CN111161220A - 一种利用红外图像拼接对光伏组件缺陷检测和定位的方法 - Google Patents
一种利用红外图像拼接对光伏组件缺陷检测和定位的方法 Download PDFInfo
- Publication number
- CN111161220A CN111161220A CN201911265584.4A CN201911265584A CN111161220A CN 111161220 A CN111161220 A CN 111161220A CN 201911265584 A CN201911265584 A CN 201911265584A CN 111161220 A CN111161220 A CN 111161220A
- Authority
- CN
- China
- Prior art keywords
- image
- infrared
- defects
- detecting
- infrared image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000007547 defect Effects 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 7
- 230000001629 suppression Effects 0.000 claims description 4
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 238000007499 fusion processing Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 abstract 1
- 230000003068 static effect Effects 0.000 abstract 1
- 238000001931 thermography Methods 0.000 abstract 1
- 238000010248 power generation Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于红外图像拼接的光伏组件缺陷检测和定位方法。通过多旋翼无人机携带热成像在空中获取光伏组件的红外图像并用机载处理器对红外图像的处理判断是否存在热斑故障；无人机实时在线传送红视频，视频抽帧，图像匹配、对齐，图像融合和边界平滑，图片拼接，形成局部静态图片，最后输出热斑报表信息。通过本发明，可以做到快速、准确的检测出异常太阳能板，基本不需要人工干预，达到全自动化的效果。
Description
技术领域
本发明涉及一种利用红外图像拼接对光伏组件缺陷检测和定位的方法。
背景技术
随着全球能源危机的日益凸显，化石燃料燃烧所导致的环境问题日益严重，世界各国对清洁、可再生能源的开发研究投入越来越大，并且开发环保干净型能源系统也是我国可持续发展战略中重要的一环。随着新型的清洁能源越来越受到重视，光伏发电技术得到了迅猛地发展。然而光伏发电产品在工作过程中，光伏电池组件的热斑故障由于严重影响光伏系统正常发电以及降低光伏电池工作寿命而急切需要被克服。
光伏热斑故障是光伏组件在运行过程中，因部分电池片自身的特性的改变导致与整体的不谐调，从而被当作负载消耗其它太阳电池组件产生的能量并持续发热的现象。通常情况下，热斑故障是由于光伏电池组件被局部遮荫而引起的。对于这类非自身问题引起的热斑故障，一套能够进行实时监测并且切实可行的光伏热斑故障检测、检测方法对延长光伏电池组件的寿命，减少发电成本。
目前，传统检测太阳能电池板阵列的故障的主要方法是：①人工的巡检，用这个方法效率低，人工排除难度大，且部分环境恶劣的地方无法作业。②直接测量每块电池板的电压和电流，然后根据所得电压电流值判断整个太阳能电池板阵列是否正常工作。因为一个电池板阵列中有很多块电池板，所以采用这种方法使得系统变得非常复杂和庞大，使系统的安装维护以及整个太阳能电池板阵列的维护都很不方便。
发明内容
为解决上述问题，本发明的目的是提出一种利用红外图像拼接对光伏组件缺陷检测和定位的方法。其通过只依赖于红外摄像头，降低了系统成本；对于无人机的飞行角度、高度、摄像头的角度没有强制限制，降低了无人机的控制难度；通过一次飞行，拼出所有太阳能板的红外图像，并标记出所有缺陷太阳能板在图像中的位置，大大提高了巡检的效率。
为了实现上述目的，本发明采用如下技术方案：
一种利用红外图像拼接对光伏组件缺陷检测和定位的方法，包括一架无人机带有红外热像仪镜头的图像采集装置，与图像采集装置通信连接的处理中心，所述方法包括如下步骤：
步骤1：无人机红外通过实时拍摄带有温度信息的图像发送给本地处理中心；
步骤2：本地处理中心对照片进行图像预处理；
步骤3：本地处理中心对图像进行匹配、对齐和图像的融合处理；
步骤4：自动拼接步骤3中的红外照片；
步骤5：通过相应的软件自动识别和输出光伏组件缺陷的信息。
进一步的，步骤2中，对图像对比度拉伸、噪声点抑制和对部分畸变进行矫正。
进一步的，步骤3中，进行相识度匹配的计算，其中包括特征提取、特征描述和特征匹配。
进一步的，步骤3中，特征匹配，获取变换矩阵H，其中
其中变换矩阵H的自由度为8，即hi(i＝0,1,…,7)为自由度参数。设匹配的特征点对分别是p＝(x,y)和q＝(x′,y′),这投影变换公式为：
选取5组最佳匹配可计算出变换矩阵H的8个自由度参数，并以此为初始值。再由初始值迭代精炼，得到最终的图像间变换矩阵H。
进一步的，步骤3中，通过算术平均法，对拼接处的图像进行平滑处理。来确定拼接图像重叠区域的灰度值，
设L＝(x,y)和R＝(x,y)分别代表两幅待拼接图像重叠区域的灰度值。
进一步的，步骤4：自动拼接通过获取变换矩阵H来实现图像配准，把图像拷贝到另一幅图像的特定位置，形成一张拼接图。
进一步的，步骤5：通过拼接好的红外照片进行灰度化变化，将灰度化再进行阈值变化，在对阈值进膨胀、腐蚀操作，然后进行轮廓查找，并对热斑在照片中进行标注，然后从无人机飞控上读取当前热斑的GPS坐标，给出缺陷和GPS坐标。
发明的优点是：只需要通过红外摄像头拍照，对于无人机的飞行角度、高度、摄像头的角度没有强制限制，降低了无人机的控制难度；通过一次飞行，拼出所有太阳能板的红外图像，并标记出所有缺陷太阳能板在图像中的位置，大大提高了巡检的效率。
附图说明
图1为本发明实施例的缺陷检测和定位方法流程图。
图2、3为本发明实施例的待拼接图。
图4为本发明实施例的拼接图。
图5为本发明实施例的热斑输出图。
具体实施方式
为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明。
实施例，如图1所示，一种基于红外图像拼接的光伏组件缺陷检测和定位方法，所述方法包括如下步骤：
步骤1：一架无人机带有红外热像仪镜头的图像采集装置，与图像采集装置通信连接的处理中心，首先进行确定无人机的高度、飞行速度以及红外热像仪的角度，然后进行无人机的路径规划，无人机一切准备就绪，进入实际作业区，无人机一键起飞，正常作业。无人机红外通过实时拍摄带有温度信息的图像发送给本地处理中心。
步骤2：本地处理中心对图像对比度拉伸、噪声点抑制和对部分畸变进行矫正。
步骤3：其中图像对比度拉伸将采用直方图均值化的方法，使图像增强。而噪声点抑制将采用均值滤波，即，对将处理的当前像素，选择一个模板，该模板为其邻近的若干像素组成，用模板中像素的均值来替代原像素的值。
进行相识度匹配的计算，其中包括特征提取、特征描述和特征匹配。
特征匹配，获取变换矩阵H，其中
其中变换矩阵H的自由度为8，即hi(i＝0,1,…,7)为自由度参数。设匹配的特征点对分别是p＝(x,y)和q＝(x′,y′)，这投影变换公式为：
选取5组最佳匹配可计算出变换矩阵H的8个自由度参数，并以此为初始值。再由初始值迭代精炼，得到最终的图像间变换矩阵H。
其中：
通过算术平均法，对拼接处的图像进行平滑处理。来确定拼接图像重叠区域的灰度值，
设L＝(x,y)和R＝(x,y)分别代表两幅待拼接图像重叠区域的灰度值。
其中已知：L＝(x,y)＝155；R＝(x,y)＝185；
则
步骤4：自动拼接步骤3中的红外照片；
步骤5：通过拼接好的红外照片进行灰度化变化，将灰度化再进行阈值变化，在对阈值进膨胀、腐蚀操作，然后进行轮廓查找，并对热斑在照片中进行标注，然后从无人机飞控上读取当前热斑的GPS坐标，给给出缺陷和GPS坐标。
以上实施例公开的方法光伏发电场提供了一种基于红外图像拼接光伏组件缺陷检测和定位方法，实现智能、高效地对光伏面板进行故障检测定位，以达到光伏电站运维目的。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (7)
1.一种利用红外图像拼接对光伏组件缺陷检测和定位的方法，其特征在于：包括一架无人机带有红外热像仪镜头的图像采集装置，与图像采集装置通信连接的处理中心，所述方法包括如下步骤：
步骤1：无人机红外通过实时拍摄带有温度信息的图像发送给本地处理中心；
步骤2：本地处理中心对照片进行图像预处理；
步骤3：本地处理中心对图像进行匹配、对齐和图像的融合处理；
步骤4：自动拼接步骤3中的红外照片；
步骤5：通过自动识别和输出光伏组件缺陷的信息。
2.如权利要求1所述的利用红外图像拼接对光伏组件缺陷检测和定位的方法，其特征是，步骤2中，对图像对比度拉伸、噪声点抑制和对部分畸变进行矫正。
3.如权利要求1所述的基于红外图像拼接的光伏组件缺陷检测和定位方法，其特征是，步骤3中，进行相识度匹配的计算，其中包括特征提取、特征描述和特征匹配。
4.如权利要求3所述的利用红外图像拼接对光伏组件缺陷检测和定位的方法，其特征是，步骤3中，特征匹配，获取变换矩阵H，其中
其中变换矩阵H的自由度为8，即hi(i＝0,1,…,7)为自由度参数。设匹配的特征点对分别是p＝(x,y)和q＝(x′,y′),这投影变换公式为：
选取5组最佳匹配可计算出变换矩阵H的8个自由度参数，并以此为初始值；再由初始值迭代精炼，得到最终的图像间变换矩阵H。
5.如权利要求4所述的利用红外图像拼接对光伏组件缺陷检测和定位的方法，其特征是，步骤3中，通过算术平均法，对拼接处的图像进行平滑处理。来确定拼接图像重叠区域的灰度值，
设L＝(x,y)和R＝(x,y)分别代表两幅待拼接图像重叠区域的灰度值。
6.如权利要求1所述的基于红外图像拼接的光伏组件缺陷检测和定位方法，其特征是，步骤4：自动拼接通过获取变换矩阵H来实现图像配准，把图像拷贝到另一幅图像的特定位置，形成一张拼接图。
7.如权利要求1所述的基于红外图像拼接的光伏组件缺陷检测和定位方法，其特征是，步骤5中的自动识别是通过拼接好的红外照片进行灰度化变化，将灰度化再进行阈值变化，在对阈值进膨胀、腐蚀操作，然后进行轮廓查找，并对热斑在照片中进行标注，然后从无人机飞控上读取当前热斑的GPS坐标，给出缺陷和GPS坐标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911265584.4A CN111161220A (zh) | 2019-12-11 | 2019-12-11 | 一种利用红外图像拼接对光伏组件缺陷检测和定位的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911265584.4A CN111161220A (zh) | 2019-12-11 | 2019-12-11 | 一种利用红外图像拼接对光伏组件缺陷检测和定位的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111161220A true CN111161220A (zh) | 2020-05-15 |
Family
ID=70556943
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911265584.4A Pending CN111161220A (zh) | 2019-12-11 | 2019-12-11 | 一种利用红外图像拼接对光伏组件缺陷检测和定位的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111161220A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111740699A (zh) * | 2020-05-29 | 2020-10-02 | 南京航空航天大学 | 一种光伏板故障检测识别方法、装置和无人机 |
| CN112633088A (zh) * | 2020-12-10 | 2021-04-09 | 西安理工大学 | 一种基于航拍图像中光伏组件识别的电站容量估测方法 |
| CN113205493A (zh) * | 2021-04-26 | 2021-08-03 | 西安热工研究院有限公司 | 一种缺陷光伏组件定位方法及系统 |
| CN113393378A (zh) * | 2021-05-26 | 2021-09-14 | 浙江大华技术股份有限公司 | 光伏组件的图像拼接方法、装置、电子装置和存储介质 |
| CN113421260A (zh) * | 2021-08-23 | 2021-09-21 | 旻投电力发展有限公司 | 一种基于红外图像诊断光伏组件缺陷的检测方法 |
| CN113781448A (zh) * | 2021-09-14 | 2021-12-10 | 国电四子王旗光伏发电有限公司 | 一种基于红外图像分析的光伏电站组件智能缺陷识别方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106815838A (zh) * | 2017-01-22 | 2017-06-09 | 晶科电力有限公司 | 一种光伏组件热斑检测的方法以及系统 |
| CN106886977A (zh) * | 2017-02-08 | 2017-06-23 | 徐州工程学院 | 一种多图自动配准及融合拼接方法 |
| US20170277966A1 (en) * | 2016-03-28 | 2017-09-28 | General Dynamics Mission Systems, Inc. | System and methods for automatic solar panel recognition and defect detection using infrared imaging |
| CN107314819A (zh) * | 2017-07-03 | 2017-11-03 | 南京绿谷信息科技有限公司 | 一种基于红外图像的光伏电站热斑检测与定位方法 |
| 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 |
-
2019
- 2019-12-11 CN CN201911265584.4A patent/CN111161220A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170277966A1 (en) * | 2016-03-28 | 2017-09-28 | General Dynamics Mission Systems, Inc. | System and methods for automatic solar panel recognition and defect detection using infrared imaging |
| CN106815838A (zh) * | 2017-01-22 | 2017-06-09 | 晶科电力有限公司 | 一种光伏组件热斑检测的方法以及系统 |
| CN106886977A (zh) * | 2017-02-08 | 2017-06-23 | 徐州工程学院 | 一种多图自动配准及融合拼接方法 |
| CN107314819A (zh) * | 2017-07-03 | 2017-11-03 | 南京绿谷信息科技有限公司 | 一种基于红外图像的光伏电站热斑检测与定位方法 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 郭宝柱: "光伏阵列热斑的红外图像处理的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111740699A (zh) * | 2020-05-29 | 2020-10-02 | 南京航空航天大学 | 一种光伏板故障检测识别方法、装置和无人机 |
| CN112633088A (zh) * | 2020-12-10 | 2021-04-09 | 西安理工大学 | 一种基于航拍图像中光伏组件识别的电站容量估测方法 |
| CN113205493A (zh) * | 2021-04-26 | 2021-08-03 | 西安热工研究院有限公司 | 一种缺陷光伏组件定位方法及系统 |
| CN113393378A (zh) * | 2021-05-26 | 2021-09-14 | 浙江大华技术股份有限公司 | 光伏组件的图像拼接方法、装置、电子装置和存储介质 |
| CN113421260A (zh) * | 2021-08-23 | 2021-09-21 | 旻投电力发展有限公司 | 一种基于红外图像诊断光伏组件缺陷的检测方法 |
| CN113781448A (zh) * | 2021-09-14 | 2021-12-10 | 国电四子王旗光伏发电有限公司 | 一种基于红外图像分析的光伏电站组件智能缺陷识别方法 |
| CN113781448B (zh) * | 2021-09-14 | 2024-01-23 | 国电四子王旗光伏发电有限公司 | 一种基于红外图像分析的光伏电站组件智能缺陷识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111161220A (zh) | 一种利用红外图像拼接对光伏组件缺陷检测和定位的方法 | |
| CN110297498B (zh) | 一种基于无线充电无人机的轨道巡检方法及系统 | |
| CN110266268B (zh) | 一种基于图像融合识别的光伏组件故障检测方法 | |
| CN109187558A (zh) | 一种基于无人机的光伏电站自动巡检系统 | |
| CN109525194B (zh) | 光伏板故障光斑检测识别方法和系统 | |
| CN110619678B (zh) | 一种基于点云匹配的电力杆塔巡检航迹生成方法 | |
| CN112184711A (zh) | 一种光伏组件缺陷检测和定位方法及系统 | |
| CN106734010B (zh) | 光伏电站清洁方法和系统 | |
| CN111740699A (zh) | 一种光伏板故障检测识别方法、装置和无人机 | |
| CN106056594A (zh) | 一种基于双光谱的可见光图像提取系统与方法 | |
| CN107782764A (zh) | 一种光伏组件的故障识别方法 | |
| CN113311861B (zh) | 光伏组件隐裂特性的自动化检测方法及其系统 | |
| 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 | |
| CN113920044A (zh) | 一种基于无人机成像的光伏热斑组件检测后定位方法 | |
| CN103456171A (zh) | 一种基于鱼眼镜头的车流量检测系统、方法及图像校正方法 | |
| CN112183311A (zh) | 一种基于双模态数据融合的变电站设备故障检测方法 | |
| KR20220055082A (ko) | 열화상 이미지의 태양광 모듈 단위 데이터 학습을 통한 딥러닝 기반 결함 검출 시스템 및 방법 | |
| CN113485432A (zh) | 一种基于无人机的光伏电站电致发光智能诊断系统及方法 | |
| CN102663344A (zh) | 基于图像分割的破损道路检测装置 | |
| CN117200693A (zh) | 光伏组件故障诊断方法、装置、设备及存储介质 | |
| Ismail et al. | Stitching approach for PV panel detection | |
| CN115147384A (zh) | 基于可见光和热红外的光伏组件热斑联合检测系统及方法 | |
| CN116667775A (zh) | 一种基于无人机的光伏电场自动清洁方法及系统 | |
| CN111291721B (zh) | 共享交通工具的出库检测方法、装置、设备及存储介质 | |
| CN113326752A (zh) | 一种基于无人机的光伏电站识别方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200515 |
|
| RJ01 | Rejection of invention patent application after publication |