CN108459021A - 光伏太阳能板集群的实时重构和检测方法 - Google Patents

Abstract

本发明涉及光伏太阳能技术领域，具体的说是一种光伏太阳能板集群的实时重构和检测方法。本发明包括以下步骤：获取能够显示光伏电站中所有太阳能板的视频流；在所述视频流中的每帧图像中，逐个识别太阳能板并对太阳能板进行跟踪，并在跟踪结果中标注出异常太阳能板；根据跟踪结果重构出能够显示出光伏电站中所有太阳能板位置的图像。本发明能够快速、准确的定位缺陷太阳能板，同时能辅助告诉维护人员，需要更换哪一块太阳能板，减少维护人员的工作量，提高工作效率。

Description

光伏太阳能板集群的实时重构和检测方法

技术领域

本发明涉及光伏太阳能技术领域，具体的说是一种光伏太阳能板集群的实时重构和检测方法。

背景技术

利用太阳能发电是目前主要的绿色能源技术。大的光伏发电站通常需要较多的太阳能板，以吸收足够的太阳能。以宁夏中卫金礼光伏电站为例，通过对宁夏一个光伏电站统计，出现异常太阳能板的概率是0.85％。如果太阳能板每瓦年发电量是1.597kwh/W，那么异常太阳能电池板年损失发电量为55168kwh。检测出异常太阳能板，并进行替换，对于减少发电量的损失意义重大。从大规模的太阳能板中找出异常太阳能板工作对于监测和维护人员工作繁重，尤其是靠人工用测量仪器去测量并找出坏的太阳能板，不仅加重检测员的负担而且效率不高。

随着太阳能发电不断的增长，太阳能板也在不断增加，为了维护太阳能发电的效率，需要有一种快速、准确的太阳能板缺陷检测方法。

发明内容

针对现有技术中存在的上述不足之处，本发明要解决的技术问题是提供一种光伏太阳能板集群的实时重构和检测方法。

本发明为实现上述目的所采用的技术方案是：一种光伏太阳能板集群的实时重构和检测方法，包括以下步骤：

获取能够显示光伏电站中所有太阳能板的视频流；

在所述视频流中的每帧图像中，逐个识别太阳能板并对太阳能板进行跟踪，并在跟踪结果中标注出异常太阳能板；

根据注出异常太阳能板的跟踪结果，重构出能够显示出光伏电站中所有太阳能板位置的图像。

所述视频流通过安装有摄像头的无人飞机拍摄获取。

所述对太阳能板进行跟踪，包括对每一块太阳能板执行以下步骤：

初始化太阳能板，得到某一太阳能板的初始状态信息；

通过卡尔曼滤波预测该太阳能板在下一时刻的状态信息；同时，通过目标检测方法，在下一时刻检测所有太阳能板的状态信息测量值；

由预测得到的该太阳能板的状态信息和检测得到的所有太阳能板的状态信息测量值，在所有太阳能板中确定与该太阳能板最接近的太阳能板；

以所述确定的太阳能板的状态信息更新该太阳能板的状态信息，并更新卡尔曼滤波增益值；

由更新后的太阳能板的状态来代替该太阳能板的初始状态信息，进行连续迭代得到该太阳能板在各个时刻的状态信息，实现太阳能板的跟踪。

所述太阳能板的状态信息表示为：其中u表示太阳能板的水平像素位置，v表示太阳能板的垂直像素位置，s表示太阳能板的面积，r表示太阳能板的长宽比例，表示太阳能板的水平像素位置的一阶导数，表示太阳能板的垂直像素位置的一阶导数，表示太阳能板的面积的一阶导数。

还包括：所述识别太阳能板并对太阳能板进行跟踪过程中，对每个太阳能板赋予唯一标记。

所述在跟踪结果中标注出异常太阳能板，具体为：

定义正常太阳能板和异常太阳能板的分类误差，在模型训练中通过梯度下降方法减少误差，得到能够区分出正常太阳能板和异常太阳能板的检验模型，通过所述检验模型对包含太阳能板的图像进行检验，标注出异常太阳能板。

所述重构出能够显示出光伏电站中所有太阳能板位置的图像，具体为：

根据所述对太阳能板的跟踪确定太阳能板在图像中的像素坐标位置；

根据所有太阳能板的像素坐标确定太阳能板的相对位置关系；

根据所有太阳能板的相对位置关系画出太阳能板在二维空间中的分布图。

本发明具有以下优点及有益效果：本发明能够快速、准确的定位缺陷太阳能板，同时能辅助告诉维护人员，需要更换哪一块太阳能板，减少维护人员的工作量，提高工作效率。

附图说明

图1为现场红外图像；

图2为本发明的模型生成和应用流程图；

图3为本发明的太阳能板的分类和定位效果图；

图4a为前一帧太阳能板的图像；

图4b为后一帧太阳能板的图像；

图5为本发明的太阳能板位置重构和异常太阳能板定位效果图；

图6为本发明中太阳能板的检测跟踪流程图。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

本发明是把机器视觉中的目标检测和跟踪算法应用于太阳能板检测。而拍摄太阳能板的摄像头安装于无人飞机，通过无人飞机快速稳定的飞行，可以在较短时间内飞过光伏电站所有的太阳能板，并且把所有太阳能板拍摄下来，并通过视频流的方式供算法处理。由于红外图像拍摄受技术条件限制，无法拍摄高清图像，但是通过降低无人飞机的飞行高度，拍摄较清晰的红外图像。典型的拍摄图像如图1所示。从图1可以看出，太阳能板可以在图像中清晰的显示出来，其中温度较高的部分属于异常太阳能板，其最大温度达到34度，在红外图像上表现为光斑形式。

本发明利用的图像检测算法是Faster R-CNN，其算法能够在自动检测太阳能板的同时，并区分出好坏太阳能板，其模型是通过机器学习方法得到。其步骤包括了好坏太阳能板的标注，模型训练，生成模型，应用模型，如图2所示。

为了在检测出太阳能板的位置同时，把正常和异常太阳能板区分开来，需要定义一个包含两种误差的误差函数：一个是正常还是异常的分类误差；另一个是位置的定位的误差。综合这两种误差，在模型训练中通过梯度下降方法减少误差，得到需要的模型。在误差降低到一定程度时，在试验中发现，能够把所有太阳能板检测出来，并同时区分出正常和异常太阳能板，其分类和定位效果如图3所示。

从图3可以看出，所有的太阳能板都被正确的定位，其中有光斑的太阳能板用紫色标出，以区分其他正常太阳能板。由于要保持较高的清晰度，所以无法通过一张图片把所有太阳能板包括进来，从图3可以看出，只有3排12块太阳能板被完整的拍摄下来，如果要在4000块太阳能板中找出异常太阳能板并定位，显然无法用一张图像做到。

本发明利用借鉴了机器视觉中的目标跟踪算法，通过跟踪所有出现在摄像头中的太阳能板，并根据相对位置，重构出光伏电站中所有太阳能板的位置，同时把异常太阳能板的位置特别标注出来，最终能帮助维护人员方便快速定位异常太阳能板，减轻工作负担。

为了跟踪每一块太阳能板，就需要关联前后帧的太阳能板，找出前后帧太阳能板的关联关系。本发明利用每一块太阳能板在图像中的像素位置、尺寸、长宽比例和速度进行太阳能板的跟踪。

一块太阳能板的状态可以表示为其中u表示太阳能板的水平像素位置，v表示太阳能板的垂直像素位置，s表示太阳能板的面积，r表示太阳能板的长宽比例，表示太阳能板的水平像素位置的一阶导数，表示太阳能板的垂直像素位置的一阶导数，表示太阳能板的面积的一阶导数。当这块太阳能板被检测出来的时候，可以根据检测框的信息来更新这块太阳能板的状态，它的速度信息可以通过卡尔曼滤波进行优化计算。如果太阳能板没有检测出来，就利用线性速度模型推算出这块太阳能板的当前状态。太阳能板的检测跟踪流程可以用图6表示，先初始化太阳能板，得到太阳能板初始状态，通过卡尔曼滤波预测下一时刻状态，再通过目标检测方法，在下一时刻检测太阳能板新的位置，再由前面的预测状态值和测量值更新卡尔曼滤波增益值和太阳能板新的状态，由更新后的状态来代替太阳能板初始状态，通过这样的迭代方式，最终实现太阳能板的跟踪。

由于每一帧图像都包括12块完整太阳能板，有的是新出现的太阳能板，有的是改变位置的前一帧的太阳能板，找出前后帧相似的太阳能板，并建立关联关系从而实现每一块太阳能板的跟踪，其效果如图4所示。

图4a和图4b用数字表示每一块太阳能板，在前后帧中相同的太阳能板是用同一个数字标识出来，新增加的太阳能板用新的数字表示。通过这样的关联关系从而实现了太阳能板的跟踪。由于太阳能板的位置相对固定，通过局部的位置关系就能推导出全局位置关系，所以通过太阳能的跟踪和异常太阳能板的分类，最终能够重构出光伏电站所有太阳能板的位置，并定位异常太阳能板，其效果图如图5所示。

下面结合图4和图6用一实例做进一步说明。图4a中每一块太阳能的检测和跟踪都使用相同流程，我们以标记为60的太阳能板为例。把图4a中检测出的这块太阳能标记为“60”，通过目标检测方法能得到这块太阳能板的位置、面积和速度等状态信息，并作为这块太阳能的初始状态，这完成了图6中的初始化太阳能板这一步骤，通过图6中下一步骤卡尔曼滤波，预测这块太阳能板在下一时刻的状态，同时利用目标检测方法检测下一时刻所有太阳能板的状态信息，比较“60”太阳能板的预测状态和检测出的所有太阳能的状态信息，确定和“60”太阳能板最接近的太阳能板，以这块太阳能的状态信息来更新“60”太阳能板的状态，并更新卡尔曼滤波增益值，这就完成了图6中的剩下两个步骤，并在图4b中把新的“60”太阳能板标识出来。最后用更新后的“60”太阳能板的状态信息来代替初始状态信息，并进入下一个循环，重新执行上述步骤。

以上所述实施例仅表达了本发明的一种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (7)

1.一种光伏太阳能板集群的实时重构和检测方法，其特征在于，包括以下步骤：

获取能够显示光伏电站中所有太阳能板的视频流；

在所述视频流中的每帧图像中，逐个识别太阳能板并对太阳能板进行跟踪，并在跟踪结果中标注出异常太阳能板；

根据注出异常太阳能板的跟踪结果，重构出能够显示出光伏电站中所有太阳能板位置的图像。

2.根据权利要求1所述的光伏太阳能板集群的实时重构和检测方法，其特征在于，所述视频流通过安装有摄像头的无人飞机拍摄获取。

3.根据权利要求1所述的光伏太阳能板集群的实时重构和检测方法，其特征在于，所述对太阳能板进行跟踪，包括对每一块太阳能板执行以下步骤：

初始化太阳能板，得到某一太阳能板的初始状态信息；

通过卡尔曼滤波预测该太阳能板在下一时刻的状态信息；同时，通过目标检测方法，在下一时刻检测所有太阳能板的状态信息测量值；

由预测得到的该太阳能板的状态信息和检测得到的所有太阳能板的状态信息测量值，在所有太阳能板中确定与该太阳能板最接近的太阳能板；

以所述确定的太阳能板的状态信息更新该太阳能板的状态信息，并更新卡尔曼滤波增益值；

由更新后的太阳能板的状态来代替该太阳能板的初始状态信息，进行连续迭代得到该太阳能板在各个时刻的状态信息，实现太阳能板的跟踪。

4.根据权利要求3所述的光伏太阳能板集群的实时重构和检测方法，其特征在于，所述太阳能板的状态信息表示为：其中u表示太阳能板的水平像素位置，v表示太阳能板的垂直像素位置，s表示太阳能板的面积，r表示太阳能板的长宽比例，表示太阳能板的水平像素位置的一阶导数，表示太阳能板的垂直像素位置的一阶导数，表示太阳能板的面积的一阶导数。

5.根据权利要求1所述的光伏太阳能板集群的实时重构和检测方法，其特征在于，还包括：所述识别太阳能板并对太阳能板进行跟踪过程中，对每个太阳能板赋予唯一标记。

6.根据权利要求1所述的光伏太阳能板集群的实时重构和检测方法，其特征在于，所述在跟踪结果中标注出异常太阳能板，具体为：

定义正常太阳能板和异常太阳能板的分类误差，在模型训练中通过梯度下降方法减少误差，得到能够区分出正常太阳能板和异常太阳能板的检验模型，通过所述检验模型对包含太阳能板的图像进行检验，标注出异常太阳能板。

7.根据权利要求1所述的光伏太阳能板集群的实时重构和检测方法，其特征在于，所述重构出能够显示出光伏电站中所有太阳能板位置的图像，具体为：

根据所述对太阳能板的跟踪确定太阳能板在图像中的像素坐标位置；

根据所有太阳能板的像素坐标确定太阳能板的相对位置关系；

根据所有太阳能板的相对位置关系画出太阳能板在二维空间中的分布图。