CN111860404A - 一种光伏板热斑定位方法及系统 - Google Patents

一种光伏板热斑定位方法及系统 Download PDF

Info

Publication number
CN111860404A
CN111860404A CN202010740350.7A CN202010740350A CN111860404A CN 111860404 A CN111860404 A CN 111860404A CN 202010740350 A CN202010740350 A CN 202010740350A CN 111860404 A CN111860404 A CN 111860404A
Authority
CN
China
Prior art keywords
image
photovoltaic panel
infrared image
hot spot
infrared
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
Application number
CN202010740350.7A
Other languages
English (en)
Inventor
张聪聪
王立文
李端平
张琪
陈睿之
岳阳
时凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Resource Power Technology Research Institute
Original Assignee
Huarun Wisdom Energy Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huarun Wisdom Energy Co ltd filed Critical Huarun Wisdom Energy Co ltd
Priority to CN202010740350.7A priority Critical patent/CN111860404A/zh
Publication of CN111860404A publication Critical patent/CN111860404A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Water Supply & Treatment (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种光伏板热斑定位方法及系统，包括采集光伏板的灰度图像和红外图像；对灰度图像和红外图像处理，获取单个光伏板红外图像；对光伏板红外图像进行处理，判断光伏板的各个网格红外图像是否包含热斑；根据图像拍摄时的参数及光伏场站设计参数，获得包含热斑的光伏板对应的经纬度。本申请公开的光伏板热斑定位方法，对光伏板进行图像拍摄，基于灰度图像提取光伏板边界，从红外图像中分割出单个光伏板的红外图像，根据拍摄的角度数据对光伏板的红外图像进行校正，解决单一红外图像无法准确获取单个光伏板红外图像的弊端，提高热斑定位的准确性和可靠性。

Description

一种光伏板热斑定位方法及系统
技术领域
本发明涉及光伏产业技术领域，特别涉及一种光伏板热斑定位方法及系统。
背景技术
随着全球能源危机的日益凸显，火力发电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。在这种趋势下，基于太阳能的光伏产业迅猛发展，然而太阳能光伏发电站在运作的过程中，会因为各种原因使电池板上出现遮挡，从而导致照射在发电组件上的阳光强度不一致，在此过程中，因温度过高而出现的热斑效应会极大地增加发电成本，甚至严重影响到光伏电站的正常发电工作。
目前，针对发电组件热斑效应的检测方法研究大致可分为两种：一种是基于太阳能电池片电气特性，即通过对发电组件的输出电压、输出电流、输出功率等进行监控的检测方法，基于电气特性监控的检测方法，在技术实现上主要是基于部署在光伏电站内的传感器，通过实时采集传感器的数据进行检测，但是由于所需部署的传感器数量和光伏电站规模呈正比，同时由于传感器部署难度和成本较高，因此该方法无法进行大规模推广；另外一种是基于发电组件图像分析的检测方法，基于图像分析的检测方法，主要是通过分析光伏板在不同工作状态下的温度分布热成像，利用机器学习或图像处理方法实现热斑检测，该方法是一种非侵入式的热斑检测方法，不容易受到电厂所在环境的影响，节省了大量用于部署传感器及电路的资金，但是一般情况下，光伏电站建设在远离市区的荒野、建筑物顶部，占地面积大，由成千上万块光伏板构成，人工采集光伏电站的红外图像在可操作性、安全性、效率及检测周期上不具备大规模推广的可能，同时，也没有考虑到因相机拍摄角度和方位对图像产生的畸变影响，信息利用不够充分，导致检测不准确。
因此，如何解决光伏板热斑效应检测不准确、可靠度不高的缺点，是本领域技术人员亟待解决的技术问题。
发明内容
本发明的目的是提供一种光伏板热斑定位方法，
为解决上述技术问题，本发明提供一种光伏板热斑定位方法，包括：
采集光伏板的灰度图像和红外图像；
对所述灰度图像和所述红外图像处理，获取单个光伏板的红外图像；
对所述单个光伏板红外图像进行网格化处理，对网格红外图像进行识别，，判断所述单个光伏板网格的红外图像是否包含热斑；
将包含热斑的所述单个光伏板网格的红外图像对应的拍摄时的参数及光伏场站设计参数进行计算，获得包含热斑的光伏板对应的经纬度。
优选地，所述对所述灰度图像和所述红外图像处理，获取单个光伏板红外图像的过程包括：
对所述灰度图像进行边缘检测并处理获得光伏板边缘；
对所述光伏板红外图像，利用所述光伏板边缘进行图像分割获取各个光伏板的红外图像；
对所述光伏板红外图像进行仿射变换获得矫正的单个光伏板红外图像。
优选地，所述对所述灰度图像进行边缘检测并处理获得光伏板边缘的过程为：
对所述灰度图像进行处理剔除所述灰度图像中的高频噪声获得图像；
对所述图像进行卷积计算获得梯度图；
应用非极大值抑制对所述灰度图像处理；
应用双阈值检测所述灰度图像的真实的和潜在的边缘，并完成边缘检测获得光伏板边缘。
优选地，所述对所述灰度图像进行处理剔除所述灰度图像中的高频噪声获得图像为：通过高斯滤波器对所述灰度图像进行处理剔除所述灰度图像中的高频噪声得到图像。
优选地，所述对所述图像进行卷积计算获得梯度图为：通过分别对所述图像进行卷积获得水平方向梯度和垂直方向梯度，并对所述水平方向梯度和所述垂直方向梯度计算获得梯度图。
优选地，所述采集光伏阵列的灰度图像和红外图像的还包括：
采集图像时间、拍摄高度、拍摄经度、拍摄纬度、拍摄方位角及拍摄下倾角。
本发明所提供的光伏板热斑定位方法，包括：采集光伏阵列的灰度图像和红外图像；对灰度图像和红外图像处理，获取单个光伏板红外图像；对单个光伏板红外图像进行网格化处理，对网格红外图像进行识别，判断单个光伏阵列板网格的红外图像对应的坐标位置是否包含热斑；；将包含热斑的所述单个光伏板网格的红外图像对应的拍摄时的参数及光伏场站设计参数进行计算，获得包含热斑的光伏板对应的经纬度。本申请公开的光伏板热斑定位方法，通过无人机携带摄像头，对光伏板进行图像拍摄，基于灰度图像提取光伏板边界，从红外图像中分割出单个光伏板的红外图像，再根据陀螺仪采集到角度数据对光伏板的红外图像进行校正剔除几何畸变影响，解决了基于单一红外图像无法准确获取单个光伏板红外图像的弊端，规避了天气、气温等因素的影响，提高了热斑定位的准确性和可靠性。
本申请还公开了一种光伏板热斑定位系统，包括无人机和设置于无人机下方的热斑定位装置，热斑定位装置包括定位仪、通讯器、陀螺仪、红外摄像头、灰度摄像头和热斑识别模块，热斑识别模块用于获取包含热斑的光伏板位置信息，通过本系统利用上述方法，提高了光伏组件热斑定位准确度，提高了定位可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明所提供的一种光伏板热斑定位方法的流程示意图；
图2为本发明所提供的另一种光伏板热斑定位方法的流程示意图；
图3为本发明所提供的一种具体实施方式的整体结构示意图；
图4为图3所示的热斑定位装置结构示意图。
其中，图3-图4中：
无人机—1，热斑定位装置—2，定位仪—201，通讯器—202，陀螺仪—203，红外摄像头—204，灰度摄像头—205，热斑识别模块—206。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参考图1，图1为本发明所提供的一种具体实施方式的整体结构示意图。
在本发明所提供的一种具体实施方式中，本申请公开的光伏板热斑定位方法，包括：
步骤1：采集光伏板的灰度图像和红外图像；
具体过程为：操作员控制搭载有热斑定位装置2的无人机1升至光伏场站上空，通过实时回传的图像调整无人机1的飞行高度和摄像头拍摄角度，直至有完整的光伏板处于摄像头的拍摄范围内，使无人机1稳定，通过灰度摄像头205采集光伏场站的灰度图像Ii，通过红外摄像头204采集光伏场站的红外图像Ri。
步骤2：对灰度图像和红外图像处理，获取单个光伏板红外图像；
当处理器接收到步骤1采集的光伏场站的灰度图像Ii、红外图像Ri后，利用图像处理技术，获得完整的单个光伏板红外图像
Figure BDA0002606518520000041
步骤3：对单个光伏板红外图像进行网格化处理，对网格红外图像进行识别，判断单个光伏板网格的红外图像对应的坐标位置是否包含热斑；
光伏面板表面多呈网格状，可据此将对应光伏板的红外图像进行网格化切分，得到单个网格对应的红外图像。以光伏板红外图像
Figure BDA0002606518520000042
为例，网格化后得到的单个网格红外图像
Figure BDA0002606518520000043
Figure BDA0002606518520000044
为时刻ti才加到的图像中第j块光伏板中坐标(p,q)网格对应的红外图像，即对此进行热斑识别。
步骤4：将包含热斑的单个光伏板网格的红外图像对应的拍摄时的参数及光伏场站设计参数进行计算，获得包含热斑的光伏板对应的经纬度。
通过对光伏板网格对应的红外图像进行人工打标，标注是否为含有热斑，选取部分有热斑的网格红外图像和无热斑网格红外图像作为一个样本集。若样本集样本量不够，可对已标注的样本网格红外图像采取旋转、畸变、加噪声等样本增强方法扩充样本量。样本集构造完成后，可基于HOG、LBP、Harr特征使用机器学习中的分类算法如SVM、GMM、GBDT等分类算法训练模型，或者使用深度学习中CNN及其改进型算法训练模型，得到的热斑识别模型记为f(x)；在机器学习模型中x为网格红外图像的特征，x在深度学习模型中则为网格红外图像像素。
对在步骤3中得到的
Figure BDA0002606518520000051
进行判别，经热斑识别模型f(x)判别后，若
Figure BDA0002606518520000052
被模型判别为包含热斑，计算出该光伏板的经纬度，最后将光伏板经纬度以及该光伏板上含有热斑网格的坐标发送给操作员，完成光伏板热斑定位。
请参考图2，
为了优化上述实施例当中光伏板热斑定位方法可以检测到更加准确、可靠的热斑定位效果，步骤2中，对灰度图像和红外图像处理，获取单个光伏板红外图像的过程包括：
步骤201：对灰度图像进行边缘检测并处理获得二值图像；
具体为：由于光伏阵列及构成整列的光伏板一般为矩形，可选用Hough变换对光伏阵列的边缘进行检测，在实行Hough变换前需要使用Canny边缘检测器对灰度图像处理得到一个二值图像BWi；
步骤202：对红外图像进行像分割获取光伏板红外图像；
由于灰度摄像头205和红外摄像头204在拍摄时所处高度、经纬度、方位角、下倾角、可拍摄范围相同，时刻ti所采集到的灰度图像Ii和红外图像Ri具有相同的分辨率，以光伏板边缘集合
Figure BDA0002606518520000053
的每一元素在像BW′i中的坐标在Ri以相同位置构建光伏板的边界提取出光伏阵列红外图像
Figure BDA0002606518520000054
步骤203：对光伏板红外图像进行仿射变换获得矫正的单个光伏板红外图像。
由于无人机高空采集光伏阵列灰度图像Ii和红外图像Ri时因所处高度及拍摄角度原因会造成所采集到的图像有一定程度的几何畸变，在正式定位热斑前需要对光伏板的红外图像Ri进行仿射变换予以矫正。
以光伏阵列红外图像
Figure BDA0002606518520000055
为例，其四个顶点按左下、右下、左上、右上分别为
Figure BDA0002606518520000056
Figure BDA0002606518520000057
设矫正后的图像分辨率为m×n，四个顶点分别为(0,0)、(m,0)、(0,n)、(m,n)，选取原始红外图像和矫正后图像的三个顶点坐标联立方程组：
Figure BDA0002606518520000061
求解后得到仿射变换矩阵
Figure BDA0002606518520000062
令(x,y)为光伏板红外图像
Figure BDA0002606518520000063
中的一个像素的坐标，(x′,y′)为该像素经仿射变换后该点在矫正红外图像
Figure BDA0002606518520000064
中的对应像素点的坐标，则(x′,y′)的计算方式如下：
Figure BDA0002606518520000065
根据上述方式将光伏板红外图像集合
Figure BDA0002606518520000066
中的每一个图像都进行仿射变换得到分辨率都为m×n的矫正红外图像
Figure BDA0002606518520000067
基于上述步骤201中获取二值图像的过程，对灰度图像进行边缘检测并处理获得二值图像的过程为：
对灰度图像进行处理剔除灰度图像中的高频噪声获得图像；即通过构造一个滤波器，对Ii进行处理剔除灰度图像中的高频噪声得到图像I′i。
对图像进行卷积计算获得梯度图；即分别对I′i进行卷积得到水平方向梯度
Figure BDA0002606518520000068
和垂直方向梯度
Figure BDA0002606518520000069
并计算出梯度图Gi。
应用非极大值抑制对灰度图像处理；即应用非极大值抑制，以消除边缘检测带来的杂散响应。
应用双阈值检测灰度图像的真实的和潜在的边缘，并完成边缘检测获得二值图像；即应用双阈值(Double-Threshold)检测来确定真实的和潜在的边缘，抑制孤立的弱边缘最终完成边缘检测得到二值图像BWi。
单排光伏阵列一般由数个光伏板组成，光伏板中的小方格边缘在经过Canny边缘检测后在BWi中形成一些不必要弱边缘，针对这些弱边缘可通过构造一个形态学算子对BWi进行开运算得到一个新的二值图像BW′i。
在二值图像BW′i上执行Hough变换，提取出各个光伏板的边缘
Figure BDA00026065185200000610
Figure BDA00026065185200000611
记录算出每个光伏板矩形边缘的四个顶点集
Figure BDA00026065185200000612
Figure BDA00026065185200000613
其中
Figure BDA00026065185200000614
为
Figure BDA00026065185200000615
的四个顶点。
需要说明的是，对灰度图像进行处理剔除灰度图像中的高频噪声获得图像为：通过高斯滤波器对灰度图像进行处理剔除灰度图像中的高频噪声得到图像。
具体方法为：通过构造一个核为k的高斯滤波器，对Ii进行处理剔除灰度图像中的高频噪声得到图像I′i。
需要说明的是，对图像进行卷积计算获得梯度图为：通过分别对图像进行卷积获得水平方向梯度和垂直方向梯度，并对水平方向梯度和垂直方向梯度计算获得梯度图。
具体方法为：通过构造Sobel算子
Figure BDA0002606518520000071
和
Figure BDA0002606518520000072
分别对I′i进行卷积得到水平方向梯度
Figure BDA0002606518520000073
和垂直方向梯度
Figure BDA0002606518520000074
并计算出梯度图Gi。具体公式为：
Figure BDA0002606518520000075
最后，还需要说明的是，步骤1中，采集光伏板的灰度图像和红外图像的还包括：
采集图像时间、拍摄高度、拍摄经度、拍摄纬度、拍摄方位角及拍摄下倾角。
图像时间ti、拍摄高度hi、拍摄经度lngi、拍摄纬度lati、拍摄方位角azimuthi、拍摄下倾角downtilti，可以为识别模型f(x)提供识别参数，保证模型识别的准确度、可靠度。
请参考图3和图4，图3为本发明所提供的一种具体实施方式的整体结构示意图；图4为图3所示的热斑定位装置结构示意图。
本申请还公开了一种光伏板热斑定位系统，包括无人机1和设置于无人机1下方的热斑定位装置2，热斑定位装置2包括定位仪201、通讯器202、陀螺仪203、红外摄像头204、灰度摄像头205和热斑识别模块206，热斑识别模块206用于获取包含热斑的光伏板位置信息。
在具体的检测定位过程当中，操作员控制搭载有热斑定位装置2的无人机1升至光伏场站上空，通过实时回传的图像调整无人机1的飞行高度和摄像头拍摄角度，直至有完整的光伏阵列处于摄像头的拍摄范围内，使无人机1稳定，通过灰度摄像头205采集光伏场站的灰度图像Ii，通过红外摄像头204采集光伏场站的红外图像Ri，通过定位仪201检测光伏阵列的拍摄经度lngi、拍摄纬度lati，并通过陀螺仪203检测光伏阵列的拍摄方位角azimuthi、拍摄下倾角downtilti，同时记录拍摄的图像时间ti、拍摄高度hi，通过通讯器202将上述信息传送回处理器，处理器对处理后的光伏板网格红外图像进行识别，经热斑识别模型f(x)判别后，若
Figure BDA0002606518520000081
被模型判别为包含热斑，计算出该光伏板的经纬度，最后将光伏板经纬度以及该光伏板上含有热斑网格的坐标发送给操作员，完成光伏板热斑定位。
综上所述，本实施例所提供的光伏板热斑定位方法主要包括：采集光伏阵列的灰度图像和红外图像；对灰度图像和红外图像处理，获取单个光伏板红外图像；对单个光伏板红外图像进行识别，判断单个光伏板红外图像对应的坐标位置是否包含热斑；将包含热斑的单个光伏板红外图像对应的坐标和采集光伏场站的参数进行计算，获得包含热斑的光伏板对应的经纬度。本申请公开的光伏板热斑定位方法，通过无人机携带摄像头，对光伏板进行图像拍摄，基于灰度图像提取光伏板边界，从红外图像中分割出单个光伏板的红外图像，再根据陀螺仪采集到角度数据对光伏板的红外图像进行校正剔除几何畸变影响，解决了基于单一红外图像无法准确获取单个光伏板红外图像的弊端，规避了天气、气温等因素的影响，提高了热斑定位的准确性和可靠性。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种光伏板热斑定位方法，其特征在于，包括：
采集光伏板的灰度图像和红外图像；
对所述灰度图像和所述红外图像处理，获取单个光伏板红外图像；
对所述单个光伏板红外图像进行网格化处理，对网格红外图像进行识别，判断所述单个光伏板网格的红外图像是否包含热斑；
将包含热斑的所述单个光伏板网格的红外图像对应的拍摄时的参数及光伏场站设计参数进行计算，获得包含热斑的光伏板对应的经纬度。
2.根据权利要求1所述的光伏板热斑定位方法，其特征在于，所述对所述灰度图像和所述红外图像处理，获取单个光伏板红外图像的过程包括：
对所述灰度图像进行边缘检测并处理获得各个光伏板边缘；
对所述光伏板红外图像，利用所述光伏板边缘进行图像分割获取各个光伏板的红外图像；
对所述光伏板红外图像进行仿射变换获得矫正的单个光伏板红外图像。
3.根据权利要求2所述的光伏板热斑定位方法，其特征在于，所述对所述灰度图像进行边缘检测并处理获得各个光伏板边缘的过程为：
对所述灰度图像进行处理剔除所述灰度图像中的高频噪声获得图像；
对所述图像进行卷积计算获得梯度图；
应用非极大值抑制对所述灰度图像处理；
应用双阈值检测所述灰度图像的真实的和潜在的边缘，并完成边缘检测获得光伏板边缘。
4.根据权利要求3所述的光伏板热斑定位方法，其特征在于，所述对所述灰度图像进行处理剔除所述灰度图像中的高频噪声获得图像为：通过高斯滤波器对所述灰度图像进行处理剔除所述灰度图像中的高频噪声得到图像。
5.根据权利要求4所述的光伏板热斑定位方法，其特征在于，所述对所述图像进行卷积计算获得梯度图为：通过分别对所述图像进行卷积获得水平方向梯度和垂直方向梯度，并对所述水平方向梯度和所述垂直方向梯度计算获得梯度图。
6.根据权利要求1所述的光伏板热斑定位方法，其特征在于，所述采集光伏板的灰度图像和红外图像还包括：
采集图像时间、拍摄高度、拍摄经度、拍摄纬度、拍摄方位角及拍摄下倾角。
7.一种光伏板热斑定位系统，其特征在于，包括无人机(1)和设置于所述无人机(1)下方的热斑定位装置(2)，所述热斑定位装置(2)包括定位仪(201)、通讯器(202)、陀螺仪(203)、红外摄像头(204)、灰度摄像头(205)和热斑识别模块(206)，所述热斑识别模块(206)用于获取包含热斑的光伏板位置信息。
CN202010740350.7A 2020-07-28 2020-07-28 一种光伏板热斑定位方法及系统 Pending CN111860404A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010740350.7A CN111860404A (zh) 2020-07-28 2020-07-28 一种光伏板热斑定位方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010740350.7A CN111860404A (zh) 2020-07-28 2020-07-28 一种光伏板热斑定位方法及系统

Publications (1)

Publication Number Publication Date
CN111860404A true CN111860404A (zh) 2020-10-30

Family

ID=72948758

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010740350.7A Pending CN111860404A (zh) 2020-07-28 2020-07-28 一种光伏板热斑定位方法及系统

Country Status (1)

Country Link
CN (1) CN111860404A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112819988A (zh) * 2020-12-25 2021-05-18 朗坤智慧科技股份有限公司 基于5g的无人机电站智能巡检方法、系统和网络侧服务端
CN113155288A (zh) * 2020-11-30 2021-07-23 齐鲁工业大学 一种光伏电池热斑的图像识别方法
CN113989259A (zh) * 2021-11-09 2022-01-28 浙江浙能嘉华发电有限公司 一种基于无人机红外图像畸变校正的光伏板热斑检测方法
CN114022482A (zh) * 2022-01-07 2022-02-08 浙江正泰智维能源服务有限公司 光伏板点状热斑检测方法、装置、设备及可读存储介质
CN115994908A (zh) * 2023-03-23 2023-04-21 北京四象爱数科技有限公司 一种光伏板热斑检测方法、设备及介质
CN116797603A (zh) * 2023-08-25 2023-09-22 江苏惠汕新能源集团有限公司 一种光伏阵列故障诊断及定位方法
WO2024055548A1 (zh) * 2022-09-16 2024-03-21 广东邦普循环科技有限公司 动力电池梯度利用筛选方法、装置、设备及存储介质
CN118378543A (zh) * 2024-06-24 2024-07-23 山东国华时代投资发展有限公司 一种新能源场站运行故障智能演化分析方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107483014A (zh) * 2017-06-16 2017-12-15 理光软件研究所（北京）有限公司 一种光伏板故障自动检测方法
CN108370233A (zh) * 2017-08-30 2018-08-03 深圳市大疆创新科技有限公司 检测光伏板的方法、设备及无人机
CN109146895A (zh) * 2018-08-10 2019-01-04 安徽大学 一种颜色不均匀情况下太阳能板红外图像的有效分割方法
CN109377469A (zh) * 2018-11-07 2019-02-22 永州市诺方舟电子科技有限公司 一种热成像融合可见光图像的处理方法、系统及存储介质
CN110261436A (zh) * 2019-06-13 2019-09-20 暨南大学 基于红外热成像和计算机视觉的轨道故障检测方法及系统
CN110909617A (zh) * 2019-10-28 2020-03-24 广州多益网络股份有限公司 基于双目视觉的活体人脸检测方法及装置
CN111275759A (zh) * 2020-01-16 2020-06-12 国网江苏省电力有限公司 基于无人机双光影像融合的变电站刀闸温度检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107483014A (zh) * 2017-06-16 2017-12-15 理光软件研究所（北京）有限公司 一种光伏板故障自动检测方法
CN108370233A (zh) * 2017-08-30 2018-08-03 深圳市大疆创新科技有限公司 检测光伏板的方法、设备及无人机
CN109146895A (zh) * 2018-08-10 2019-01-04 安徽大学 一种颜色不均匀情况下太阳能板红外图像的有效分割方法
CN109377469A (zh) * 2018-11-07 2019-02-22 永州市诺方舟电子科技有限公司 一种热成像融合可见光图像的处理方法、系统及存储介质
CN110261436A (zh) * 2019-06-13 2019-09-20 暨南大学 基于红外热成像和计算机视觉的轨道故障检测方法及系统
CN110909617A (zh) * 2019-10-28 2020-03-24 广州多益网络股份有限公司 基于双目视觉的活体人脸检测方法及装置
CN111275759A (zh) * 2020-01-16 2020-06-12 国网江苏省电力有限公司 基于无人机双光影像融合的变电站刀闸温度检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
朱秀昌 等著: "《数字图像处理与图像通信》", vol. 2008, 31 July 2008, 北京邮电大学出版社, pages: 210 - 216 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113155288A (zh) * 2020-11-30 2021-07-23 齐鲁工业大学 一种光伏电池热斑的图像识别方法
CN112819988A (zh) * 2020-12-25 2021-05-18 朗坤智慧科技股份有限公司 基于5g的无人机电站智能巡检方法、系统和网络侧服务端
CN113989259A (zh) * 2021-11-09 2022-01-28 浙江浙能嘉华发电有限公司 一种基于无人机红外图像畸变校正的光伏板热斑检测方法
CN114022482A (zh) * 2022-01-07 2022-02-08 浙江正泰智维能源服务有限公司 光伏板点状热斑检测方法、装置、设备及可读存储介质
WO2024055548A1 (zh) * 2022-09-16 2024-03-21 广东邦普循环科技有限公司 动力电池梯度利用筛选方法、装置、设备及存储介质
CN115994908A (zh) * 2023-03-23 2023-04-21 北京四象爱数科技有限公司 一种光伏板热斑检测方法、设备及介质
CN116797603A (zh) * 2023-08-25 2023-09-22 江苏惠汕新能源集团有限公司 一种光伏阵列故障诊断及定位方法
CN116797603B (zh) * 2023-08-25 2023-10-24 江苏惠汕新能源集团有限公司 一种光伏阵列故障诊断及定位方法
CN118378543A (zh) * 2024-06-24 2024-07-23 山东国华时代投资发展有限公司 一种新能源场站运行故障智能演化分析方法及系统
CN118378543B (zh) * 2024-06-24 2024-08-30 山东国华时代投资发展有限公司 一种新能源场站运行故障智能演化分析方法及系统

Similar Documents

Publication Publication Date Title
CN111860404A (zh) 一种光伏板热斑定位方法及系统
Dotenco et al. Automatic detection and analysis of photovoltaic modules in aerial infrared imagery
CN105373135B (zh) 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统
CN106548182B (zh) 基于深度学习和主成因分析的路面裂纹检测方法及装置
WO2018028103A1 (zh) 一种基于人眼视觉特性的电力线路无人机巡检方法
CN107729907A (zh) 一种基于红外热成像系统的故障识别方法
CN110889327B (zh) 一种基于热红外图像的水域周边排污口智能检测方法
CN111740699A (zh) 一种光伏板故障检测识别方法、装置和无人机
CN101533466B (zh) 一种眼睛定位图像处理方法
CN111598098A (zh) 一种基于全卷积神经网络的水尺水位线检测及有效性识别方法
CN109146832A (zh) 一种视频图像的拼接方法、装置、终端设备及存储介质
CN114973032A (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
Zhang et al. Aerial image analysis based on improved adaptive clustering for photovoltaic module inspection
CN114820485A (zh) 一种基于机载图像测量波浪爬高的方法
CN105447431B (zh) 一种基于机器视觉的入坞飞机跟踪定位方法及系统
CN113705564B (zh) 一种指针式仪表识别读数方法
CN101286236A (zh) 基于多特征图像和均值漂移的红外目标跟踪方法
Rodriguez et al. Segmentation and error detection of PV modules
CN110826364B (zh) 一种库位识别方法及装置
Li et al. Hybrid cloud detection algorithm based on intelligent scene recognition
CN114266947A (zh) 一种基于激光点云和可见光图像融合的分类方法及装置
CN117456371A (zh) 一种组串热斑检测方法、装置、设备及介质
US10373321B2 (en) Sun position tracking method based on black sun effect of image sensor, computer program stored in medium, and solar sensor using the same
Richardson et al. Machine learning versus ray-tracing to forecast irradiance for an edge-computing SkyImager
Kumar Solar potential analysis of rooftops using satellite imagery

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240408

Address after: Room 407, Building 7, No. 6 Libin Road, Songshanhu Park, Dongguan City, Guangdong Province, 523808

Applicant after: CR POWER TECHNOLOGY INSTITUTE Co.,Ltd.

Country or region after: China

Address before: 518001 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.)

Applicant before: HUARUN WISDOM ENERGY Co.,Ltd.

Country or region before: China