【技术实现步骤摘要】
本专利技术实施例涉及智能识别，具体涉及一种基于机器学习的光伏电池板积灰状态识别系统及方法。
技术介绍
1、随着可再生能源的日益普及，光伏电池板作为太阳能发电的关键组件，其性能和效率直接影响到整个光伏系统的发电能力。然而，光伏电池板在实际应用中常常面临灰尘积累的问题，灰尘的覆盖会显著降低电池板的光电转换效率。因此，准确识别光伏电池板上的积灰状态并进行及时清理，对于维持光伏系统的高效运行至关重要。
2、传统的积灰状态识别方法依赖于人工检查，这种方法存在效率低下、费时费力、无法及时响应等问题。随着机器学习技术的快速发展，特别是深度学习在图像处理领域的突破，为光伏电池板积灰状态的自动识别提供了新的解决方案。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一，提供了一种基于机器学习的光伏电池板积灰状态识别系统及方法。
2、第一方面，本专利技术实施例提供一种基于机器学习的光伏电池板积灰状态识别方法，所述方法包括：
3、获取由摄像头采集的光伏板rg
【技术保护点】
1.一种基于机器学习的光伏电池板积灰状态识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于机器学习的光伏电池板积灰状态识别方法，其特征在于，所述对所述光伏板RGB图像进行基于多颜色空间的多尺度图像特征提取以得到光伏板多颜色空间浅层融合特征图、光伏板多颜色空间中层融合特征图和光伏板多颜色空间深层融合特征图，包括：
3.根据权利要求2所述的基于机器学习的光伏电池板积灰状态识别方法，其特征在于，所述对所述光伏板RGB图像进行颜色空间转换映射以得到光伏板YCbCr图像，包括：
4.根据权利要求3所述的基于机器学习的光伏电池板...
【技术特征摘要】
1.一种基于机器学习的光伏电池板积灰状态识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于机器学习的光伏电池板积灰状态识别方法，其特征在于，所述对所述光伏板rgb图像进行基于多颜色空间的多尺度图像特征提取以得到光伏板多颜色空间浅层融合特征图、光伏板多颜色空间中层融合特征图和光伏板多颜色空间深层融合特征图，包括：
3.根据权利要求2所述的基于机器学习的光伏电池板积灰状态识别方法，其特征在于，所述对所述光伏板rgb图像进行颜色空间转换映射以得到光伏板ycbcr图像，包括：
4.根据权利要求3所述的基于机器学习的光伏电池板积灰状态识别方法，其特征在于，所述分别融合所述光伏板rgb浅层特征图和所述光伏板ycbcr浅层特征图、所述光伏板rgb中层特征图和所述光伏板ycbcr中层特征图以及所述光伏板rgb深层特征图和所述光伏板ycbcr深层特征图以得到所述光伏板多颜色空间浅层融合特征图、所述光伏板多颜色空间中层融合特征图和所述光伏板多颜色空间深层融合特征图，包括：
5.根据权利要求4所述的基于机器学习的光伏电池板积灰状态识别方法，其特征在于，所述将所述光伏板多颜色空间浅层融合特征图、所述光伏板多颜色空间中层融合特征图和所述光伏板多颜色空间深层融合特征图通过门控筛选自适应注意力模块以得到自适应强化光...
【专利技术属性】
技术研发人员：韩方波，孙宗奎，贾朋朋，贾赛，王万敬，刘畅，王鹏，
申请(专利权)人：华能新疆能源开发有限公司南疆清洁能源分公司，
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。