System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于光伏发电系统中光伏连接器领域,尤其涉及一种基于轮廓匹配的光伏连接器故障检测方法。
技术介绍
1、随着近年光伏产业的迅猛发展,光伏连接器作为光伏系统的“生命线”,其连接太阳能电池板和电源装置,使得太阳能可以有效地转化为直流电,是确保电流从组件稳定传输到其他设备的重要载体。当光伏连接器发生故障时,不仅会引起发电效率下降,严重时连接器甚至会发热烧毁,进而引起大面积的火灾。
2、现有技术中,通过质检人员肉眼观察光伏连接器表面情况,存在存在工作量大,人力资源消耗大,容易出现漏检等缺点;而基于机器视觉深度学习的方法,存在算法复杂且训练周期长,对上位机等硬件设备性能要求高等特点。
技术实现思路
1、针对上述现有技术中的不足,本专利技术提供一种基于轮廓匹配的光伏连接器故障检测方法,应对光伏连接器人工检测工作量大的问题,使用工业ccd相机采集获取光伏连接器图像,针对采集获取的光伏连接器图像提取轮廓,最后将提取的轮廓与预设的光伏连接器故障轮廓进行并对并通过比对结果得到最终光伏连接器故障的类型。
2、本专利技术目的在于提供一种基于轮廓匹配的光伏连接器故障检测方法,以解决提高故障检测的速度和准确率并实现多维度检测的技术问题。
3、为解决上述技术问题,本专利技术所采用的的具体技术方案如下:
4、一种基于轮廓匹配的光伏连接器故障检测方法,包括步骤:
5、s1、获取待检测光伏连接器图像;
6、s2、根据待检测光伏连接器图像得到
7、s3、根据检测到的光伏连接器轮廓判断光伏连接器故障类型。
8、进一步的,步骤s1中所述获取待检测光伏连接器图像,包括使用工业ccd相机采集获取待检测光伏连接器图像。
9、进一步的,步骤s1中所述获取待检测光伏连接器图像,包括采集获取待检测光伏连接器图像后对图像进行数字化预处理运算。
10、进一步的,所述对采集获取待检测光伏连接器图像进行数字化预处理运算,包括滤波去噪,图像对比度增强、二值化阈值分割。
11、进一步的,所述图像对比度增强采用的是sin增强方式,公式如下:
12、;
13、其中,为变换前像素点的灰度, g(x,y)为变换前像素点的灰度,a为变换前图像的最低灰度值,b为变换前图像的最高灰度值。
14、进一步的,所述二值化阈值分割采用改进后的ostu二值化方法,其具体方法如下:
15、对于对比度增强后待检测光伏连接器图像,若其像素点的灰度值为,那么该图像的平均灰度值t的计算公式如下:
16、;
17、其中,m和n分别为待检测光伏连接器图像的长宽的像素点个数。根据t把图像所有像素分为两类,小于等于t的像素集合为,大于t的所有的像素的集合为,分别计算出和中的像素平均值和,最后在区间中使用ostu算法搜索最佳分隔阈值q。
18、进一步的,步骤s2中得到待检测光伏连接器轮廓,包括以下步骤:
19、s2.1、获取二值化图像的像素尺寸,建立定位坐标系并标记二值化图像上的像素点;
20、s2.2、识别二值化图像中所有像素点的灰度值,灰度值为0和1的像素点分别记为0像素和1像素;
21、通过对0像素和1像素将二值化像素点进行区分并将二值化图像的最上行,最下行,最左行,最右行定义为二值化图像的框架;
22、s2.3、将1像素组成的连通区域记作1连通域,用于表示二值化图像中的图像,将0像素组成的连通区域记作0连通域,用于表示二值化图像中的背景或孔洞;
23、如果0连通域包含了框架,则该0连通域为背景,反之则该0连通域为孔洞;
24、s2.4、如果1连通域中的1像素的4连通场景中存在0像素,则认定此像素为边界点;
25、s2.5、根据所述多个连续的边界点构成的图像轮廓,获取所述边界点的坐标组成边界点数据。
26、进一步的,步骤s3中判断光伏连接器故障类型还包括以下步骤:
27、s3.1、提取主体轮廓每个方向上边界上的多个特征点;
28、s3.2、对比轮廓对应边界上特征点的坐标与预设边界对应坐标点的距离;
29、主体轮廓边界上第n个特征点坐标与预设边界上第n个点坐标与距离的计算公式如下:
30、;
31、s3.3、据坐标距离判断待检测光伏连接器的故障类型。
32、令则对于第m种故障类型图像距离和最小所对应的故障类型即是所识别的故障类型,其中,
33、。
34、本专利技术的有益效果在于:基于改进的ostu二值化方法对带检测的光伏连接器图像进行二值化处理并得到相应的二值化图像;然后,确定出二值化图像的边界轮廓并基于边界轮廓的拓扑关系确定出主体轮廓;最后,比较主体轮廓特征点与预设故障图像特征点的距离确定待检测的光伏连接器的故障类型。相对于人工检测或者基于深度学习的机器视觉检测方法,本申请能够更加快速准确地检测出光伏连接器的故障。
本文档来自技高网...【技术保护点】
1.一种基于轮廓匹配的光伏连接器故障检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于轮廓匹配的光伏连接器故障检测方法,其特征在于,所述获取待检测光伏连接器图像,包括采集获取待检测光伏连接器图像后对图像进行数字化预处理运算。
3.根据权利要求2所述的基于轮廓匹配的光伏连接器故障检测方法,其特征在于,所述对采集获取待检测光伏连接器图像进行数字化预处理运算,包括滤波去噪,图像对比度增强、二值化阈值分割。
4.根据权利要求3所述的基于轮廓匹配的光伏连接器故障检测方法,其特征在于,所述图像对比度增强采用的是Sin增强方式。
5.根据权利要求3所述的基于轮廓匹配的光伏连接器故障检测方法,其特征在于,所述二值化阈值分割采用改进后的OSTU二值化方法。
6.根据权利要求1所述的基于轮廓匹配的光伏连接器故障检测方法,其特征在于,所述得到待检测光伏连接器轮廓,包括以下步骤:
7.根据权利要求6所述的基于轮廓匹配的光伏连接器故障检测方法,其特征在于,所述建立定位坐标系并标记二值化图像上的像素点,包括以下步骤:
...【技术特征摘要】
1.一种基于轮廓匹配的光伏连接器故障检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于轮廓匹配的光伏连接器故障检测方法,其特征在于,所述获取待检测光伏连接器图像,包括采集获取待检测光伏连接器图像后对图像进行数字化预处理运算。
3.根据权利要求2所述的基于轮廓匹配的光伏连接器故障检测方法,其特征在于,所述对采集获取待检测光伏连接器图像进行数字化预处理运算,包括滤波去噪,图像对比度增强、二值化阈值分割。
4.根据权利要求3所述的基于轮廓匹配的光伏连接器故障检测方法,其特征在于,所述图像对比度增强采用的是sin增强方式。
5.根据权利要求3所述的基于轮廓匹配的光伏连接器故障检测方法,其特征在于,所述二值化阈值分...
【专利技术属性】
技术研发人员:林敏,卢杭杰,吴精益,卢锞沣,文向明,
申请(专利权)人:浙江明禾新能科技股份有限公司,
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。