CN106546601A - 基于低秩约束的光伏面板清洁度检测方法 - Google Patents
基于低秩约束的光伏面板清洁度检测方法 Download PDFInfo
- Publication number
- CN106546601A CN106546601A CN201610899324.2A CN201610899324A CN106546601A CN 106546601 A CN106546601 A CN 106546601A CN 201610899324 A CN201610899324 A CN 201610899324A CN 106546601 A CN106546601 A CN 106546601A
- Authority
- CN
- China
- Prior art keywords
- image
- photovoltaic panel
- photovoltaic
- point
- cleannes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/94—Investigating contamination, e.g. dust
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于低秩约束的光伏面板清洁度检测方法。主要解决对光伏面板图像的清洁度自动分析问题。其实现步骤为:(1)拍摄一幅光伏面板图像,并检测面板的4个角点;(2)将检测到的角点与逆透视投影图中固定的角点配对,通过最小二乘法计算出透视投影变换矩阵;(3)通过透视投影变换矩阵恢复逆透视投影图;(4)通过霍夫变换提取图像中的直线,并通过直线将图像分成多个子块;(5)将子块通过双线性插值归一化到同样大小,并列向量化,组成矩阵;(6)建立低秩分解模型,通过Inexact‑ALM以及近似的快速SVD分解方法计算出灰尘图像;(7)通过灰尘图像计算图像子块的清洁度以及整体的清洁度。本发明不仅能够评估累积的散落灰尘,也可以评估成块的沙尘覆盖。
Description
技术领域
本发明属于太阳能发电领域的光伏面板的清洁度检测技术,具体地说,是一种通过图像来自动计算光伏面板清洁度的方法。
背景技术
随着生态环境的逐步恶化,化石燃料日趋紧张的今天,能源与环境问题已经成为全球关注的焦点。与传统的化石燃料相比,太阳能有着非常大的优势,太阳能作为清洁、安全的可再生资源,必将成为21世纪化石能源的最佳替代者之一。太阳能发电有两种主要的形式,集热发电与光伏发电,对于长期运行的光伏系统而言,面板积灰及其影响是一个不容忽视的问题。光伏面板表面的灰尘具有反射、散射和吸收太阳辐射的作用,导致电池前盖玻璃的透光率降低,从而导致光电转换效率降低,输出功率随之减小此外,灰尘吸收太阳辐射可使电池板升温,并且灰尘中含有一些腐蚀性的化学成分,若聚集到一起可形成“黑斑”,降低电池板的使用寿命。电池板表面的灰尘在不同的太阳辐射、环境温度、遮挡和腐蚀等作用下,对光伏发电系统的发电性能和使用情况等有不同程度的影响。
目前有许多的发明及论文都提及到了光伏面板的除尘,包括使用机械臂定期打扫,采用不同的清洁剂实现对灰尘的清除等。然而,众多的发明只说了如何清除灰尘,但是如何检测光伏面板的清洁度并没有任何的介绍。目前,光伏表面清洁度的检测大多是只能通过人工进行,或者在未知面板清洁程度的情况下,定期的对面板进行清洁,这样就浪费了大量的人力、物力。如果能够在清洁前,采用自动检测的方法探明面板的清洁程度,提醒相关工作人员,合理的安排清洁时机,有针对性的对相应的目标进行清洁,可以在人力、物力的损耗以及光伏面板发电效率之间找到一个最优的平衡,节省大量的成本。
发明内容
本发明的目的是提供一种能够满足在无人情况下,通过拍摄光伏表面的图像自动分析光伏面板清洁程度的方法。
实现本发明目的的技术解决方案为:一种基于低秩约束的光伏表面清洁度检测方法,其步骤为:
1.光伏图像的逆透视变换
1)不需要考虑拍摄角度,对光伏面板拍摄一幅图像,但是光伏面板要全部包含在图像内;
2)通过颜色检测的方法检测出光伏面板,并提取其四个角点,并对应到逆透视投影图像上,
3)计算出透视投影变换矩阵,通过此矩阵将图像中光伏面板全部恢复的逆透视变换图像中。
2.图像的分块处理
1)将逆透视变换图像采用Sobel算子检测边缘,并进行二值化;
2)采用霍夫变换在上面获得图像中提取近似竖直和水平的直线,霍夫变换过程中采用投票点筛选法筛选出正确的光伏表面分割线;
3)按照分割线将图像分块,分成的图像块采用双线性插值缩放到同一尺寸;
4)将处理后的图像块向量化为列向量,并将所有的列向量组成一个图像矩阵;
3.清洁度计算
1)建立含噪声图像矩阵的低秩分解模型;
2)根据此模型,采用增广拉格朗日乘子法(ALM)恢复出干净的光伏面板图像以及面板灰尘图像;在ALM中采用快速的近似方法计算SVD分解;
3)针对面板灰尘图像,可以计算每一个小块的清洁度以及整体的清洁度。
本发明与现有技术相比,其显著优点为:利用光伏表面的相似性,使用低秩特性对其约束,并恢复出灰尘图像,进行清洁度评估。本发明不仅能够评估累积的散落灰尘,也可以评估成块的沙尘覆盖。
附图说明
图1是在任意拍摄角度下的光伏面板示意图像。
图2是光伏面板逆透视投影示意图像。
图3是含噪声图像低秩分解示意图。
具体实施方式
本发明基于低秩约束的光伏面板清洁度检测方法。其实现步骤为:(1)拍摄一幅光伏面板图像,并检测面板的4个角点;(2)将检测到的角点与逆透视投影图中固定的角点配对,通过最小二乘法计算出透视投影变换矩阵;(3)通过透视投影变换矩阵恢复逆透视投影图;(4)通过霍夫变换提取图像中的直线,并通过直线将图像分成多个子块;(5)将子块通过双线性插值归一化到同样大小,并列向量化,组成矩阵;(6)建立低秩分解模型,通过Inexact-ALM以及近似的快速SVD分解方法计算出灰尘图像;(7)通过灰尘图像计算图像子块的清洁度以及整体的清洁度。
下面结合附图对本发明做进一步说明。
1.光伏图像的逆透视投影变换
对任意的一个光伏面板的任意一个角度拍摄一幅图像It,光伏面板要全部包含在图像中,光伏面板在图像中的形状如图1所示。
由于光伏面板的颜色基本固定,通常为蓝色或者黑色,中间的接缝处为白色线条,所以通过颜色就很容易检测出光伏面板,并提取光伏面板的四个角点分别为C1,C2,C3,C4;为了将对应角点的位置标注好,本发明设定在某一个角点上(或者附近)做一个红色或者易检测的标志。
针对图1所示的光伏面板透视投影图像,我们可以通过逆透视投影变换恢复成规则化的平整图像Is,如图2所示,透视投影变换矩阵为P,那么可以得到公式如下,
It=P*Is (1)
其中,It=(xt,yt,1)T为光伏图像上一个点的坐标,Is=(xs,ys,1)T为逆透视变换后图像上对应于光伏面板图像上It的点,为透视投影变换矩阵。
设逆透视投影变换后图像的大小为(w,h),那么设定与光伏面板原始图像的四个角点对应关系为这里得到检测到的对应角点数为4组,每组3个方程,共12个方程,这样就形成了超定方程。
为了计算方便,本发明将4组对应点拼接成矩阵形式,其中将逆透视投影四个角点拼接为A=[(1,1,1)T,(1,w,1)T,(h,1,1)T,(h,w,1)T];透视投影图中检测到的四个角点拼接为B=[C1,C2,C3,C4],那么,P的求解写成最小二乘公式为,
此公式有闭解为P=BAT(AAT)-1,由于AAT可能为奇异矩阵,导致其没有逆矩阵,这样就会导致无法求解。为了保证解的稳定性,我们AAT将加上一个很小的非奇异矩阵ηI,可选择η≤0.01,保证AAT+ηI非奇异,这样就一定存在解,其结果为P=BAT(AAT+ηI)-1。
这样逆透视投影图像中的任意一点都可以通过求解透视投影图像中的对应点位置P*Is进行恢复。
2.图像的分块处理
恢复后的光伏面板逆透视投影图像如图2所示,图像中的内容全部为光伏面板,其中有较多的白色的光伏块连接线,且接近水平或竖直。
本发明采用Sobel算子对图像进行边缘检测,可以得到图像的所有边缘线,对此边缘图像设定一个阈值T再进行二值化;然后采用霍夫变换检测二值化图像中近似垂直和水平的直线,在霍夫变换过程中,由于Sobel算子会检测出非常接近的两条直线,但是此两条直线其实是一条光伏面板间隔线的两边,所以本发明在极坐标投影图上采用投票点筛选法,只保留两条中的一条待选直线,其过程如下:
1)设定一个阈值,在投影图中选择值最大的点为备选点;
2)判断此点是否大于所设定的阈值,且所代表的直线在原始图像坐标中是否满足角度在(-15°,15°)或者(75°,105°)之间,如果是则选择并记录此点为满足要求的直线,否则不记录;
3)将投影图中此点及周围的k×k邻域用0填充(k根据图像大小选取,通常选用30);
4)然后重复(1)至(3)的步骤,直至没有新点出现;
5)将所有记录的点绘制成直线。
统计水平和垂直的直线数分别为α和β,那么我们就可以将图像按照直线分成(α+1)(β+1)块。
分块后的图像可能尺寸互不相同,我们采用双线性插值法将所有的图像块统一缩放到大小为(w/(α+1),h/(β+1))。然后将每个图像块向量化为列向量,并拼接成一个矩阵,记为其中为块图像列向量,N=(α+1)(β+1)为图像块的数量。
3.清洁度检测
考虑到光伏面板上散落的沙尘,那么图像的内容应该是原始干净光伏面板图像L及散落的沙尘图像E之和,其中L是低秩的,如图3所示。
我们将优化以下公式可以得到无灰尘的光伏面板图像L以及灰尘图像E,
其中||·||*为核范数,其中r为L的秩,σi为L的非零奇异值;λ的取值为
针对公式(3),我们采用增广拉格朗日乘子法进行计算,整个计算过程如下所示。
通过以上分解,可以计算出干净的光伏面板图像L,同时也可以得到散落的沙尘图像E,但是上述过程的SVD分解计算的复杂度很高,然而根据过程中的Sε[x]计算方法,只需要计算到奇异值大于即可。所以我们采用近似的方法进行计算,如下所示。
最终输出的结果E即为噪声图像,也就是光伏表面散落的沙尘图像,E的每一列均为一个光伏面板图像块的噪声。
针对每一个分块图像,设定一个阈值T并对其进行二值化(二值化后为0/1图像),计算||Ei||1,这样就可以得到单个光伏面板块的清洁度为整个光伏面板的清洁度为
Claims (2)
1.一种基于低秩约束的光伏表面清洁度检测方法,其特征在于包括以下步骤:
步骤1,光伏图像的逆透视变换
1)对光伏面板拍摄一幅图像It,图像内包含全部的光伏面板;
2)采用颜色检测的方法从It中检测出光伏面板,并提取其四个角点C1,C2,C3,C4;
3)对It逆透视投影变换后图像Is的大小为(w,h),设定与光伏面板原始图像的四个角点对应关系为
4)将逆透视投影四个角点拼接为矩阵
A=[(1,1,1)T,(1,w,1)T,(h,1,1)T,(h,w,1)T],透视投影图中检测到的四个角点拼接为矩阵B=[C1,C2,C3,C4];
5)通过计算得到闭解为P=BAT(AAT)-1,对AAT加上一个值ηI,结果为P=BAT(AAT+ηI)-1;
6)通过矩阵P将图像It中光伏面板内容全部恢复到逆透视变换图像Is中;
步骤2,图像的分块
1)将恢复的逆透视变换图像Is采用Sobel算子检测边缘,并进行二值化;
2)采用霍夫变换在获得的二值化图像中提取近似竖直和水平的直线,霍夫变换过程中在投影图中采用投票点筛选法筛选出正确的光伏表面分割线;
3)按照直线将图像分块为(α+1)(β+1)块,分成的图像块采用双线性插值缩放到同一尺寸(w/(α+1),h/(β+1));
4)将处理后的图像块向量化为列向量,并将所有的列向量组成一个图像矩阵其中为块图像列向量,
N=(α+1)(β+1)为图像块的数量;
步骤3,清洁度计算
1)建立含噪声图像矩阵的低秩分解模型X=L+E;
2)根据此模型,采用增广拉格朗日乘子法Inexact-ALM恢复出干净的光伏面板图像L以及面板灰尘图像E;在Inexact-ALM中采用快速的近似方法计算SVD分解;
3)针对面板灰尘图像E,设定一个阈值T并对其进行二值化,二值化后为0/1图像,计算||Ei||1,则每一个小块的清洁度以及整体的清洁度
2.根据权利要求1所述的基于低秩约束的光伏表面清洁度检测方法,其特征在于:步骤2、2)中所述霍夫变换过程中在投影图中采用投票点筛选法筛选出正确的光伏表面分割线,其过程如下:
a)设定一个阈值,在投影图中选择值最大的点为备选点;
b)判断此点是否大于所设定的阈值,且所代表的直线在原始图像坐标中是否满足角度在(-15°,15°)或者(75°,105°)之间,如果是则选择并记录此点为满足要求的直线,否则不记录;
c)将投影图中此点及周围的k×k邻域用0填充,k根据图像大小选取,通常选用30;
d)重复(a)至(c)的步骤,直至没有新点出现;
e)将所有记录的点绘制成直线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610899324.2A CN106546601B (zh) | 2016-10-14 | 2016-10-14 | 基于低秩约束的光伏面板清洁度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610899324.2A CN106546601B (zh) | 2016-10-14 | 2016-10-14 | 基于低秩约束的光伏面板清洁度检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106546601A true CN106546601A (zh) | 2017-03-29 |
CN106546601B CN106546601B (zh) | 2019-06-07 |
Family
ID=58368853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610899324.2A Active CN106546601B (zh) | 2016-10-14 | 2016-10-14 | 基于低秩约束的光伏面板清洁度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106546601B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109978866A (zh) * | 2019-03-28 | 2019-07-05 | 中国核电工程有限公司 | 燃料芯块周面缺陷的在线检测装置和方法 |
CN110378356A (zh) * | 2019-07-16 | 2019-10-25 | 北京中科研究院 | 基于多目标拉格朗日正则的细粒度图像识别方法 |
WO2020253724A1 (zh) * | 2019-06-18 | 2020-12-24 | 京东方科技集团股份有限公司 | 待清洁区域确定方法和装置、灰尘清理设备、控制清洁机器人的终端和存储介质 |
CN113920700A (zh) * | 2021-09-23 | 2022-01-11 | 国网山西省电力公司晋中供电公司 | 基于颜色识别的灰尘沉积度检测系统 |
CN114324382A (zh) * | 2020-09-30 | 2022-04-12 | 北京小米移动软件有限公司 | 面板端子清洁度检测方法及面板端子清洁度检测装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103390279A (zh) * | 2013-07-25 | 2013-11-13 | 中国科学院自动化研究所 | 联合显著性检测与判别式学习的目标前景协同分割方法 |
CN104300900A (zh) * | 2014-09-11 | 2015-01-21 | 国家电网公司 | 一种光伏板灰尘检测装置 |
CN104599292A (zh) * | 2015-02-03 | 2015-05-06 | 中国人民解放军国防科学技术大学 | 一种基于低秩矩阵分解的抗噪运动目标检测算法 |
CN104867162A (zh) * | 2015-05-26 | 2015-08-26 | 南京信息工程大学 | 基于多成分鲁棒pca的运动目标检测方法 |
US20150308889A1 (en) * | 2012-04-19 | 2015-10-29 | Atonometrics | System for field measurement and calibration of photovoltatic reference devices |
CN105046276A (zh) * | 2015-07-14 | 2015-11-11 | 西安电子科技大学 | 基于低秩表示的高光谱图像波段选择方法 |
CN105445283A (zh) * | 2016-02-01 | 2016-03-30 | 成都通甲优博科技有限责任公司 | 一种绝缘子图像污秽状态检测方法 |
US20160156652A1 (en) * | 2012-04-20 | 2016-06-02 | Numerica Corporaition | Pattern detection in sensor networks |
-
2016
- 2016-10-14 CN CN201610899324.2A patent/CN106546601B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150308889A1 (en) * | 2012-04-19 | 2015-10-29 | Atonometrics | System for field measurement and calibration of photovoltatic reference devices |
US20160156652A1 (en) * | 2012-04-20 | 2016-06-02 | Numerica Corporaition | Pattern detection in sensor networks |
CN103390279A (zh) * | 2013-07-25 | 2013-11-13 | 中国科学院自动化研究所 | 联合显著性检测与判别式学习的目标前景协同分割方法 |
CN104300900A (zh) * | 2014-09-11 | 2015-01-21 | 国家电网公司 | 一种光伏板灰尘检测装置 |
CN104599292A (zh) * | 2015-02-03 | 2015-05-06 | 中国人民解放军国防科学技术大学 | 一种基于低秩矩阵分解的抗噪运动目标检测算法 |
CN104867162A (zh) * | 2015-05-26 | 2015-08-26 | 南京信息工程大学 | 基于多成分鲁棒pca的运动目标检测方法 |
CN105046276A (zh) * | 2015-07-14 | 2015-11-11 | 西安电子科技大学 | 基于低秩表示的高光谱图像波段选择方法 |
CN105445283A (zh) * | 2016-02-01 | 2016-03-30 | 成都通甲优博科技有限责任公司 | 一种绝缘子图像污秽状态检测方法 |
Non-Patent Citations (1)
Title |
---|
鲍官军等: ""光伏面板积灰及除尘清洁技术研究综述"", 《机电工程》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109978866A (zh) * | 2019-03-28 | 2019-07-05 | 中国核电工程有限公司 | 燃料芯块周面缺陷的在线检测装置和方法 |
WO2020253724A1 (zh) * | 2019-06-18 | 2020-12-24 | 京东方科技集团股份有限公司 | 待清洁区域确定方法和装置、灰尘清理设备、控制清洁机器人的终端和存储介质 |
CN110378356A (zh) * | 2019-07-16 | 2019-10-25 | 北京中科研究院 | 基于多目标拉格朗日正则的细粒度图像识别方法 |
CN110378356B (zh) * | 2019-07-16 | 2021-07-02 | 北京中科研究院 | 基于多目标拉格朗日正则的细粒度图像识别方法 |
CN114324382A (zh) * | 2020-09-30 | 2022-04-12 | 北京小米移动软件有限公司 | 面板端子清洁度检测方法及面板端子清洁度检测装置 |
CN113920700A (zh) * | 2021-09-23 | 2022-01-11 | 国网山西省电力公司晋中供电公司 | 基于颜色识别的灰尘沉积度检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106546601B (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106546601A (zh) | 基于低秩约束的光伏面板清洁度检测方法 | |
Zhang et al. | In-situ water level measurement using NIR-imaging video camera | |
CN109961398B (zh) | 风机叶片图像分割与网格优化拼接方法 | |
Di Tommaso et al. | A multi-stage model based on YOLOv3 for defect detection in PV panels based on IR and visible imaging by unmanned aerial vehicle | |
CN107481237B (zh) | 一种基于多帧温度特性的红外阵列图像热斑检测方法 | |
CN109741320A (zh) | 一种基于航拍图像的风电叶片故障检测方法 | |
Lee et al. | Detecting faulty solar panels based on thermal image processing | |
CN114973032B (zh) | 一种基于深度卷积神经网络的光伏板热斑检测方法及装置 | |
TWI659604B (zh) | 太陽電池模組之監測方法及太陽電池模組監測系統 | |
CN105720917B (zh) | 基于红外图像处理的光伏阵列热斑快速检测系统及方法 | |
CN114881956A (zh) | 基于霍夫变换的电池板栅线自适应提取方法及系统 | |
CN115861263A (zh) | 一种基于改进YOLOv5网络的绝缘子缺陷图像检测方法 | |
Yang et al. | Soiling quantification using an image-based method: Effects of imaging conditions | |
CN115908354A (zh) | 一种基于双尺度策略和改进的yolov5网络的光伏面板缺陷检测方法 | |
CN114596278A (zh) | 一种用于光伏电站的光伏面板热斑缺陷检测方法及装置 | |
Patel et al. | Defect detection in PV arrays using image processing | |
CN115457001A (zh) | 基于vgg网络的光伏板异物检测方法、系统、装置及介质 | |
CN105335930A (zh) | 边缘数据驱动的鲁棒性人脸超分辨率处理方法及系统 | |
CN115409814A (zh) | 一种基于融合图像的光伏组件热斑检测方法及系统 | |
Julian et al. | Precise forecasting of sky images using spatial warping | |
Chen et al. | 3D cumulus cloud scene modelling and shadow analysis method based on ground-based sky images | |
CN113470014B (zh) | 一种基于人工智能的太阳能电池板的故障检测方法 | |
CN111091533A (zh) | 一种基于改进ssd算法的电池片el缺陷检测方法 | |
CN113160236B (zh) | 一种光伏电池阴影遮挡的图像识别方法 | |
Park et al. | Utilization of robotics for solar panel cleaning and maintenance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |