【技术实现步骤摘要】
本专利技术涉及图像处理领域，尤其涉及一种基于张量分解的光伏组件点状热斑检测方法及系统。
技术介绍
1、近年来，能源危机已经成为世界各国面临的严重问题，传统能源的逐年消耗导致能源储持续枯竭，同时对生态环境造成了不可逆的污染。因此，迫切需要积极推动可持续、环保、清洁的新能源形式以替代传统能源，这已经成为各国共识。在这个背景下，光伏发电技术作为一种将太阳能转化为电能的新能源替代方式，已经成为新能源战略中的重要组成部分。然而，随着光伏发电不断发展，如何实现高效的大型光伏电站运维，及时检测和排除光伏组件的故障缺陷，已经成为当前光伏行业急需解决的问题。光伏组件故障会引发热斑效应，因此采用无人机搭载红外相机进行智能巡检，以替代传统人工巡检，可以显著提高光伏电站的运维效率，同时降低运维成本。在实际光伏电站运维场景中，光伏组件的点状热斑是最常见的故障形式，高效快速检测点状热斑具有重要现实意义。
2、在无人机巡检红外图像中，光伏组件的点状热斑缺陷表现为温度异常升高的小面积高亮像素区域。国内外现有的光伏组件点状热斑检测大多是基于电气特征或手持红外探测实现的，鲜有针对无人机红外图像的点状热斑检测技术研究。专利cn114022482a-光伏板点状热斑检测方法、装置、设备及可读存储介质提出的基于镜像梯度特征检测点状热斑的方法，难以适应图像信噪比低、点状热斑特征弱的巡检场景。由于红外图像信噪比低、点状热斑面积小、背景杂波干扰等问题会影响点状热斑检测，在检测过程中如何正确检测点状热斑同时抑制背景和噪声导致的错误检测问题是本领域技术人员亟需解决的难题
技术实现思路
1、针对现有技术中的不足，本专利技术的目的是提供一种基于张量分解的光伏组件点状热斑检测方法及系统，在基于光伏电站无人机搭载红外传感器航拍的智能巡检中，提升光伏组件点状热斑检测精度，解决因图像低信噪比和噪声干扰导致点状热斑检测失效的问题。
2、为实现上述目的，本专利技术提供了如下技术方案：
3、本专利技术提出了一种基于张量分解的光伏组件点状热斑检测方法，包括如下步骤：
4、(1)输入光伏组件的红外图像，依据滑窗方法构建红外局部张量，遍历整个红外图像将红外图像转化为红外局部张量集合；
5、(2)以红外局部张量为数据单元，将红外局部张量的值作为红外局部张量的背景组分的初始值，再将背景组分进行向量化模式展开，构造改进tucker秩实现红外局部张量中背景组分的特征表示；
6、(3)利用向量化低秩约束，结合张量稀疏约束建立红外局部张量组分分解模型，通过求解张量分解最优问题，对红外局部张量集合中的所有红外局部张量进行背景组分、噪声组分与目标组分的分解；
7、(4)根据步骤(3)最终得到的目标组分重构得到原始红外图像的点状热斑置信图，基于点状热斑置信图计算分割阈值对点状热斑进行检测。
8、进一步的，所述依据滑窗方法构建红外局部张量具体为：
9、
10、其中为包含iω的邻域窗口,是红外图像i的局部窗口，且为红外局部张量，(:,:,i)表示张量的第i前向切片。
11、进一步的，所述遍历整个红外图像将红外图像转化为红外局部张量集合具体为：
12、在原始的红外图像上依次从左至右，从上到下按照指定滑窗步长进行滑动，直至遍历红外图像，获得红外图像转换得到的红外局部张量集合。
13、进一步的，所述将背景组分进行向量化模式展开为：
14、
15、
16、
17、其中，是红外局部张量的背景组分，的初始值与红外局部张量相等,为切片向量化模式1展开得到的向量化展开矩阵，为切片向量化模式2展开得到的向量化展开矩阵，为切片向量化模式3展开得到的向量化展开矩阵，vec(.)为向量化操作，为表示背景组分的第c前向切片，为背景组分的第b侧向切片，为背景组分的第a水平切片，[.]表示拼接操作。
18、进一步的，所述不同权重的改进tucker秩为：
19、
20、其中λi>0为模式权重，λ1>λ2,λ1>λ3,且表示矩阵核范数，为红外局部张量的背景组分的改进tucker秩，即红外局部张量的背景组分的特征表示。
21、进一步的，所述张量组分分解模型为：
22、
23、其中表示背景组分,表示目标组分,表示噪声组分，为红外局部张量，表示求使得函数最小化的||·||1表示lf稀疏范数，||·||f表示frobenius范数，α1,α2>0为约束权重参数。
24、进一步的，所述根据步骤(3)最终得到的目标组分重构得到原始红外图像的点状热斑置信图具体为：
25、根据步骤(3)获取的目标组分构建与原始的红外图像尺寸一致的重构矩阵，所述重构矩阵中目标组分被增强，其余组分被抑制，所得的重构矩阵即为点状热斑检测置信图。
26、进一步的，所述分割阈值为
27、τ＝(μ+β1×σ,β2×tmax)
28、其中τ表示分割阈值，μ表示点状热斑检测置信图t的置信度均值，tmax表示点状热斑检测置信图的置信度最大值，σ表示点状热斑检测置信图的置信度标准差，β1,β2>0表示经验参数。
29、本专利技术还提出了一种用于上述方法的光伏组件点状热斑检测系统，其包括：
30、红外图像处理模块，用于输入的光伏组件的红外图像，将红外图像转化为红外局部张量集合；
31、背景组分特征模块，用于将红外局部张量进行向量化模式展开，构造不同权重的改进tucker秩实现张量中背景组分的特征表示；
32、张量组分分解模块，用于对红外局部张量集合中的所有红外局部张量进行背景与目标的分离；
33、检测模块，用于根据张量组分分解模块得到的目标张量组分获取原始红外图像的点状热斑置信图，基于点状热斑置信图计算分割阈值对点状热斑进行检测。
34、与现有技术相比，本专利技术具有如下优点：
35、(1)本专利技术基于红外局部张量对红外图像的点状热斑特征编码，能够充分挖掘点状热斑与邻域背景的相关特性，解决红外图像中全局背景对点状热斑检测的干扰，提高检测识别的鲁棒性。
36、(2)本专利技术的改进tucker秩约束能够充分表征局部背景区域之间的相似性，光伏组件红外图像的正常组件与图像地物在局部区域内具有相似温度与相似结构，采用向量化模式展开的低秩表征，能够保持图像局部结构特性，从而实现背景的多元化、自动化建模，提升检测识别鲁棒性。
37、(3)本专利技术的张量组分分解模型，可以有效实现点状热斑目标与背景、噪声的分离，有效弥补了传统检测模型难以适应低信噪比图像的问题，提升点状热斑检测识别的精度和鲁棒性。
本文档来自技高网...【技术保护点】
1.一种基于张量分解的光伏组件点状热斑检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于张量分解的光伏组件点状热斑检测方法，其特征在于，所述依据滑窗方法构建红外局部张量具体为：
3.根据权利要求1所述的一种基于张量分解的光伏组件点状热斑检测方法，其特征在于，所述遍历整个红外图像将红外图像转化为红外局部张量集合具体为：
4.根据权利要求1所述的一种基于张量分解的光伏组件点状热斑检测方法，其特征在于，所述将背景组分进行向量化模式展开具体为：
5.根据权利要求1所述的一种基于张量分解的光伏组件点状热斑检测方法，其特征在于，所述改进Tucker秩为：
6.根据权利要求5所述的一种基于张量分解的光伏组件点状热斑检测方法，其特征在于，所述张量组分分解模型为：
7.根据权利要求1所述的一种基于张量分解的光伏组件点状热斑检测方法，其特征在于，所述根据步骤(3)最终得到的目标组分重构得到原始红外图像的点状热斑置信图具体为：根据步骤(3)获取的目标组分构建与原始的红外图像尺寸一致的重构矩阵，所述重构矩阵中目标
8.根据权利要求1所述的一种基于张量分解的光伏组件点状热斑检测方法，其特征在于，所述分割阈值为
9.一种用于实现权利要求1所述方法的光伏组件点状热斑检测系统，其特征在于，其包括：
...【技术特征摘要】
1.一种基于张量分解的光伏组件点状热斑检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于张量分解的光伏组件点状热斑检测方法，其特征在于，所述依据滑窗方法构建红外局部张量具体为：
3.根据权利要求1所述的一种基于张量分解的光伏组件点状热斑检测方法，其特征在于，所述遍历整个红外图像将红外图像转化为红外局部张量集合具体为：
4.根据权利要求1所述的一种基于张量分解的光伏组件点状热斑检测方法，其特征在于，所述将背景组分进行向量化模式展开具体为：
5.根据权利要求1所述的一种基于张量分解的光伏组件点状热斑检测方法，其特征在于，所述改进tucker秩为：
6...
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。