏板识别模型输
出的预测结果；所述第一光伏板识别模型的权值取所述训练过程中所述损失值最小时的权值，所述预测结果包括所述第一验证集中的各个样本图像的二值图像和精度混淆矩阵；根据所述精度混淆矩阵获取所述第一光伏板识别模型的所述预测结果的交并比；在所述预测结果的交并比不符合预期目标值的情况下，调整训练参数，并根据调整后的训练参数再次执行所述将所述第一训练集输入第一光伏板识别模型至所述通过所述损失值最小的权值，以及所述第一验证集，对所述第一光伏板识别模型进行验证的步骤，直至所述预测结果的交并比符合所述预期目标值；在所述预测结果的交并比符合预期目标值的情况下，得到所述完成训练的光伏板识别模型。7...

【专利技术属性】
技术研发人员：孙建，刘桂生，李科文，丁鑫，王辉，祝锐，柴伟，石卫兵，
申请(专利权)人：国家能源集团谏壁发电厂，
类型：发明
国别省市：