CN112101334B - 待清洁区域确定方法和装置以及灰尘清理装置 - Google Patents

待清洁区域确定方法和装置以及灰尘清理装置 Download PDF

Info

Publication number
CN112101334B
CN112101334B CN201910525164.9A CN201910525164A CN112101334B CN 112101334 B CN112101334 B CN 112101334B CN 201910525164 A CN201910525164 A CN 201910525164A CN 112101334 B CN112101334 B CN 112101334B
Authority
CN
China
Prior art keywords
determining
dust
pixel
area
cleaned
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.)
Active
Application number
CN201910525164.9A
Other languages
English (en)
Other versions
CN112101334A (zh
Inventor
许景涛
索健文
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.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group 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 BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201910525164.9A priority Critical patent/CN112101334B/zh
Priority to PCT/CN2020/096579 priority patent/WO2020253724A1/zh
Priority to US17/288,778 priority patent/US12035858B2/en
Publication of CN112101334A publication Critical patent/CN112101334A/zh
Application granted granted Critical
Publication of CN112101334B publication Critical patent/CN112101334B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A47L11/4061—Steering means; Means for avoiding obstacles; Details related to the place where the driver is accommodated
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A47L11/4011—Regulation of the cleaning machine by electric means; Control systems and remote control systems therefor
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
    • A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
    • A47L9/2805—Parameters or conditions being sensed
    • A47L9/2826—Parameters or conditions being sensed the condition of the floor
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
    • A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
    • A47L9/2836—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means characterised by the parts which are controlled
    • A47L9/2852—Elements for displacement of the vacuum cleaner or the accessories therefor, e.g. wheels, casters or nozzles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • 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
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
    • A47L2201/04—Automatic control of the travelling movement; Automatic obstacle detection
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
    • A47L2201/06—Control of the cleaning action for autonomous devices; Automatic detection of the surface condition before, during or after cleaning
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Mechanical Engineering (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本公开提出一种待清洁区域确定方法，包括：在光伏面板的初始图像中确定属于电池片之间间隙的间隙区域；将所述初始图像中处于所述间隙区域内像素的像素值赋值为第一预设值，以得到第一赋值图像，其中，所述第一预设值为所述电池片在所述初始图像中对应像素的像素值；在所述第一赋值图像中确定存在灰尘的待清洁区域。根据本公开的实施例，避免了误将间隙区域确定为待清洁区域，提高了确定待清洁区域的准确度。

Description

待清洁区域确定方法和装置以及灰尘清理装置
技术领域
本公开涉及光伏面板技术领域，尤其涉及待清洁区域确定方法、待清洁区域确定装置和灰尘清理装置。
背景技术
由于光伏面板长期暴露在露天环境下，难免会有灰尘落在光伏面板表面，对光线照射进光伏面板造成遮挡，从而影响光伏面板的发电效率，因此，需要对光伏面板表面的灰尘进行清理。
为了自动清理光伏面板表面的灰尘，需要在采集到的光伏面板的图像中识别光伏面板表面存在灰尘的区域。
发明内容
本公开提供待清洁区域确定方法、待清洁区域确定装置和灰尘清理装置，以解决相关技术中容易在识别光伏面板表面存在灰尘的区域时，容易误将电池片之间的间隙识别为灰尘的问题。
根据本公开实施例的第一方面，提出一种待清洁区域确定方法，包括：
在光伏面板的初始图像中确定属于电池片之间间隙的间隙区域，其中，所述光伏面板包括多块所述电池片；
将所述初始图像中处于所述间隙区域内像素的像素值赋值为第一预设值，以得到第一赋值图像，其中，所述第一预设值为所述电池片在所述初始图像中对应像素的像素值；
在所述第一赋值图像中确定存在灰尘的待清洁区域。
可选地，所述在所述第一赋值图像中确定存在灰尘的待清洁区域包括：
根据所述第一赋值图像中像素的像素值，确定所述第一赋值图像中像素的特征值；
将所述特征值输入预设分类模型中，以确定所述初始图像中是否存在灰尘；
若所述初始图像中存在灰尘，根据相连通的对应灰尘的灰尘像素，确定所述待清洁区域。
可选地，所述将所述特征值输入预设分类模型中，以确定所述初始图像中是否存在灰尘包括：
将所述第一赋值图像划分为多个子区域；
根据每个所述子区域中像素的特征值的直方图，确定纹理特征向量；
将所述纹理特征向量输入预设分类模型中，以确定所述初始图像中是否存在灰尘。
可选地，所述根据相连通的对应灰尘的灰尘像素，确定所述待清洁区域包括：
在所述初始图像的像素中，确定纹理特征向量的值处于预设范围内的像素为对应灰尘的灰尘像素；
将所述灰尘像素的像素值赋值为第二预设值，以得到第二赋值图像；
在所述第二赋值图像中确定像素值等于所述第二预设值的像素构成的连通区域。
可选地，所述根据相连通的对应灰尘的灰尘像素，确定所述待清洁区域还包括：
确定全部所述连通区域的外接矩形为所述待清洁区域。
可选地，所述根据相连通的对应灰尘的灰尘像素，确定所述待清洁区域还包括：
确定每个连通区域的子外接矩形；
确定全部所述子外接矩形的外接矩形为所述待清洁区域。
可选地，所述特征值包括局部二值模式值。
可选地，在光伏面板的初始图像中确定属于电池片之间间隙的间隙区域包括：
将所述初始图像分离为多个颜色通道的图像；
确定每个所述颜色通道图像中相同位置像素的像素值是否均大于第三预设值；
若每个所述颜色通道图像中相同位置像素的像素值均大于第三预设值，确定所述初始图像中所述位置的像素为间隙像素；
根据所述初始图形中的所有间隙像素确定间隙区域。
根据本公开实施例的第二方面，提出一种待清洁区域确定装置，包括处理器，所述处理器被配置为实现上述任一实施例所述待清洁区域确定方法中的步骤。
根据本公开实施例的第三方面，提出一种灰尘清理设备，包括上述实施例所述的待清洁区域确定装置。
根据上述实施例可知，通过将初始图像中处于间隙区域内像素的像素值赋值为第一预设值，可以使得得到的第一赋值图像中间隙区域内像素的像素值，等于电池片在初始图像中对应像素的像素值，也即在第一赋值图像中，间隙区域内像素的像素值，与电池片对应像素的像素值相同。
由于在第一赋值图像中，间隙区域内像素的像素值，与电池片对应像素的像素值相同，因此在第一赋值图像中，间隙区域内像素的像素值与待清洁区域内像素的像素值相差较大，从而在第一赋值图像中确定存在灰尘的待清洁区域时，针对间隙区域内的像素，可以将其确定为属于电池片的像素，而不会确定为属于待清洁区域的像素。从而避免了误将间隙区域确定为待清洁区域，提高了确定待清洁区域的准确度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据本公开的实施例示出的一种待清洁区域确定方法的示意流程图。
图2是根据本公开的实施例示出的一种在所述第一赋值图像中确定存在灰尘的灰尘区的示意流程图。
图3是根据本公开的实施例示出的一种将所述特征值输入预设分类模型中，以确定所述初始图像中是否存在灰尘的示意流程图。
图4是根据本公开的实施例示出的一种根据相连通的对应灰尘的灰尘像素，确定所述待清洁区域的示意流程图。
图5是根据本公开的实施例示出的另一种根据相连通的对应灰尘的灰尘像素，确定所述待清洁区域的示意流程图。
图6是根据本公开的实施例示出的又一种根据相连通的对应灰尘的灰尘像素，确定所述待清洁区域的示意流程图。
图7是根据本公开的实施例示出的一种在光伏面板的初始图像中确定属于电池片之间间隙的间隙区域的示意流程图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据本公开的实施例示出的一种待清洁区域确定方法的示意流程图。本公开所述的实施例所示的待清洁区域确定方法可以适用于终端，服务器，机器人等设备，所述终端可以包括手机，平板电脑，可穿戴设备等移动终端，所述机器人包括用于清洁光伏面板的机器人。
如图1所示，所述待清洁区域确定方法可以包括以下步骤：
步骤S1，在光伏面板的初始图像中确定属于电池片之间间隙的间隙区域，其中，所述光伏面板包括多块所述电池片；
在一个实施例中，光伏面板可以包括底板(材料例如铝合金等)，在底板上可以设置有多块电池片，相邻的电池片之间相隔一定距离形成间隙，在间隙处可以露出底板。
步骤S2，将所述初始图像中处于所述间隙区域内像素的像素值赋值为第一预设值，以得到第一赋值图像，其中，所述第一预设值为所述电池片在所述初始图像中对应像素的像素值；
步骤S3，在所述第一赋值图像中确定存在灰尘的待清洁区域。
其中，第一预设值可以是预先确定的，例如可以是由人工输入的值，也可以是对初始图像中电池片对应像素的像素值进行加权求和或者求均值得到的，对于第一预设值的确定方式，可以根据需要进行选择，本公开的实施例不做限制。
由于光伏面板中的电池片之间是存在间隙的，而间隙处会露出底板，底板一般是白色的，而灰尘一般是灰白色的，因此间隙处像素的像素值与存在灰尘的灰尘区域的像素值较为接近，从而导致在识别光伏面板表面存在灰尘的区域时，容易误将电池片之间的间隙识别为灰尘。
在一个实施例中，通过将初始图像中处于间隙区域内像素的像素值赋值为第一预设值，可以使得得到的第一赋值图像中间隙区域内像素的像素值，等于电池片在初始图像中对应像素的像素值，也即在第一赋值图像中，间隙区域内像素的像素值，与电池片对应像素的像素值相同。
由于在第一赋值图像中，间隙区域内像素的像素值，与电池片对应像素的像素值相同，因此在第一赋值图像中，间隙区域内像素的像素值与待清洁区域内像素的像素值相差较大，从而在第一赋值图像中确定存在灰尘的待清洁区域时，针对间隙区域内的像素，可以将其确定为属于电池片的像素，而不会确定为属于待清洁区域的像素。从而避免了误将间隙区域确定为待清洁区域，提高了确定待清洁区域的准确度。
其中，在所述待清洁区域确定方法适用于机器人的情况下，所述机器人可以根据可以自动清理待清洁区域。在所述待清洁区域确定方法适用于终端或服务器的情况下，所述终端或服务器可以与机器人进行通信，将确定的待清洁区域告知所述机器人，以使所述机器人可以自动清理待清洁区域。
由于准确地确定了待清洁区域，所述机器人就可以准确地对待清洁区域进行清理，而避免清理待清洁区域以外的区域而造成资源的浪费。
图2是根据本公开的实施例示出的一种在所述第一赋值图像中确定存在灰尘的灰尘区的示意流程图。如图2所示，所述在所述第一赋值图像中确定存在灰尘的待清洁区域包括：
步骤S31，根据所述第一赋值图像中像素的像素值，确定所述第一赋值图像中像素的特征值；
在一个实施例中，所述像素值包括但不限于灰度值，所述特征值包括但不限于局部二值模式(Local Binary Pattern，简称LBP)值。
以局部二值模式值作为特征值为例，对于一个像素而言，以其为中心周围存在8个相邻的像素，可以比较中心的像素和相邻的8个像素的灰度值，若某个相邻像素的灰度值大于中心的像素的灰度值，对这个相邻像素标记1，否则对这个相邻像素标记0，从而针对中心的像素可以得到相关的8位二进制数，这8位二进制数可以作为中心的像素的LBP值，进而根据上述方式，可以求得每个像素的LBP值。
步骤S32，将所述特征值输入预设分类模型中，以确定所述初始图像中是否存在灰尘；
在一个实施例中，可以将得到的特征值输入预设分类模型中，其中，预设分类模型可以预先通过机器学习，深度学习等方式得到，预设分类模型的类型可以根据需要选择，例如支持向量机(Support Vector Machine，简称SVM)。预设分类模型用于根据所述像素的特征值确定初始图像中是否存在灰尘。
步骤S33，若所述初始图像中存在灰尘，根据相连通的对应灰尘的灰尘像素，确定所述待清洁区域。
在一个实施例中，两个灰尘像素相连通，是指两个灰尘像素相邻，具体可以根据第一赋值图像中像素的像素值确定，例如可以将灰尘像素的像素值赋值为第二预设值，以得到第二赋值图像，从而第二赋值图像中灰尘像素的像素值相同，都等于第二预设值，进而可以在第二赋值图像中确定像素值等于第二预设值的像素构成的区域为连通区域。
其中，第二预设值可以为1，进一步还可以赋值未对应灰尘的灰尘像素的值为0，那么得到的第二赋值图像就是二值图像，在二值图像中可以方便地确定像素值等于1的像素构成的连通区域。
在一个实施例中，可以将相连通的灰尘像素作为一块待清洁区域，在初始图像中可以只存在一块待清洁区域，也可以存在多块待清洁区域。其中，若相连通的像素的数量过少，例如少于预设数量，那么可以确定这些相连通的像素并不是待清洁区域，以免因初始图像中存在噪声导致部分零散的像素被误判为灰尘。
图3是根据本公开的实施例示出的一种将所述特征值输入预设分类模型中，以确定所述初始图像中是否存在灰尘的示意流程图。如图3所示，所述将所述特征值输入预设分类模型中，以确定所述初始图像中是否存在灰尘包括：
步骤S321，将所述第一赋值图像划分为多个子区域；
步骤S322，根据每个所述子区域中像素的特征值的直方图，确定纹理特征向量；
步骤S323，将所述纹理特征向量输入预设分类模型中，以确定所述初始图像中是否存在灰尘。
在一个实施例中，可以将第一赋值图像划分为多个子区域，例如划分为16×16个子区域，每个子区域的面积相等，形状相同。
然后针对每个子区域中像素的特征值可以构建直方图，直方图的横轴表示特征值的值，纵轴表示数量，也即直方图表示对每种值的特征值的数量统计。
进而将每个直方图连接到一起，作为纹理特征向量输入到预设分类模型中，根据预设分类模型输出的结果确定初始图像中是否存在灰尘。
据此，输入到预设分类模型的纹理特征向量是根据子区域中像素的特征值的直方图得到的，而子区域的数量少于所有像素的数量，那么由子区域的直方图构成的纹理特征向量的维度也就少于所有像素的数量，从而输入到预设分类模型中进行计算，相对于直接将第一赋值图像中像素的特征值输入到预设分类模型中进行计算，可以减少计算量。
图4是根据本公开的实施例示出的一种根据相连通的对应灰尘的灰尘像素，确定所述待清洁区域的示意流程图。如图4所示，所述根据相连通的对应灰尘的灰尘像素，确定所述待清洁区域包括：
步骤S331，在所述初始图像的像素中，确定纹理特征向量的值处于预设范围内的像素为对应灰尘的灰尘像素；
步骤S332，将所述灰尘像素的像素值赋值为第二预设值，以得到第二赋值图像；
步骤S333，在所述第二赋值图像中确定像素值等于所述第二预设值的像素构成的连通区域。
在一个实施例中，在确定初始图像中存在灰尘的情况下，可以根据纹理特征向量的值确定对应灰尘的灰尘像素，具体地，可以确定纹理特征向量的值处于预设范围内的像素为对应灰尘的灰尘像素，然后将灰尘像素的像素值赋值为第二预设值，以得到第二赋值图像，从而第二赋值图像中灰尘像素的像素值相同，都等于第二预设值，进而可以在第二赋值图像中确定像素值等于第二预设值的像素构成的区域为连通区域。
其中，第二预设值可以为1，进一步还可以赋值未对应灰尘的灰尘像素的值为0，那么得到的第二赋值图像就是二值图像，在二值图像中可以方便地确定像素值等于1的像素构成的连通区域。
图5是根据本公开的实施例示出的另一种根据相连通的对应灰尘的灰尘像素，确定所述待清洁区域的示意流程图。如图5所示，所述根据相连通的对应灰尘的灰尘像素，确定所述待清洁区域还包括：
步骤S334，确定全部所述连通区域的外接矩形为所述待清洁区域。
在一个实施例中，确定连通区域后，确定全部连通区域的外接矩形为待清洁区域，据此，确定的待清洁区域是相连通的一片矩形区域，方便后续机器人在矩形区域内连续地清理灰尘，无须机器人跨越连通区域进行操作。
图6是根据本公开的实施例示出的又一种根据相连通的对应灰尘的灰尘像素，确定所述待清洁区域的示意流程图。如图6所示，所述根据相连通的对应灰尘的灰尘像素，确定所述待清洁区域还包括：
步骤S335，确定每个连通区域的子外接矩形；
步骤S336，确定全部所述子外接矩形的外接矩形为所述待清洁区域。
在一个实施例中，确定连通区域后，可以针对每个连通区域分别确定子外接矩形，进而确定全部子外接矩形的外接矩形为待清洁区域。由于先确定出了子外接矩形，而子外接矩形的边都是规则的，在后续确定全部子外接矩形的外接矩形时，方便在子外接矩形的边中找点作为外接矩形的对角点，无须在所有连通区域不规则的边中找点作为外接矩形的对角点，因此便于确定外接矩形。
例如在每个子外接矩形中，可以确定最靠左的横坐标xleft，最靠右的横坐标xright，最靠上的纵坐标yup，最靠下的纵坐标ydown，然后在所有xleft中确定最小值xleft_min，在所有ydown中确定最小值ydown_min，在所有xright中确定最大值xright_max，在所有yup中确定最大值yup_max，再以(xleft_min,ydown_min)和(xright_max,yup_max)作为对角点确定外接矩形。
可选地，所述特征值包括局部二值模式值。
图7是根据本公开的实施例示出的一种在光伏面板的初始图像中确定属于电池片之间间隙的间隙区域的示意流程图。如图7所示，在光伏面板的初始图像中确定属于电池片之间间隙的间隙区域包括：
步骤S11，将所述初始图像分离为多个颜色通道的图像；
在一个实施例中，颜色通道的数量和种类可以根据需要设置，例如可以设置3种颜色通道，分别为红色通道，绿色通道和蓝色通道。
步骤S12，确定每个所述颜色通道图像中相同位置像素的像素值是否均大于第三预设值；
在一个实施例中，第三预设值可以根据需要进行设置，例如可以选择能够准确区分间隙像素和电池片中像素的值来设定，例如可以设置为165。
步骤S13，若每个所述颜色通道图像中相同位置像素的像素值均大于第三预设值，确定所述初始图像中所述位置的像素为间隙像素；
步骤S14，根据所述初始图形中的所有间隙像素确定间隙区域。
在一个实施例中，根据多个颜色通道的像素值来确定间隙像素，相对于根据像素单一的灰度值确定间隙像素更加准确。
本公开的实施例还提出一种待清洁区域确定装置，包括处理器，所述处理器被配置为实现上述任一实施例所述待清洁区域确定方法中的步骤。
本公开的实施例还提出一种灰尘清理设备，包括上述实施例所述的待清洁区域确定装置。
所述灰尘清理装置可以是机器人，所述机器人可以用于自动清理所述待清洁区域。
在本公开中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。术语“多个”指两个或两个以上，除非另有明确的限定。
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (9)

1.一种待清洁区域确定方法，其特征在于，包括：
在光伏面板的初始图像中确定属于电池片之间间隙的间隙区域，其中，所述光伏面板包括多块所述电池片；
将所述初始图像中处于所述间隙区域内像素的像素值赋值为第一预设值，以得到第一赋值图像，其中，所述第一预设值为所述电池片在所述初始图像中对应像素的像素值；
在所述第一赋值图像中确定存在灰尘的待清洁区域；
其中，所述在所述第一赋值图像中确定存在灰尘的待清洁区域包括：
根据所述第一赋值图像中像素的像素值，确定所述第一赋值图像中像素的特征值；
将所述特征值输入预设分类模型中，以确定所述初始图像中是否存在灰尘；
若所述初始图像中存在灰尘，根据相连通的对应灰尘的灰尘像素，确定所述待清洁区域。
2.根据权利要求1所述的方法，其特征在于，所述将所述特征值输入预设分类模型中，以确定所述初始图像中是否存在灰尘包括：
将所述第一赋值图像划分为多个子区域；
根据每个所述子区域中像素的特征值的直方图，确定纹理特征向量；
将所述纹理特征向量输入预设分类模型中，以确定所述初始图像中是否存在灰尘。
3.根据权利要求2所述的方法，其特征在于，所述根据相连通的对应灰尘的灰尘像素，确定所述待清洁区域包括：
在所述初始图像的像素中，确定纹理特征向量的值处于预设范围内的像素为对应灰尘的灰尘像素；
将所述灰尘像素的像素值赋值为第二预设值，以得到第二赋值图像；
在所述第二赋值图像中确定像素值等于所述第二预设值的像素构成的连通区域。
4.根据权利要求3所述的方法，其特征在于，所述根据相连通的对应灰尘的灰尘像素，确定所述待清洁区域还包括：
确定全部所述连通区域的外接矩形为所述待清洁区域。
5.根据权利要求3所述的方法，其特征在于，所述根据相连通的对应灰尘的灰尘像素，确定所述待清洁区域还包括：
确定每个连通区域的子外接矩形；
确定全部所述子外接矩形的外接矩形为所述待清洁区域。
6.根据权利要求1所述的方法，其特征在于，所述特征值包括局部二值模式值。
7.根据权利要求1至6中任一项所述的方法，其特征在于，在光伏面板的初始图像中确定属于电池片之间间隙的间隙区域包括：
将所述初始图像分离为多个颜色通道的图像；
确定每个所述颜色通道图像中相同位置像素的像素值是否均大于第三预设值；
若每个所述颜色通道图像中相同位置像素的像素值均大于第三预设值，确定所述初始图像中所述位置的像素为间隙像素；
根据所述初始图像中的所有间隙像素确定间隙区域。
8.一种待清洁区域确定装置，其特征在于，包括处理器，所述处理器被配置为实现权利要求1至7中任一项所述待清洁区域确定方法中的步骤。
9.一种灰尘清理设备，其特征在于，包括权利要求8所述的待清洁区域确定装置。
CN201910525164.9A 2019-06-18 2019-06-18 待清洁区域确定方法和装置以及灰尘清理装置 Active CN112101334B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201910525164.9A CN112101334B (zh) 2019-06-18 2019-06-18 待清洁区域确定方法和装置以及灰尘清理装置
PCT/CN2020/096579 WO2020253724A1 (zh) 2019-06-18 2020-06-17 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
US17/288,778 US12035858B2 (en) 2019-06-18 2020-06-17 Method and device for determining region to be cleaned, dust cleaning apparatus, terminal for controlling cleaning robot, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910525164.9A CN112101334B (zh) 2019-06-18 2019-06-18 待清洁区域确定方法和装置以及灰尘清理装置

Publications (2)

Publication Number Publication Date
CN112101334A CN112101334A (zh) 2020-12-18
CN112101334B true CN112101334B (zh) 2024-07-19

Family

ID=73748975

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910525164.9A Active CN112101334B (zh) 2019-06-18 2019-06-18 待清洁区域确定方法和装置以及灰尘清理装置

Country Status (3)

Country Link
US (1) US12035858B2 (zh)
CN (1) CN112101334B (zh)
WO (1) WO2020253724A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115429157A (zh) * 2022-08-29 2022-12-06 广州宝乐软件科技有限公司 清扫范围的确定方法、装置、清洁机器人和存储介质
CN116517793B (zh) * 2023-06-07 2024-02-27 华能新能源股份有限公司山西分公司 一种风电场风机叶片自动清洁方法及系统
CN118365589B (zh) * 2024-03-27 2024-09-27 华能(福建)能源开发有限公司清洁能源分公司 一种光伏场站灰损监测数据处理方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509264A (zh) * 2011-11-01 2012-06-20 武汉大学 一种基于图像分割的扫描图像去灰尘方法
CN104333705A (zh) * 2014-11-28 2015-02-04 广东欧珀移动通信有限公司 一种图像增强方法及装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100289442B1 (ko) * 1997-11-05 2001-06-01 구자홍 화상디바이스 검사를 위한 먼지 구별 장치 및 그 방법
US6233364B1 (en) * 1998-09-18 2001-05-15 Dainippon Screen Engineering Of America Incorporated Method and system for detecting and tagging dust and scratches in a digital image
KR100571834B1 (ko) * 2004-02-27 2006-04-17 삼성전자주식회사 청소 로봇의 바닥 먼지 검출 방법 및 장치
US20110089348A1 (en) 2008-07-14 2011-04-21 Moshe Finarov Method and apparatus for thin film quality control
CN107229932B (zh) 2016-03-25 2021-05-28 阿里巴巴集团控股有限公司 一种图像文本的识别方法和装置
CN106269624B (zh) * 2016-09-21 2019-03-08 苏州瑞得恩光能科技有限公司 太阳能面板清扫机器人
CN106546601B (zh) 2016-10-14 2019-06-07 南京理工大学 基于低秩约束的光伏面板清洁度检测方法
CN106504205A (zh) * 2016-10-20 2017-03-15 凌云光技术集团有限责任公司 一种图像去雾方法及终端
AU2019344106A1 (en) * 2018-09-18 2021-04-15 Aegeus Technologies Private Limited Automated system for cleaning solar panel
CN109829904B (zh) * 2019-01-29 2022-01-14 京东方科技集团股份有限公司 检测屏幕上灰尘的方法、装置、电子设备、可读存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509264A (zh) * 2011-11-01 2012-06-20 武汉大学 一种基于图像分割的扫描图像去灰尘方法
CN104333705A (zh) * 2014-11-28 2015-02-04 广东欧珀移动通信有限公司 一种图像增强方法及装置

Also Published As

Publication number Publication date
CN112101334A (zh) 2020-12-18
WO2020253724A1 (zh) 2020-12-24
US12035858B2 (en) 2024-07-16
US20210406584A1 (en) 2021-12-30

Similar Documents

Publication Publication Date Title
CN112101334B (zh) 待清洁区域确定方法和装置以及灰尘清理装置
US11132788B2 (en) Pattern inspection system
JP4799329B2 (ja) ムラ検査方法、表示パネルの製造方法及びムラ検査装置
JP6615172B2 (ja) Ｏｌｅｄスタック膜の品質査定のためのシステム、デバイス、および方法
JP2001156135A (ja) 欠陥画像の分類方法及びその装置並びにそれを用いた半導体デバイスの製造方法
CN103543394A (zh) 一种高压电气设备放电紫外成像量化参数提取方法
JP2004078912A (ja) デジタルカラー画像において顔を位置付けるための方法
CN110991448A (zh) 电力设备铭牌图像的文本检测方法及装置
US5408537A (en) Mounted connector pin test using image processing
EP3748578A1 (en) Automatic visual detection of defects in images of via holes
JP3490482B2 (ja) エッジ及び輪郭抽出装置
CN117422717B (zh) 一种掩膜板污渍智能定位方法和系统
CN116547704A (zh) 太阳能电池片的图像分类方法及装置
CN111641822A (zh) 一种重定位立体图像质量评价方法
CN113436206B (zh) 一种基于聚类分割的病理组织切片扫描区域定位方法
CN112949666B (zh) 一种剥锌机故障阴极板图像识别方法
CN117057996A (zh) 光伏板图像的处理方法、装置、设备及介质
US20140079311A1 (en) System, method and computer program product for classification
CN116993654B (zh) 摄像头模组缺陷检测方法、装置、设备、存储介质及产品
JP3444160B2 (ja) 動物体検出方法
CN110245441B (zh) 一种组装背光模组的方法、装置及电子设备
CN111226437A (zh) 一种对拍摄装置的拍摄质量评测方法、装置及终端设备
CN215072628U (zh) 一种基于树莓派的农作物表型特征测量装置
KR20150025777A (ko) 다이 영상 분할 방법
CN114745500B (zh) 图像处理方法及输出检测系统

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
GR01 Patent grant
GR01 Patent grant