【技术实现步骤摘要】
本专利技术涉及光伏电站光伏阵列识别与光伏板外形异常检测技术，具体涉及一种多任务联合训练的光伏板外破检测方法，特别适用于复杂环境下光伏板的外破类型检测。
技术介绍
1、光伏板是太阳能发电系统的核心部件，其通过光电效应将太阳能转换为电能。光伏板长期暴露于户外环境中，容易受到各种物理和环境因素的影响，导致其表面出现裂纹、划痕、碎裂及材料老化变色等情况，这都可能导致局部阴影效应或电流阻塞，降低整个光伏站的使用寿命和发电效率。光伏板外破检测研究涉及识别和分析光伏板上的物理损坏，如裂纹、划痕、碎裂或材料老化等情形，这对于及时识别并修复受损的光伏板，提高光伏站的发电效率具有重要的意义。
2、然而现有的光伏板外破检测方法存在诸多的挑战与局限性：(1)多元化的光伏板外破类型：光伏板的损伤形式多样，包括表面裂纹、划痕、碎裂、老化等情况，这些损伤可能表现出不同的外观特征和热学特征，增加了自动检测算法的复杂性。现有方法只能识别光伏热斑和光伏组件破损的情况，却无法准确识别光伏组件损坏的多元化类型。(2)环境影响：灰尘、鸟粪和其他污染物可能遮盖光伏板的...
【技术保护点】
1.一种多任务联合训练的光伏板外破检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多任务联合训练的光伏板外破检测方法，其特征在于，所述光伏图像采集，具体内容如下：在无人机采集光伏图像的过程中，预设无人机的飞行路径和高度，确保其覆盖所有光伏板，并获得一致的图像分辨率，同时通过调整无人机的角度和高度实现多角度拍摄，最后采集到的光伏图像数据应包括各种光伏板外破类型，如裂纹、划痕、碎裂、材料老化变色情形。
3.根据权利要求1所述的一种多任务联合训练的光伏板外破检测方法，其特征在于，所述步骤2)边缘增强的方法，具体内容如下：首先，加载去...
【技术特征摘要】
1.一种多任务联合训练的光伏板外破检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多任务联合训练的光伏板外破检测方法，其特征在于，所述光伏图像采集，具体内容如下：在无人机采集光伏图像的过程中，预设无人机的飞行路径和高度，确保其覆盖所有光伏板，并获得一致的图像分辨率，同时通过调整无人机的角度和高度实现多角度拍摄，最后采集到的光伏图像数据应包括各种光伏板外破类型，如裂纹、划痕、碎裂、材料老化变色情形。
3.根据权利要求1所述的一种多任务联合训练的光伏板外破检测方法，其特征在于，所述步骤2)边缘增强的方法，具体内容如下：首先，加载去噪处理后的光伏图像，然后通过sobel算子计算图像的梯度来进行边缘检测，具体来说，sobel算子分别计算水平和垂直方向的梯度，然后组合这两个方向的梯度以获得图像的边缘强度图，最后将边缘强度图与原图进行融合得到边缘增强后的图像。
4.根据权利要求1所述的一种多任务联合训练的光伏板外破检测方法，其特征在于，步骤3)具体来说，首先使用预训练的resnet-50卷积神经网络作为基础的特征提取模型，用来提取光伏板图像的高维特征表示，在多任务学习阶段，联合训练对比学习任务通过优化nt-xent损失，使模型学习到如何将相同类别的图像特征聚集在一起，同时将不同类别的图像特征分离开，分类任务则通过优化交叉熵损失，使模型学习如何准确地将输入图像分类到正确的破损类型，再通过联合损失函数来平衡对比损失和分类损失。
5.根据权利要求1或4任意一项所述的一种多任务联合训练的光伏板外破检测方法，其特征在于resnet-50卷积神经模型，具体内容如下：resnet引入残差模块，将边缘增强后的光伏图像数据输入到resnet-50模型中，有效提取光伏图像特征，获取其高维特征表示。
6.根据权利要求4所述的一种多任务联合训练的光伏板外破检测方法，其特征在于，所述步骤3)对比学习任务，具体内容如下：在对比学习任务中，正负样本对的构建是关键步骤，通过如下规则构建样本对：正样本对由同类别...
【专利技术属性】
技术研发人员：章立宗，陈浩，张磊，秦建松，董钦，沈祥，金建舟，张硕彬，周松，汪磊，贺明，朱杰，金钢，沈旭东，罗宁，劳宾宾，顾煜明，陆杨炜，王嘉栋，张炼炳，吴冬钢，孙伟，赵江宁，
申请(专利权)人：绍兴大明电力建设有限公司，
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。