【技术实现步骤摘要】
本专利技术涉及图像处理领域，尤其涉及一种基于图像分析的光伏面板组件损坏缺陷识别处理方法及存储介质。
技术介绍
1、光伏面板作为光伏发电站的重要组成部分，在中国得到了广泛的应用和推广。以下是光伏面板在中国光伏发电站中的主要应用情况：大型光伏电站：目前我国建设了大量的大型光伏电站，采用光伏面板阵列布置在广阔的土地上。这些电站通常具有数十兆瓦甚至数百兆瓦的装机容量，通过大规模并网发电，为国家提供清洁能源。分布式光伏电站：越来越多的光伏面板安装在屋顶、工业厂房等建筑物上，形成分布式光伏电站。这些电站能够为当地用户提供清洁能源，并将多余的电力纳入电网供应。
2、光伏面板作为光伏发电站的核心设备，在使用中可能会出现多种缺陷类型。举例说明1破损或裂纹：光伏面板表面或内部出现破损、裂纹或碎片，可能是由于物理冲击、温度差异或安装错误引起。举例说明2灰尘和污染：光伏面板表面或周围的灰尘、沙尘、脱落物等污染物积累，会遮挡光线进入并降低能量转换效率。
3、同时研究发现，随着图像检测手段的丰富，图像处理技术在光伏面板检测方向的工作量也随之增加，在进行图像分析任务过程中，对于图像中各区域的界限不够明显的场景下，无法准确区分出图像中的所有边缘像素点，进而无法准确识别出图像中各个物体；
4、但是对于光伏面板的破损、裂纹，尤其是裂纹检测对于技术场景要求识别精度是很高的，如果识别精度不高会导致缺陷无法有效识别，比如采集光伏面板的图像会要求准确识别出图像中的所有物体，若图像物体之间的界限不够明显，则识别得到的物体可能会有很大的差异
5、研究发现，现有技术中公开了一种自动获取图像中检测区的方法及系统(cn104851085a)，其采用了卷积运算处理方式进行了图像物体之间的界限识别，但是其处理方式过程复杂(参考数据量较大)且运算算力占用较大不适于大规模的图像处理操作。
技术实现思路
1、本专利技术的目的在于提供一种基于图像分析的光伏面板组件损坏缺陷识别处理方法及存储介质，解决了现有技术中指出的上述技术问题。
2、本专利技术提供了一种基于图像分析的光伏面板组件损坏缺陷识别处理方法，包括如下操作步骤：
3、从当前待处理图像中采集所有像素点及所述像素点的强度值；
4、根据所有所述像素点的强度值筛选获取多个目标像素点，并获取所述目标像素点的强度值；
5、确定得到每一个目标像素点的像素波动程度；
6、对根据像素波动程度与预设的目标像素点波动程度最大阈值筛选获取的多个边缘像素点进行增强处理操作。
7、较佳的，所述像素波动程度为目标像素点与目标像素点的所有邻域像素点之间的变换幅度。
8、较佳的，所述根据所有所述像素点的强度值筛选获取多个目标像素点，包括如下操作步骤：
9、获取将所述待处理图像进行划分后得到的各个区域图像对应的像素组；
10、将所述像素组分别输入预先训练好的目标像素点检测模型中，输出得到各个像素组对应的目标像素点。
11、较佳的，所述将所述像素组分别输入预先训练好的目标像素点检测模型中，还包括获取得到预先训练好的目标像素点检测模型，包括如下操作步骤：构建初始目标像素点检测模型，对所述初始目标像素点检测模型进行训练得到训练好的目标像素点检测模型。
12、较佳的，所述对所述初始目标像素点检测模型进行训练得到训练好的目标像素点检测模型，包括如下操作步骤：
13、获取样本图像及样本图像对应的样本像素组以及样本像素组中对应的样本像素点和样本像素点对应的强度值；
14、对所述样本像素点对应的强度值进行标注得到像素标注数据类型；对所述标注数据类型对应的样本像素点进行特征提取，得到像素标注特征向量；
15、将所述样本像素组中的各个样本像素点对应的像素标注特征向量作为输入层，并将所述像素标注数据类型x作为输出层，对所述初始目标像素点检测模型进行训练，并获取每一输入层对应的预测像素标注数据类型x'；
16、根据所述像素标注数据类型x及所述预测像素标注数据类型x'计算获取目标像素点检测的损失函数l；
17、将所述目标像素点检测的损失函数l反向传播更新模型参数，得到训练好的目标像素点检测模型。
18、较佳的，所述像素标注类型包括普通类型像素点类型与目标像素点类型。
19、较佳的，所述目标像素点检测的损失函数l的计算方式为：
20、
21、式中，n为样本像素点的数量；h为输出正确的概率；x为像素标注数据类型；x'为预测像素标注数据类型。
22、较佳的，所述对所述标注数据类型对应的样本像素点进行特征提取，得到像素标注特征向量，包括如下操作步骤：
23、对所述标注数据类型对应的样本像素点进行尺度变换操作，分别对应得到所述样本像素点对应的尺度空间；
24、根据所述尺度空间，得到所述样本像素点不同尺度空间下的滤波后的像素点；
25、基于所述滤波像素点检测获取各个像素点的尺度空间极值点；
26、对所述尺度空间极值点赋值n维方向参数得到所述样本像素点对应的特征向量；
27、较佳的，所述尺度空间极值点为尺度空间最大点。
28、较佳的，所述根据所述尺度空间，得到所述样本像素点不同尺度空间下的滤波后的像素点，包括如下操作步骤：
29、遍历所有所述样本像素点，随机选择任意一个样本像素点作为目标样本像素点；根据所述尺度空间，得到尺度集合c＝{c1,c2,c3,...c i}；c i为尺度空间中第i个尺度；
30、定义(2c i+1)×(2c i+1)尺寸的卷积核，并获取所述目标样本像素点的(2c i+1)×(2c i+1)-1个邻域像素点以及各个所述邻域像素点的强度值；并构建卷积矩阵p；
31、对所述目标样本像素点进行均值滤波操作，计算获取所述目标样本像素点在c i尺度下滤波后的像素点的值d；
32、较佳的，所述目标样本像素点在c i尺度下滤波后的像素点的值d的计算方式为：
33、
34、本专利技术提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述一种基于图像分析的光伏面板组件损坏缺陷识别处理方法。
35、与现有技术相比，本专利技术实施例至少存在如下方面的技术优势：
36、分析本专利技术提供的上述一种基于图像分析的光伏面板组件损坏缺陷识别处理方法及存储介质可知，在具体应用时，通过从待处理图像中的所有像素点及每个像素点对应的强度值进行分析，筛选得到目标像素点及目标像素点对应的强度值，筛除大部分的属于图像中物体内容的图像像素点，只对少部分的可能是边缘像素点的目标像素点进行处理，而不用对所有的像素点进行本文档来自技高网...
【技术保护点】
1.一种基于图像分析的光伏面板组件损坏缺陷识别处理方法，其特征在于，包括如下操作步骤：
2.根据权利要求1所述的一种基于图像分析的光伏面板组件损坏缺陷识别处理方法，其特征在于，所述像素波动程度为目标像素点与目标像素点的所有邻域像素点之间的变换幅度。
3.根据权利要求2所述的一种基于图像分析的光伏面板组件损坏缺陷识别处理方法，其特征在于，所述根据所有所述像素点的强度值筛选获取多个目标像素点，包括如下操作步骤：
4.根据权利要求3所述的一种基于图像分析的光伏面板组件损坏缺陷识别处理方法，其特征在于，所述将所述像素组分别输入预先训练好的目标像素点检测模型中，还包括获取得到预先训练好的目标像素点检测模型，包括如下操作步骤：构建初始目标像素点检测模型，对所述初始目标像素点检测模型进行训练得到训练好的目标像素点检测模型。
5.根据权利要求4所述的一种基于图像分析的光伏面板组件损坏缺陷识别处理方法，其特征在于，所述对所述初始目标像素点检测模型进行训练得到训练好的目标像素点检测模型，包括如下操作步骤：
6.根据权利要求5所述的一种基于图
7.根据权利要求6所述的一种基于图像分析的光伏面板组件损坏缺陷识别处理方法，其特征在于，所述对所述标注数据类型对应的样本像素点进行特征提取，得到像素标注特征向量，包括如下操作步骤：
8.根据权利要求7所述的一种基于图像分析的光伏面板组件损坏缺陷识别处理方法，其特征在于，所述尺度空间极值点为尺度空间最大点。
9.根据权利要求8所述的一种基于图像分析的光伏面板组件损坏缺陷识别处理方法，其特征在于，所述根据所述尺度空间，得到所述样本像素点不同尺度空间下的滤波后的像素点，包括如下操作步骤：
10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至9中任意一项所述的一种基于图像分析的光伏面板组件损坏缺陷识别处理方法。
...【技术特征摘要】
1.一种基于图像分析的光伏面板组件损坏缺陷识别处理方法，其特征在于，包括如下操作步骤：
2.根据权利要求1所述的一种基于图像分析的光伏面板组件损坏缺陷识别处理方法，其特征在于，所述像素波动程度为目标像素点与目标像素点的所有邻域像素点之间的变换幅度。
3.根据权利要求2所述的一种基于图像分析的光伏面板组件损坏缺陷识别处理方法，其特征在于，所述根据所有所述像素点的强度值筛选获取多个目标像素点，包括如下操作步骤：
4.根据权利要求3所述的一种基于图像分析的光伏面板组件损坏缺陷识别处理方法，其特征在于，所述将所述像素组分别输入预先训练好的目标像素点检测模型中，还包括获取得到预先训练好的目标像素点检测模型，包括如下操作步骤：构建初始目标像素点检测模型，对所述初始目标像素点检测模型进行训练得到训练好的目标像素点检测模型。
5.根据权利要求4所述的一种基于图像分析的光伏面板组件损坏缺陷识别处理方法，其特征在于，所述对所述初始目标像素点检测模型进行训练得到训练好的目标像素点...
【专利技术属性】
技术研发人员：贾雄，韩虎虎，孙晓龙，
申请(专利权)人：国电四子王旗光伏发电有限公司，
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。