CN107483014A - 一种光伏板故障自动检测方法 - Google Patents
一种光伏板故障自动检测方法 Download PDFInfo
- Publication number
- CN107483014A CN107483014A CN201710458052.7A CN201710458052A CN107483014A CN 107483014 A CN107483014 A CN 107483014A CN 201710458052 A CN201710458052 A CN 201710458052A CN 107483014 A CN107483014 A CN 107483014A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic panel
- temperature
- failure
- automatic detection
- detection method
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 56
- 230000002159 abnormal effect Effects 0.000 claims abstract description 7
- 239000000284 extract Substances 0.000 claims abstract description 6
- 238000012360 testing method Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000007257 malfunction Effects 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 claims 1
- 230000001360 synchronised effect Effects 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004451 qualitative analysis Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002503 electroluminescence detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
- H02S50/15—Testing of PV devices, e.g. of PV modules or single PV cells using optical means, e.g. using electroluminescence
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Photovoltaic Devices (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种光伏板故障自动检测方法,采集光伏板的红外图像信息和同步的温度数据;自动提取所述红外图像信息中光伏板的准确位置信息;利用所述红外图像检测光伏板常见的故障;温度数据检测光伏板内的异常区域以及相应的温度分布;将红外图像检测的形状特征和得出的温度数据检测结果进行融合并输出。本发明的光伏板故障自动检测方法,可以实时地对大量的光伏板进行全自动地故障检测,准确地定位故障的位置以及故障区域的温度信息。通过图像处理和温度数值分析的手段结合,可以准确地对光伏板故障进行分析。
Description
技术领域
本发明涉及光伏板故障检测,具体地说涉及如何提高光伏板故障检测效率。
背景技术
目前,就光伏板故障检测技术而言,主要对红外图像进行图像处理以检测故障信息,首先对获得的红外图像进行了预处理:分段线性化、非均匀拉伸和伪中值滤波,然后应用自适应的最大方差法对图像进行阈值分割,通过此方法提取出的高亮区域就是认为的故障区域。由于光照条件的不同,光伏板图像中,热斑区域的灰度值和面积也会随之变化,自适应阈值的方法也并不能总是有稳定的性能,会导致故障的位置和面积信息也会不准确。且该方法也未给出故障区域与正常区域的温度信息,不利于进行更准确地定性分析。
目前检测光伏板故障的可以分为两类:电力参数的监测与非接触式的红外测量。基于电力参数的测量只能定位到汇流箱级别,无法精确获知有故障的光伏板的具体位置。随着无人机技术的发展,利用无人机挂载红外相机进行光伏板巡检的方法可以提高效率,但是故障的诊断仍然需要人工参与判断。
因此,常规的光伏板故障检测方法是EL检测或者使用手持红外设备近距离对光伏板进行检测。这两种方式均需要较多的人工干预,效率较低。
发明内容
本发明要解决的技术问题光伏板故障自动检测方法,可以实时地对大量的光伏板进行全自动地故障检测,准确地定位故障的位置以及故障区域的温度信息。通过图像处理和温度数值分析的手段结合,可以准确地对光伏板故障进行分析。
为了解决上述技术问题,本发明提供了一种光伏板故障自动检测方法,其包括以下步骤:
本发明采集光伏板的红外图像信息和同步的温度数据;自动提取所述红外图像信息中光伏板的准确位置信息;利用所述红外图像检测光伏板常见的故障;根据温度数据检测光伏板内的异常区域以及相应的温度分布;将步骤c得出红外图像检测的形状特征和步骤d得出的温度数据检测结果进行融合并输出。
进一步,所述步骤a中采用红外相机对同一场景进行拍摄,得到伪彩色图像和转换后的温度数据。
进一步,所述步骤b中光伏板的准确位置信息为四个角点或四条边界线段,通过图像处理方法或温度数据提取光伏板的位置。
进一步,所述步骤c具体检测的方法如下:c1、对图像进行预处理,突出显示疑似故障区域;c2、使用霍夫圆检测算法在图像中的光伏板区域内检测圆特征,并计算其位置和面积,霍夫圆检测算法的参数可以根据光伏板的尺寸进行自适应地调整;c3、在光伏板区域内使用直线检测算法检测直线,直线检测的参数应该考虑光伏板的图像尺寸和直线的朝向;c4、整块不工作的光伏板相对于工作状态的光伏板,其图像亮度较高,通过自适应分割算法将非工作光伏板提取出来。
进一步,所述步骤c1中预处理的具体步骤如下:对红外图像进行去噪声处理并保持边缘;使用分段线性化方法增强故障区域和背景区域的对比度;使用形态学方法扩大一些微小的故障。
进一步,所述步骤d中通过温度数据检测故障通过以下几步实现:d1、将温度矩阵中的每个像素点转换为三维坐标(x、y、t),其中:x代表像素横坐标,y表示像素纵坐标,t表示温度;d2、在光伏板区域内,使用ransac算法拟合出三维平面,以检测异常像素点,即温度异常点;d3、在同一行光伏板内,对所有光伏板的三维像素点进行平面拟合,检测出异常点;d4、通过统计步骤d3中异常像素点数量以及分布信息判断故障类型;d5、计算异常像素区域和非工作光伏板的平均温度,并与正常区域的像素平均温度进行比较,通过一定的计算策略得出光伏板的故障概率。
进一步,所述步骤e中所述融合的方法采取加权叠加方法。
进一步,所述步骤e中对图像和温度检测结果直接进行逻辑运算。
进一步,所述步骤b中所述自动提取方法为边缘检测、角点检测、轮廓提取或模型匹配。
本发明的技术效果在于:本发明光伏板故障自动检测方法,可以实时地对大量的光伏板进行全自动地故障检测,准确地定位故障的位置以及故障区域的温度信息。通过图像处理和温度数值分析的手段结合,可以准确地对光伏板故障进行分析。
本发明可以通过全自动地方式实现光伏板故障的定位以及定性分析,整个过程中无需任何人工干预,在保证准确率的同时提高了检测效率。
附图说明
图1是本发明光伏板故障自动检测方法的流程图;
图2是本发明光伏板边缘的提取结果;
图3是本发明红外图像直线检测的结果图;
图4是本发明红外图像圆形状检测的结果图;
图5是本发明温度数据三维点显示的结果;
图6是本发明最终检测报告的样式。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好的理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
图1为本发明光伏板故障的自动检测方法,主要步骤包括:红外图像与温度数据的采集101、光伏板区域的提取102、基于红外图像的故障检测103、基于温度数据的故障检测104、故障检测结果的融合105以及检测报告的输出106。
其中,红外图像与温度数据的采集101中,红外相机采集到的原始数据为16bit,通过公式转换可以将每个像素点的值转换为对应的温度数据。红外图像也由原始数据经过现有的算法转换而来。使用红外相机对光伏板拍照一次就可同时得到对应的红外图像和温度数据。在常用的显色方案下,红外图像中越亮的区域代表该位置的温度值越高,越暗则温度越低。
图2为光伏板区域的提取102,在对故障进行检测之前,需要确定每个光伏板的准确位置(四个角点或者四条边界线段)。传统的人工标记方法在大规模数据面前显得捉襟见肘,因此引入图像处理技术(边缘检测、角点检测、轮廓提取、模型匹配或者机器学习的方法)可以自动地实现对光伏板位置的准确提取。光伏板位置的提取也可以通过温度数据进行提取,在光伏板边缘区域同样存在较大的温度差,可以利用这一梯度信息进一步获得较为准确的光伏板边缘位置。获取光伏板的准确位置有利于提高检测效率,避免将光伏板以外的区域视为故障区域。
图3为基于红外图像的故障检测103,主要实现了利用红外图像检测热斑、热条纹等常见故障的功能。首先对红外图像进行预处理,主要包括滤波、非线性拉伸和形态学处理。预处理的作用在于增加故障区域像素的灰度值与正常区域的灰度值的区分度,使故障更加清晰易识别,同时使用形态学方法扩大某些尺寸较小不易检出的故障点,方便后续的检测。
图4为基于温度数据的故障检测104,光伏板的故障在红外图像中一般是以热斑(接近圆形)、热条纹(从光伏板顶端到低端的亮条纹)两种出现的形状特征。因此可以利用图像处理技术中的特征检测算法对这两种图像特征进行检测。在光伏板区域内检测出的所有直线与圆形再进行进一步的判断。根据光伏板的尺寸以及朝向设置限定条件,只有满足这些条件的形状才被认为是故障。在这一步骤中可以使用典型的霍夫直线检测算法和霍夫圆检测算法,也可以使用LSD等其他直线和轮廓检测算法。记录所有检测到的故障的位置以及面积。
图5为将温度数据中的每个点都视为一个三维点(像素的横纵坐标以及温度值),每个像素点转换为三维坐标(x、y、t),其中:x代表像素横坐标,y表示像素纵坐标,t表示温度;形成一组三维点云。处在正常运行状态的光伏板,板内温度数据的变化应该是平滑的,三维点云可以构成一个平面,在光伏板区域内,使用ransac算法拟合出三维平面,以检测异常像素点,即温度异常点。而故障像素对应三维点则可以认为是异常点。对光伏板内的三维点进行平面拟合可以判断出哪些点是异常点,那些离拟合之后的平面距离较远的点就是故障点。对于一排光伏板中处在非工作状态的光伏板和较大的热条纹故障,也可以通过平面拟合的方法进行判断。最后记录检测出的故障区域的位置和面积,以及故障像素以及正常区域的平均温度,以便于进一步地定性分析(判断故障类型和预测发展趋势)。
图6为将对图像检测的结果和温度数据检测的结果,故障检测结果的融合105。对于图像中和温度数据中在相似位置检测到故障认为具有较高的概率发生故障,对于仅在图像或者温度检测中检测到的故障根据其本身的置信度给出故障概率(对于红外图像可以根据亮度的差值大小进行预测,对于温度数据,可以根据障区域与正常区域的温度差的大小计算故障发生的概率)。
检测报告的输出106,即故障的位置和概率,以及故障区域和正常区域的温度写入最终的检测报告当中,便于进行故障的确认和分析。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (9)
1.一种光伏板故障自动检测方法,其特征在于,其包括以下步骤:
a、采集光伏板的红外图像信息和同步的温度数据;
b、自动提取所述红外图像信息中光伏板的准确位置信息;
c、利用所述红外图像检测光伏板常见的故障;
d、根据温度数据检测光伏板内的异常区域以及相应的温度分布;
e、将步骤c得出红外图像检测的形状特征和步骤d得出的温度数据检测结果进行融合并输出。
2.根据权利要求1所述的光伏板故障自动检测方法,其特征在于,所述步骤a中采用红外相机对同一场景进行拍摄,得到伪彩色图像和转换后的温度数据。
3.根据权利要求1所述的光伏板故障自动检测方法,其特征在于,所述步骤b中光伏板的准确位置信息为四个角点或四条边界线段,通过图像处理方法或温度数据提取光伏板的位置。
4.根据权利要求1所述的光伏板故障自动检测方法,其特征在于,所述步骤c具体检测的方法如下:
c1、对图像进行预处理,突出显示疑似故障区域;
c2、使用霍夫圆检测算法在图像中的光伏板区域内检测圆特征,并计算其位置和面积,霍夫圆检测算法的参数可以根据光伏板的尺寸进行自适应地调整;
c3、在光伏板区域内使用直线检测算法检测直线,直线检测的参数应该考虑光伏板的图像尺寸和直线的朝向;
c4、整块不工作的光伏板相对于工作状态的光伏板,其图像亮度较高,通过自适应分割算法将非工作光伏板提取出来。
5.根据权利要求4所述的光伏板故障自动检测方法,其特征在于,所述步骤c1中预处理的具体步骤如下:
1)对红外图像进行去噪声处理并保持边缘;
2)使用分段线性化方法增强故障区域和背景区域的对比度;
3)使用形态学方法扩大一些微小的故障。
6.根据权利要求1所述的光伏板故障自动检测方法,其特征在于,所述步骤d中通过温度数据检测故障通过以下步骤实现:
d1、将温度矩阵中的每个像素点转换为三维坐标(x、y、t),其中:x代表像素横坐标,y表示像素纵坐标,t表示温度;
d2、在光伏板区域内,使用ransac算法拟合出三维平面,以检测异常像素点,即温度异常点;
d3、在同一行光伏板内,对所有光伏板的三维像素点进行平面拟合,检测出异常点;
d4、通过统计步骤d3中异常像素点数量以及分布信息判断故障类型;.
d5、计算异常像素区域和非工作光伏板的平均温度,并与正常区域的像素平均温度进行比较,通过一定的计算策略得出光伏板的故障概率。
7.根据权利要求1所述的光伏板故障自动检测方法,其特征在于,所述步骤e中所述融合的方法采取加权叠加方法。
8.根据权利要求1所述的光伏板故障自动检测方法,其特征在于,所述步骤e中对图像和温度检测结果直接进行逻辑运算。
9.根据权利要求1所述的光伏板故障自动检测方法,其特征在于,所述步骤b中所述自动提取方法为边缘检测、角点检测、轮廓提取或模型匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710458052.7A CN107483014B (zh) | 2017-06-16 | 2017-06-16 | 一种光伏板故障自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710458052.7A CN107483014B (zh) | 2017-06-16 | 2017-06-16 | 一种光伏板故障自动检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107483014A true CN107483014A (zh) | 2017-12-15 |
CN107483014B CN107483014B (zh) | 2019-03-29 |
Family
ID=60593983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710458052.7A Active CN107483014B (zh) | 2017-06-16 | 2017-06-16 | 一种光伏板故障自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107483014B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108923749A (zh) * | 2018-06-11 | 2018-11-30 | 东北电力大学 | 基于红外视频的光伏组件热斑检测定位方法 |
CN110231597A (zh) * | 2018-03-05 | 2019-09-13 | 理光软件研究所(北京)有限公司 | 自动化设备的定位系统和方法 |
CN110266268A (zh) * | 2019-06-26 | 2019-09-20 | 武汉理工大学 | 一种基于图像融合识别的光伏组件故障检测方法 |
CN110736547A (zh) * | 2019-10-17 | 2020-01-31 | 华能海南发电股份有限公司 | 基于红外成像技术的光伏板故障智能诊断系统 |
CN111242889A (zh) * | 2019-12-03 | 2020-06-05 | 国家电投集团曲阳新能源发电有限公司 | 一种光伏组件的热斑识别方法和装置 |
CN111860404A (zh) * | 2020-07-28 | 2020-10-30 | 华润智慧能源有限公司 | 一种光伏板热斑定位方法及系统 |
CN111931565A (zh) * | 2020-06-30 | 2020-11-13 | 广东省电力开发有限公司 | 一种基于光伏电站uav的自主巡检与热斑识别方法及系统 |
WO2021151438A1 (de) * | 2020-01-31 | 2021-08-05 | Heliatek Gmbh | Verfahren zum überprüfen eines photovoltaischen elements, sowie ein photovoltaisches element, überprüft nach einem solchen verfahren |
CN113418925A (zh) * | 2021-05-18 | 2021-09-21 | 平衡机器科技(深圳)有限公司 | 一种基于卫星影像的光伏板异常目标检测系统及方法 |
CN113538503A (zh) * | 2021-08-21 | 2021-10-22 | 西北工业大学 | 一种基于红外图像的太阳能板缺陷检测方法 |
CN117151696A (zh) * | 2023-10-27 | 2023-12-01 | 中科华辰(山东)实业股份有限公司 | 一种光伏运维管理系统 |
CN117291911A (zh) * | 2023-11-24 | 2023-12-26 | 山东通广电子股份有限公司 | 一种用于电力设备的缺陷检测方法及系统 |
CN117952973A (zh) * | 2024-03-26 | 2024-04-30 | 浙江明禾新能科技股份有限公司 | 一种基于轮廓匹配的光伏接线盒故障检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012204610A (ja) * | 2011-03-25 | 2012-10-22 | Hitachi Kokusai Electric Inc | 太陽光発電故障診断システム |
CN103336224A (zh) * | 2013-07-03 | 2013-10-02 | 同济大学 | 基于复合信息的绝缘子温升故障综合诊断方法 |
CN106230377A (zh) * | 2016-07-01 | 2016-12-14 | 重庆大学 | 一种光伏电池板热斑故障检测方法 |
CN106446799A (zh) * | 2016-08-31 | 2017-02-22 | 浙江大华技术股份有限公司 | 一种热成像目标识别的方法和装置 |
CN106656035A (zh) * | 2016-12-13 | 2017-05-10 | 烟台中飞海装科技有限公司 | 一种光伏电站故障检测方法 |
-
2017
- 2017-06-16 CN CN201710458052.7A patent/CN107483014B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012204610A (ja) * | 2011-03-25 | 2012-10-22 | Hitachi Kokusai Electric Inc | 太陽光発電故障診断システム |
CN103336224A (zh) * | 2013-07-03 | 2013-10-02 | 同济大学 | 基于复合信息的绝缘子温升故障综合诊断方法 |
CN106230377A (zh) * | 2016-07-01 | 2016-12-14 | 重庆大学 | 一种光伏电池板热斑故障检测方法 |
CN106446799A (zh) * | 2016-08-31 | 2017-02-22 | 浙江大华技术股份有限公司 | 一种热成像目标识别的方法和装置 |
CN106656035A (zh) * | 2016-12-13 | 2017-05-10 | 烟台中飞海装科技有限公司 | 一种光伏电站故障检测方法 |
Non-Patent Citations (1)
Title |
---|
董栋 等.: "基于近红外图像的硅太阳能电池故障检测方法", 《信息与电子工程》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110231597A (zh) * | 2018-03-05 | 2019-09-13 | 理光软件研究所(北京)有限公司 | 自动化设备的定位系统和方法 |
CN110231597B (zh) * | 2018-03-05 | 2022-07-12 | 理光软件研究所(北京)有限公司 | 自动化设备的定位系统和方法 |
CN108923749A (zh) * | 2018-06-11 | 2018-11-30 | 东北电力大学 | 基于红外视频的光伏组件热斑检测定位方法 |
CN110266268A (zh) * | 2019-06-26 | 2019-09-20 | 武汉理工大学 | 一种基于图像融合识别的光伏组件故障检测方法 |
WO2021073280A1 (zh) * | 2019-10-17 | 2021-04-22 | 中国华能集团有限公司 | 基于红外成像技术的光伏板故障智能诊断系统 |
CN110736547A (zh) * | 2019-10-17 | 2020-01-31 | 华能海南发电股份有限公司 | 基于红外成像技术的光伏板故障智能诊断系统 |
CN111242889A (zh) * | 2019-12-03 | 2020-06-05 | 国家电投集团曲阳新能源发电有限公司 | 一种光伏组件的热斑识别方法和装置 |
WO2021151438A1 (de) * | 2020-01-31 | 2021-08-05 | Heliatek Gmbh | Verfahren zum überprüfen eines photovoltaischen elements, sowie ein photovoltaisches element, überprüft nach einem solchen verfahren |
CN111931565A (zh) * | 2020-06-30 | 2020-11-13 | 广东省电力开发有限公司 | 一种基于光伏电站uav的自主巡检与热斑识别方法及系统 |
CN111931565B (zh) * | 2020-06-30 | 2023-12-26 | 广东省电力开发有限公司 | 一种基于光伏电站uav的自主巡检与热斑识别方法及系统 |
CN111860404A (zh) * | 2020-07-28 | 2020-10-30 | 华润智慧能源有限公司 | 一种光伏板热斑定位方法及系统 |
CN113418925A (zh) * | 2021-05-18 | 2021-09-21 | 平衡机器科技(深圳)有限公司 | 一种基于卫星影像的光伏板异常目标检测系统及方法 |
CN113538503A (zh) * | 2021-08-21 | 2021-10-22 | 西北工业大学 | 一种基于红外图像的太阳能板缺陷检测方法 |
CN113538503B (zh) * | 2021-08-21 | 2023-09-01 | 西北工业大学 | 一种基于红外图像的太阳能板缺陷检测方法 |
CN117151696A (zh) * | 2023-10-27 | 2023-12-01 | 中科华辰(山东)实业股份有限公司 | 一种光伏运维管理系统 |
CN117151696B (zh) * | 2023-10-27 | 2024-01-23 | 中科华辰(山东)实业股份有限公司 | 一种光伏运维管理系统 |
CN117291911A (zh) * | 2023-11-24 | 2023-12-26 | 山东通广电子股份有限公司 | 一种用于电力设备的缺陷检测方法及系统 |
CN117291911B (zh) * | 2023-11-24 | 2024-02-09 | 山东通广电子股份有限公司 | 一种用于电力设备的缺陷检测方法及系统 |
CN117952973A (zh) * | 2024-03-26 | 2024-04-30 | 浙江明禾新能科技股份有限公司 | 一种基于轮廓匹配的光伏接线盒故障检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107483014B (zh) | 2019-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107483014B (zh) | 一种光伏板故障自动检测方法 | |
CN111259892B (zh) | 一种指示灯状态的巡检方法、装置、设备和介质 | |
CN112734692B (zh) | 一种变电设备缺陷识别方法及装置 | |
CN108734143A (zh) | 一种巡检机器人的基于双目视觉的输电线路在线检测方法 | |
CN109800697B (zh) | 基于VGG-net风格迁移的变压器目标检测与外观缺陷识别方法 | |
CN108537154A (zh) | 基于hog特征和机器学习的输电线路鸟巢识别方法 | |
CN108761237A (zh) | 无人机电力巡检图像关键电力部件自动诊断与标注系统 | |
CN105957073B (zh) | 输电线路散股故障检测方法 | |
CN110119680A (zh) | 一种基于图像识别的电气柜接线自动查错系统 | |
CN109740507A (zh) | 一种变电设备异常感知的方法 | |
CN102797727B (zh) | 一种基于ccd的风电机组液压系统漏油检测方法及装置 | |
CN112669287B (zh) | 基于图像识别的电气设备温度监测方法 | |
CN110473184A (zh) | 一种pcb板缺陷检测方法 | |
CN106920240A (zh) | 一种基于红外图像的绝缘子识别和故障诊断方法 | |
CN106228541A (zh) | 视觉检测中屏幕定位的方法及装置 | |
CN104483243A (zh) | 大米粘连米检测分割方法、装置及系统 | |
CN116543241B (zh) | 泄露气体云团的检测方法、装置、存储介质和电子设备 | |
CN109345586A (zh) | 基于紫外成像技术的电气设备放电特征提取方法 | |
CN107392889A (zh) | 一种基于红外图像的电力设备运行状态监控方法及系统 | |
CN106650735B (zh) | 一种led字符自动定位识别方法 | |
CN112967221A (zh) | 一种盾构管片生产与拼装信息管理系统 | |
CN105989600A (zh) | 基于特征点分布统计的配电网设备外观检测方法及系统 | |
CN115690012A (zh) | 一种电能表接错线的检测方法 | |
CN105619741B (zh) | 一种基于Tegra K1的模具智能检测方法 | |
CN108898187A (zh) | 一种自动识别配电房指示设备图像的方法及装置 |
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 |