本发明专利技术提出了一种大基地光伏电站自动验收方法和装置，该方法包括如下步骤：设置并根据无人机的巡检路线，利用第一相机和第二相机拍摄，获取光伏板的可见光图像和红外图像；根据可见光图像，判断光伏板是否存在缺陷，利用第三相机拍摄光伏板的缺陷位置，获得缺陷图像；预处理后通过大津法进行前景分割提取，获得前景区域图像；对前景区域图像进行热斑分割提取，获得热斑区域图像；根据地理坐标，进行图像匹配，确定光伏板缺陷类型；将采集图像与光伏电站虚拟仿真场景图像进行配准，并标注缺陷类型，生成验收报告。本发明专利技术利用长焦相机获取缺陷图像，图像清晰度高，便于后期图像识别匹配，方便技术人员准确识别缺陷类型，提高了光伏板的巡检效率。伏板的巡检效率。伏板的巡检效率。
【技术实现步骤摘要】
一种大基地光伏电站自动验收方法和装置
[0001]本专利技术涉及光伏电站巡检
，具体而言，涉及一种大基地光伏电站自动验收方法和装置。
技术介绍
[0002]近几年随着光伏发电产业规模迅速扩张，光伏电站的日常运维压力日益增加。光伏面板作为光伏发电系统的核心组成部分，在日常的运行中长期暴露在自然环境下，不可避免会产生各种缺陷，如裂纹、蜗牛纹、损坏、焊带故障、污点、植被遮挡、局部发热等，及时发现面板缺陷并进行人工干预对保障光伏电站的发电效率有重要意义。
[0003]传统的方法主要是对面板的发电电流进行监测，当发电功率异常则可能存在面板缺陷。由于成本的限制，这种方法只能将故障限定在一定范围内，准确的故障定位还需要依赖人工排查，检测效率低，劳动量大。因此出现了一些利用无人机巡检的方法，但是大部分无人机巡检的方法在拍摄阶段通常只拍摄可见光图像和红外图像，拍摄完成后再对图像进行分析处理。受制于地形因素，光伏组件安装存在高度差，无人机的飞行高度和速度需要随时调整，而且拍摄时容易受到强光和气流的影响，造成拍摄的图像清晰度较差，使得图像匹配阶段的漏检率较高，匹配效果差，且在缺陷识别定位阶段无法实现精确定位和确定缺陷类型，因此还需要安排技术人员到缺失或模糊图像的区域进行排查，增加了运维人员的工作量。
技术实现思路
[0004]鉴于上述问题，本专利技术提供了一种大基地光伏电站自动验收方法和装置，解决了现有技术中拍摄的图像清晰度较差，使得图像匹配阶段的漏检率较高，匹配效果差，且在缺陷识别定位阶段无法实现精确定位和确定缺陷类型的问题。
[0005]为解决上述技术问题，本专利技术采用的技术方案是：一种大基地光伏电站自动验收方法，包括如下步骤：获取光伏电站的边界区域，根据所述边界区域设置无人机的巡检路线；根据所述巡检路线，利用第一相机和第二相机拍摄待检测光伏板，获取光伏板的可见光图像和红外图像；根据所述可见光图像，初步判断光伏板是否存在缺陷，若存在，则利用第三相机拍摄光伏板的缺陷位置，获得缺陷图像；将所述红外图像进行预处理，再通过大津法对预处理后的图像进行前景分割提取，获得前景区域图像；采用自适应动态阈值算法对所述前景区域图像进行热斑分割提取，获得热斑区域图像；根据地理坐标，将所述热斑区域图像与可见光图像和缺陷图像进行匹配，确定光伏板缺陷类型；将所述可见光图像和/或缺陷图像与光伏电站虚拟仿真场景图像进行配准，并标注缺陷类型，生成验收报告。
[0006]作为优选方案，根据所述边界区域设置无人机的巡检路线，包括：在所述边界区域内布设多个控制点，并利用无人机在控制点上方拍摄，获得控制点图像，所述控制点图像记录有地理坐标；根据所述控制点图像对光伏电站边界区域进行拟合，获得光伏电站拟合面；根据所述拟合面的向量角度和相机拍摄参数，确定无人机的拍摄姿态和巡检路线。
[0007]作为优选方案，所述第一相机为广角相机，所述第二相机为红外相机，所述第三相机为长焦相机。
[0008]作为优选方案，所述缺陷包括裂纹、蜗牛纹、损坏、污点和植被遮挡，则根据所述可见光图像，初步判断光伏板是否存在缺陷，包括：获取所述可见光图像，并对其进行灰度处理；采用canny边缘检测算法对灰度图像进行处理，获得二值化图像；在所述二值化图像上采用滑动窗口获取局部图像；对所述局部图像进行空间聚类，确定同类数据最多的类别，并获取该类别的外界矩阵；根据设置的外界矩阵最长边阈值，确定光伏板的缺陷位置。
[0009]作为优选方案，将所述红外图像进行预处理，具体为：对所述红外图像进行灰度处理，再进行中值滤波处理。
[0010]作为优选方案，所述大津法为计算前景图像与背景图像的类间方差最大时的分割阈值，设类间方差为g，则
[0011]g＝ω0(μ0‑
μ)2+ω1(μ1‑
μ)2；
[0012]上式中，ω0，ω1分别为前景图像像素点数和背景图像像素点数占整个图像的比例，μ0，μ1分别为前景图像和背景图像的平均灰度，μ为整个图像的平均灰度。
[0013]作为优选方案，所述采用自适应动态阈值算法对所述前景区域图像进行热斑分割提取，包括：在所述前景区域图像上选取第一局部窗口，计算每个第一局部窗口的增强系数，并将其作为第一局部窗口中心像素点的新像素，获得增强前景图像；在所述增强前景图像上选取第二局部窗口，计算每个第二局部窗口中像素的高斯加权和，再减去动态阈值，获得该像素点的分割阈值；根据所述分割阈值，对所述增强前景图像上的像素点进行分割，获得热斑区域图像。
[0014]作为优选方案，所述增强前景图像上的像素点表示为F
(i，j)
，当F
(i，j)
＝1时，即为热斑区域图像的像素点；
[0015][0016]T(i，j)＝max(λ
dev
d(i，j)，C)；
[0017]上式中，G
(i，j)
为像素点的高斯加权和，T
(i，j)
为动态阈值，λ
dev
为标准差因子，C为绝对动态阈值，d(i，j)为像素点的坐标。
[0018]作为优选方案，将所述可见光图像和/或缺陷图像与光伏电站虚拟仿真场景图像进行配准，包括：使用BFMatcher方法对两张图像的特征点位置和对应的描述符进行匹配，根据随机抽样一致算法ransac去除不合格的特征匹配点对后，利用剩余匹配特征点对求解仿射变换矩阵，从而实现配准。
[0019]本专利技术还公开了一种大基地光伏电站自动验收装置，包括：路线设置模块，用于获取光伏电站的边界区域，根据所述边界区域设置无人机的巡检路线；图像拍摄模块，根据所述巡检路线，利用第一相机和第二相机拍摄待检测光伏板，获取光伏板的可见光图像和红外图像；缺陷判断模块，根据所述可见光图像，初步判断光伏板是否存在缺陷，若存在，则利用第三相机拍摄光伏板的缺陷位置，获得缺陷图像；前景分割模块，将所述红外图像进行预处理，再通过大津法对预处理后的图像进行前景分割提取，获得前景区域图像；热斑提取模
块，采用自适应动态阈值算法对所述前景区域图像进行热斑分割提取，获得热斑区域图像；缺陷确定模块，根据地理坐标，将所述热斑区域图像与可见光图像和缺陷图像进行匹配，确定光伏板缺陷类型；配准标注模块，用于将所述可见光图像和/或缺陷图像与光伏电站虚拟仿真场景图像进行配准，并标注缺陷类型，生成验收报告。
[0020]与现有技术相比，本专利技术的有益效果包括：通过在无人机上安装广角、红外和长焦相机，在拍摄可见光图像的同时，利用canny边缘检测算法初步识别可能存在缺陷的区域，再利用长焦相机焦距长，适合拍摄远处对象的特点，获取缺陷图像，该方式获得的缺陷图像清晰度高，便于后期图像的识别匹配，方便技术人员准确识别缺陷的类型，提高了光伏板的巡检效率。将红外图像预处理后再通过大津法进行前景分割提取，再采用自适应动态阈值算法对前景区域图像进行热斑分割提取，获得热斑区域图像，可以降低光强随天气变化导致成像差异带来的影响，提高缺陷识别率。
附图说明<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种大基地光伏电站自动验收方法，其特征在于，包括如下步骤：获取光伏电站的边界区域，根据所述边界区域设置无人机的巡检路线；根据所述巡检路线，利用第一相机和第二相机拍摄待检测光伏板，获取光伏板的可见光图像和红外图像；根据所述可见光图像，初步判断光伏板是否存在缺陷，若存在，则利用第三相机拍摄光伏板的缺陷位置，获得缺陷图像；将所述红外图像进行预处理，再通过大津法对预处理后的图像进行前景分割提取，获得前景区域图像；采用自适应动态阈值算法对所述前景区域图像进行热斑分割提取，获得热斑区域图像；根据地理坐标，将所述热斑区域图像与可见光图像和缺陷图像进行匹配，确定光伏板缺陷类型；将所述可见光图像和/或缺陷图像与光伏电站虚拟仿真场景图像进行配准，并标注缺陷类型，生成验收报告。2.根据权利要求1所述的大基地光伏电站自动验收方法，其特征在于，根据所述边界区域设置无人机的巡检路线，包括：在所述边界区域内布设多个控制点，并利用无人机在控制点上方拍摄，获得控制点图像，所述控制点图像记录有地理坐标；根据所述控制点图像对光伏电站边界区域进行拟合，获得光伏电站拟合面；根据所述拟合面的向量角度和相机拍摄参数，确定无人机的拍摄姿态和巡检路线。3.根据权利要求1所述的大基地光伏电站自动验收方法，其特征在于，所述第一相机为广角相机，所述第二相机为红外相机，所述第三相机为长焦相机。4.根据权利要求1所述的大基地光伏电站自动验收方法，其特征在于，所述缺陷包括裂纹、蜗牛纹、损坏、污点和植被遮挡，则根据所述可见光图像，初步判断光伏板是否存在缺陷，包括：获取所述可见光图像，并对其进行灰度处理；采用canny边缘检测算法对灰度图像进行处理，获得二值化图像；在所述二值化图像上采用滑动窗口获取局部图像；对所述局部图像进行空间聚类，确定同类数据最多的类别，并获取该类别的外界矩阵；根据设置的外界矩阵最长边阈值，确定光伏板的缺陷位置。5.根据权利要求1所述的大基地光伏电站自动验收方法，其特征在于，将所述红外图像进行预处理，具体为：对所述红外图像进行灰度处理，再进行中值滤波处理。6.根据权利要求1所述的大基地光伏电站自动验收方法，其特征在于，所述大津法为计算前景图像与背景图像的类间方差最大时的分割阈值，设类间方差为g，则g＝ω0(μ0‑
μ)2+ω1(μ1‑
μ)2；上式中，ω0，ω1分别为前景图像像素点数和背景图像像素点数占整个图像的比例，μ0，μ1分别为前景图像和背景图像的平均灰度，μ为整个图...
【专利技术属性】
技术研发人员：刘爱国，是建新，陈忠，张文慎，陈亮，魏江哲，舒茂龙，戴恩哲，
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。