CN112862777A - 一种光伏电站组件缺陷巡检系统及其缺陷处理方法 - Google Patents
一种光伏电站组件缺陷巡检系统及其缺陷处理方法 Download PDFInfo
- Publication number
- CN112862777A CN112862777A CN202110150355.9A CN202110150355A CN112862777A CN 112862777 A CN112862777 A CN 112862777A CN 202110150355 A CN202110150355 A CN 202110150355A CN 112862777 A CN112862777 A CN 112862777A
- Authority
- CN
- China
- Prior art keywords
- defect
- image
- photovoltaic
- photovoltaic panel
- visible light
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 130
- 238000007689 inspection Methods 0.000 title claims abstract description 58
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 238000013523 data management Methods 0.000 claims abstract description 4
- 238000010586 diagram Methods 0.000 claims description 44
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims 1
- 230000002950 deficient Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012876 topography 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic 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
- G06T2207/10—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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Library & Information Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种光伏电站组件缺陷巡检系统及其缺陷处理方法，包括图像采集模块和数据处理平台，所述图像采集模块用于对光伏站区域均匀布设的控制点进行巡检航拍并获取航测影像，并将航测影像送入数据处理平台，所述数据管理平台用于分析处理所述航测影像，对每一块光伏板阵列进行缺陷检测，获取每块光伏板阵列缺陷位置并输出含有GPS信息的用户报告，并公开了缺陷处理方法，对光伏站区域进行巡检航拍并获取航测影像，对航测影像进行处理并生成带GPS信息的全局电子地图，生成光伏阵列图的缺陷位置数据，并输出含有GPS信息的用户报告。本发明能对影像图像分别进行双光影像处理，获取光伏组件缺陷故障的位置，大大提高了工作效率和巡检工作的质量。
Description
技术领域
本申请属于光伏电站巡检与图像处理技术领域，尤其涉及一种光伏电站组件缺陷巡检系统及其缺陷处理方法。
背景技术
随着现代科学技术的飞速发展，能源的开发和利用备受关注，太阳能已成为人类使用能源的重要组成部分，并不断得到发展，而太阳能光伏电站项目的选址一般都在平原、山坡、工业大型厂房屋顶等无明显阳光遮挡的区域，并且光伏电站具有组件多、占地面积广的特征；各类电站在建设的过程中，尽可能的最大化利用使用面积，导致在后期的运维监测过程中，光伏电站监测工作的体量也越来越大，存在很多不便，常规的人工巡检常常受到地形的影响，无法到达一些区域，从而产生的巡检的盲点，人工巡检的效率不高、覆盖范围较小，不适合大型光伏电站，与此同时，人工巡检监测遇到大型光伏电站的时候，巡检的难度很难达到要求，导致很多的电站故障无法及时发现，也无法检测并精确定位到每一块光伏组件，使检修人员不能快速确定缺陷组件及部位，以此实现对光伏电站检测区域的快速集中巡检。
发明内容
本发明的目的在于提供一种光伏电站组件缺陷巡检系统及其缺陷处理方法，本发明能对采集到光伏板影像图像分别进行双光影像处理，同时了解光伏组件缺陷故障的位置，大大提高了工作效率和巡检工作的质量。为了实现上述目的，本发明采用以下技术效果：
根据本发明的一个方面，提供一种光伏电站组件缺陷巡检系统，包括图像采集模块和数据处理平台，所述图像采集模块用于对光伏站区域均匀布设的控制点进行巡检航拍并获取航测影像，并将航测影像送入数据处理平台，所述数据管理平台用于分析处理所述航测影像，对每一块光伏板阵列进行缺陷检测，获取每块光伏板阵列缺陷位置并输出含有GPS信息的用户报告。
上述方案进一步优选的，所述图像采集模块为无人机打点定位的方式，使用RTK高精度地面定位设备对光伏站区域进行相控航测，并记录下最合适飞行路线和高度。
上述方案进一步优选的，所述数据处理平台包括数据收发模块、数据存储模块、图像处理模块、图像识别模块、数据报告生成模块和报告输出模块；所述数据收发模块用于接收航测影像以及发送航拍巡检控制指令，所述图像处理模块用于获取光伏板的航测影像，并根据控制点的GPS信息对航测影像生成全局电子地图，所述数据存储模块用于存储光伏板的航测影像和全局电子地图，所述图像识别模块用于标定光伏板的全局电子地图，并对标定的全局电子地图进行热斑识别，以及识别出光伏板阵列图的缺陷位置，并获取每个光伏板的光伏阵列图的逻辑位置，所述数据报告生成模块用于根据逻辑位置进行提取和生成光伏板阵列图的缺陷位置数据，所述报告输出模块用于获取生成光伏板板阵列图的缺陷位置数据并输出含有GPS信息的用户报告。
上述方案进一步优选的，所述图像识别模块包括识别获取单元、识别处理单元，缺陷检测单元和缺陷计算单元，所述识别获取单元用于获取光伏板阵列场景巡检的标定图片，对标定图片进行热斑识别并获取标定图片中的红外线图像和可见光图像，所述识别处理单元用于对红外线图像和可见光图像进行畸变矫正，形成红外图像与可见光图像的映射关系，所述缺陷检测单元用于检测每一块光伏板阵列红外图像进行缺陷检测，获取红外图像缺陷，所述缺陷计算单元用于根据红外线图像的缺陷，并对计算出可见光图像的缺陷位置。
根据本发明的另一个方面，提供了一种光伏电站组件缺陷的缺陷处理方法，制定整个光伏站区域确定航测巡检方案，在地面均匀布设控制点，对光伏站区域进行巡检航拍并获取航测影像，对航测影像进行处理并生成带GPS信息的全局电子地图；对全局电子地图上的光伏板阵列进行逻辑位置标定，获取光伏板阵列场景巡检的标定图片；对标定图片进行热斑识别并获取每一块光伏板的光伏板阵列图，获取全局电子地图中光伏板阵列图的逻辑位置，生成光伏阵列图的缺陷位置数据，并输出含有GPS信息的用户报告。
上述方案进一步优选的，对航测影像进行处理主要是对有重叠范围的航测影像以数字计算的方式完成影像关联，识别出至少两幅影像的同名像点，对影像进行匹配；添加加密控制点的影像数据，进行区域网平差，生成三维点云数据和DOM多种数字化图像。
上述方案进一步优选的，对标定图片进行热斑识别包括如下过程：获取标定图片中的红外线图像和可见光图像；根据巡检航拍的标定参数对红外线图像和可见光图像进行畸变矫正，构建红外图像与可见光图像之间具有映射关系的光伏板阵列图；将每块光伏板的光伏板阵列图的红外图像与可见光图像进行匹配，获取可见光中的红外图像，对每一块光伏板阵列图的红外图像进行缺陷检测，获取红外图像的缺陷，根据红外线图像缺陷，对可见光图像的缺陷进行标定，计算可见光图像的缺陷位置，获取出可见光缺陷的逻辑位置。
上述方案进一步优选的，对可见光图像的缺陷进行标定是在可见图像上进行地理坐标、光伏板阵列图的缺陷位置和光伏板阵列图的缺陷部件进行标定，然后提取光伏板阵列图的可见光的缺陷类型、地理坐标和逻辑位置编号，制作出巡检拍摄数据并输出含有GPS信息的用户报告。
上述方案进一步优选的，所述标定图片进行热斑识别是对每个光伏阵列图中的热斑在电子地图中进行全局标定，主要针对每个光伏板建立热斑故障图像，通过不同颜色区分光伏板的不同缺陷类型。
综上所述，由于本发明采用了上述技术方案，本发明具有以下技术效果：
(1)、利用红外影像清晰地呈现热斑故障图像，并精确定位到每一块光伏阵列组件，使检修人员快速确定缺陷组件及部位，以此实现对光伏电站检测区域的快速集中巡检。
(2)、本发明的光伏组件缺陷巡检能够精确地定位缺陷的光伏组件的逻辑位置，对造成缺陷的热斑性质进行判断，从而能够更加地准确对缺陷进行判断，有效提高巡检精度和效果，极大提升定位精准度和快速获取位置信息。
(3)、本发明可以对光伏电站进行大面积覆盖行航拍测量巡检，并获取光伏电站全局影像资料，然后根据航测影像制作出光伏电站的全局电子地图，从而根据全局电子地图制作出二维影像巡检拍摄数据，为后期缺陷筛查/外业人员定位目标提供基础底图支持。
(4)、本发明巡检处理方法可以对采集到光伏板影像图像分别进行双光影像(红外图像和可见光)处理，同时了解光伏板的表面的温度状况及光伏组件缺陷故障的位置，也便于查找和定位存在缺陷处的光伏板位置，大大提高了工作效率和巡检工作的质量。
附图说明
图1是本发明的一种光伏电站组件缺陷巡检系统的原理图；
图2是本发明的图像识别模块的原理图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举出优选实施例，对本发明进一步详细说明。然而，需要说明的是，说明书中列出的许多细节仅仅是为了使读者对本发明的一个或多个方面有一个透彻的理解，即便没有这些特定的细节也可以实现本发明的这些方面。
结合图1，本发明提供了一种光伏电站组件缺陷巡检系统，包括图像采集模块和数据处理平台，所述图像采集模块用于对光伏站区域均匀布设的控制点进行巡检航拍并获取航测影像，并将航测影像送入数据处理平台，所述数据管理平台用于分析处理所述航测影像，对每一块光伏板阵列进行缺陷检测，获取每块光伏板阵列缺陷位置并输出含有GPS信息的用户报告；所述图像采集模块为无人机打点定位的方式，使用RTK高精度地面定位设备对光伏站区域进行相控航测，以便并记录下最合适飞行路线和高度；本发明通过无人机巡检拍摄航测影像并将航测影像送入数据处理平台，将所有巡检的航测影像数据进行入数据处理平台同时进行空间关联，并提取空间位置信息；对同一光伏板，可以调取历史巡检数据进行回溯管理，并提供高清无人机航测影像底图，使所有光伏面板和巡检数据进行关联，在电子图上进行空间搜索获取某个光伏面板相应的巡检照片，从而方面对巡检照片进行GIS空间管理，对光伏板巡检影像图的缺陷进行检测，在数据处理平台进行构建缺陷信息，从而方便缺陷管理。
在本发明中，所述数据处理平台包括数据收发模块、数据存储模块、图像处理模块、图像识别模块、数据报告生成模块和报告输出模块；所述数据收发模块用于接收航测影像以及发送航拍巡检控制指令，所述图像处理模块用于获取光伏板的航测影像，并根据控制点的GPS信息对航测影像生成全局电子地图，所述数据存储模块用于存储光伏板的航测影像和全局电子地图，所述图像识别模块用于标定光伏板的全局电子地图，并对标定的全局电子地图进行热斑识别，以及识别出光伏板阵列图的缺陷位置，并获取每个光伏板的光伏阵列图的逻辑位置，所述数据报告生成模块用于根据逻辑位置进行提取和生成光伏板阵列图的缺陷位置数据，所述报告输出模块用于获取生成光伏板板阵列图的缺陷位置数据并输出含有GPS信息的用户报告。
所述图像识别模块包括识别获取单元、识别处理单元、缺陷检测单元和缺陷计算单元，所述识别获取单元通过获取数据收发模块接收到的航测影像或读取数据存储模块所存储的航测影像和全局电子地图，所述识别获取单元用于获取光伏板阵列场景巡检的标定图片，对标定图片进行热斑识别并获取标定图片中的红外线图像和可见光图像，所述识别处理单元用于对红外线图像和可见光图像进行畸变矫正，形成红外图像与可见光图像的映射关系，所述缺陷检测单元用于检测每一块光伏板阵列红外图像进行缺陷检测，获取红外图像缺陷，所述缺陷计算单元用于根据红外线图像的缺陷，并对计算出可见光图像的缺陷位置，缺陷计算单元计算出可见光图像的缺陷位置后送入数据报告生成模块提取和生成光伏板阵列图的缺陷位置数据；所述缺陷计算单元通过对航测影像数据和基本目标进行提取，采用神经网络智能算法，对采集的光伏阵列图像进行特征提取，然后分别对双光影像(红外图像和可见光)数据进行筛选处理，可实现光伏板热斑故障的判定，最终提供精确定位的热斑故障报告，从而可以得到光伏电站组件图像缺陷，通过数据处理平台进行影像图像处理，可实现图像的快速拼接和GPS信息融合，生成带精确GPS信息的光伏电站三维地图，可使用户直观地掌握整个光伏电站的实地全景地图，通过数据处理平台能够对光伏站分组件、分区域进行故障统计分析并制定合理的巡检频率，以达到巡检投入与产出的平衡，为企业降低成本增加效益。
在本发明中，本发明提供了一种光伏电站组件缺陷的巡检处理方法，制定整个光伏站区域确定航测巡检方案，在地面均匀布设n个控制点，在每个控制点(航拍点)执行多个动作，可以使航拍飞行路径设定方式更加灵活，大幅提升自动化任务效率，对光伏站区域进行巡检航拍并获取航测影像，对航测影像进行处理并生成带GPS信息的全局电子地图，在地面控制点布设及测量，尽量保证地面控制点均匀分布；执行无人机飞行，获取无人机的测拍影像，然后对航测影像进行处理，对航测影像进行处理主要是对有重叠范围的航测影像以数字计算的方式完成影像关联，识别出至少两幅影像的同名像点，对影像进行匹配；添加加密控制点的影像数据，进行区域网平差，生成三维点云数据和DOM多种数字化图像；对全局电子地图上的光伏板阵列进行逻辑位置标定，获取光伏板阵列场景巡检的标定图片，通过添加加密控制点使整体影像干扰更小，定标性能平稳，从而能最大限度地增加地面控制点的数量；对标定图片进行热斑识别并获取每一块光伏板的光伏板阵列图，获取全局电子地图中光伏板阵列图的逻辑位置，生成光伏阵列图的缺陷位置数据，并输出含有GPS信息的用户报告。
在本发明中，对标定图片进行热斑识别包括如下过程：获取标定图片中的红外线图像和可见光图像；根据巡检航拍的标定参数对红外线图像和可见光图像进行畸变矫正，构建红外图像与可见光图像之间具有映射关系的光伏板阵列图；将每块光伏板的光伏板阵列图的红外图像与可见光图像进行匹配，获取可见光中的红外图像，对每一块光伏板阵列图的红外图像进行缺陷检测，获取红外图像的缺陷，根据红外线图像缺陷，对可见光图像的缺陷进行标定，计算可见光图像的缺陷位置，获取出可见光缺陷的逻辑位置；在本发明中，对可见光图像的缺陷进行标定是在可见图像上进行地理坐标、光伏板阵列图的缺陷位置和光伏板阵列图的缺陷部件进行标定，然后提取光伏板阵列图的可见光的缺陷类型、地理坐标和逻辑位置编号，从而获取出可见光缺陷的逻辑位置，然后制作出巡检拍摄数据并输出含有GPS信息的用户报告；将逻辑位置(逻辑位置图)中的各个光伏阵列的位置坐标与GPS信息之间建立对应关系，并计算出所有光伏阵列的GPS信息；基于可见光缺陷的逻辑位置，确定该可见光图像具体的拍摄位置；具体定位到热斑位于控制点影像中的第几个阵列；生成巡检拍摄数据中记录热斑的GPS信息；GPS信息的用户报告主要包括飞行数据统计记录，热斑对应的红外图像、可见光图像，热斑对应的经纬度、逻辑位置编号以及热斑故障类型。所述标定图片进行热斑识别是对每个光伏阵列图中的热斑在电子地图中进行全局标定，主要针对每个光伏板建立热斑故障图像，通过不同颜色区分光伏板的不同缺陷类型；为此，可以在短时间内扫描处于工作状态中的光伏板，利用红外影像清晰地呈现热斑故障图像，并精确定位到每一块光伏阵列组件，使检修人员快速确定缺陷组件及部位，以此实现对光伏电站检测区域的快速集中巡检。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种光伏电站组件缺陷巡检系统，其特征在于：包括图像采集模块和数据处理平台，所述图像采集模块用于对光伏站区域均匀布设的控制点进行巡检航拍并获取航测影像，并将航测影像送入数据处理平台，所述数据管理平台用于分析处理所述航测影像，对每一块光伏板阵列进行缺陷检测，获取每块光伏板阵列缺陷位置并输出含有GPS信息的用户报告。
2.根据权利要求1所述的一种光伏电站组件缺陷巡检系统，其特征在于：所述图像采集模块为无人机打点定位的方式，使用RTK高精度地面定位设备对光伏站区域进行相控航测，以便并记录下最合适飞行路线和高度。
3.根据权利要求1所述的一种光伏电站组件缺陷巡检系统，其特征在于：所述数据处理平台包括数据收发模块、数据存储模块、图像处理模块、图像识别模块、数据报告生成模块和报告输出模块；所述数据收发模块用于接收航测影像以及发送航拍巡检控制指令，所述图像处理模块用于获取光伏板的航测影像，并根据控制点的GPS信息对航测影像生成全局电子地图，所述数据存储模块用于存储光伏板的航测影像和全局电子地图，所述图像识别模块用于标定光伏板的全局电子地图，并对标定的全局电子地图进行热斑识别，以及识别出光伏板阵列图的缺陷位置，并获取每个光伏板的光伏阵列图的逻辑位置，所述数据报告生成模块用于根据逻辑位置进行提取和生成光伏板阵列图的缺陷位置数据，所述报告输出模块用于获取生成光伏板板阵列图的缺陷位置数据并输出含有GPS信息的用户报告。
4.根据权利要求3所述的一种光伏电站组件缺陷巡检系统，其特征在于：所述图像识别模块包括识别获取单元、识别处理单元、缺陷检测单元和缺陷计算单元，所述识别获取单元用于获取光伏板阵列场景巡检的标定图片，对标定图片进行热斑识别并获取标定图片中的红外线图像和可见光图像，所述识别处理单元用于对红外线图像和可见光图像进行畸变矫正，形成红外图像与可见光图像的映射关系，所述缺陷检测单元用于检测每一块光伏板阵列红外图像进行缺陷检测，获取红外图像缺陷，所述缺陷计算单元用于根据红外线图像的缺陷，并对计算出可见光图像的缺陷位置。
5.一种光伏电站组件缺陷巡检系统的缺陷处理方法，其特征在于：制定整个光伏站区域确定航测巡检方案，在地面均匀布设控制点，对光伏站区域进行巡检航拍并获取航测影像，对航测影像进行处理并生成带GPS信息的全局电子地图；对全局电子地图上的光伏板阵列进行逻辑位置标定，获取光伏板阵列场景巡检的标定图片；对标定图片进行热斑识别并获取每一块光伏板的光伏板阵列图，获取全局电子地图中光伏板阵列图的逻辑位置，生成光伏阵列图的缺陷位置数据，并输出含有GPS信息的用户报告。
6.根据权利要求5所述的一种光伏电站组件缺陷巡检系统的缺陷处理方法，其特征在于：对航测影像进行处理主要是对有重叠范围的航测影像以数字计算的方式完成影像关联，识别出至少两幅影像的同名像点，对影像进行匹配；添加加密控制点的影像数据，进行区域网平差，生成三维点云数据和DOM多种数字化图像。
7.根据权利要求5所述的一种光伏电站组件缺陷巡检系统的缺陷处理方法，其特征在于：对标定图片进行热斑识别包括如下过程：获取标定图片中的红外线图像和可见光图像；根据巡检航拍的标定参数对红外线图像和可见光图像进行畸变矫正，构建红外图像与可见光图像之间具有映射关系的光伏板阵列图；将每块光伏板的光伏板阵列图的红外图像与可见光图像进行匹配，获取可见光中的红外图像，对每一块光伏板阵列图的红外图像进行缺陷检测，获取红外图像的缺陷，根据红外线图像缺陷，对可见光图像的缺陷进行标定，计算可见光图像的缺陷位置，获取出可见光缺陷的逻辑位置。
8.根据权利要求7所述的一种光伏电站组件缺陷巡检系统的缺陷处理方法，其特征在于：对可见光图像的缺陷进行标定是在可见图像上进行地理坐标、光伏板阵列图的缺陷位置和光伏板阵列图的缺陷部件进行标定，然后提取光伏板阵列图的可见光的缺陷类型、地理坐标和逻辑位置编号，制作出巡检拍摄数据并输出含有GPS信息的用户报告。
9.根据权利要求5所述的一种光伏电站组件缺陷巡检系统的缺陷处理方法，其特征在于：对所述标定图片进行热斑识别是对每个光伏阵列图中的热斑在电子地图中进行全局标定，主要针对每个光伏板建立热斑故障图像，通过不同颜色区分光伏板的不同缺陷类型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110150355.9A CN112862777A (zh) | 2021-02-03 | 2021-02-03 | 一种光伏电站组件缺陷巡检系统及其缺陷处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110150355.9A CN112862777A (zh) | 2021-02-03 | 2021-02-03 | 一种光伏电站组件缺陷巡检系统及其缺陷处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112862777A true CN112862777A (zh) | 2021-05-28 |
Family
ID=75986441
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110150355.9A Pending CN112862777A (zh) | 2021-02-03 | 2021-02-03 | 一种光伏电站组件缺陷巡检系统及其缺陷处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112862777A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113286129A (zh) * | 2021-07-23 | 2021-08-20 | 北京图知天下科技有限责任公司 | 一种光伏电站的巡检方法及系统 |
| CN113554610A (zh) * | 2021-07-19 | 2021-10-26 | 合肥阳光智维科技有限公司 | 一种光伏组件运行状态检测方法及其应用装置 |
| 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 |
| CN114758002A (zh) * | 2022-06-15 | 2022-07-15 | 南开大学 | 一种基于航拍图像的光伏组串位置确定方法及系统 |
| CN115035051A (zh) * | 2022-05-25 | 2022-09-09 | 阳光电源股份有限公司 | 光伏电站的组件分割方法、装置、电子设备及存储介质 |
| CN115052117A (zh) * | 2022-06-13 | 2022-09-13 | 众芯汉创（北京）科技有限公司 | 一种基于红外摄像的光伏组件缺陷识别系统 |
| CN115049648A (zh) * | 2022-08-12 | 2022-09-13 | 北京中拓新源科技有限公司 | 光伏组件热斑缺陷检测方法及装置 |
| CN116452513A (zh) * | 2023-03-20 | 2023-07-18 | 山东未来智能技术有限公司 | 一种海底电缆皱纹铝护套缺陷自动识别方法 |
| CN116862482A (zh) * | 2023-09-04 | 2023-10-10 | 成都昱风能源有限公司 | 基于人工智能和大数据分析的发电站巡检系统和方法 |
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 |
| 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 |
| CN109194284A (zh) * | 2018-09-18 | 2019-01-11 | 甘肃启远智能科技有限责任公司 | 光伏电站巡检系统、地面终端及航拍设备 |
| CN111062991A (zh) * | 2019-12-27 | 2020-04-24 | 西安因诺航空科技有限公司 | 一种光伏场景的巡检目标定位方法、设备及可读存储介质 |
| CN111144324A (zh) * | 2019-12-28 | 2020-05-12 | 西安因诺航空科技有限公司 | 一种无人机巡检光伏板异常目标分析管理系统及方法 |
-
2021
- 2021-02-03 CN CN202110150355.9A patent/CN112862777A/zh active Pending
Patent 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 |
| 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 |
| CN109194284A (zh) * | 2018-09-18 | 2019-01-11 | 甘肃启远智能科技有限责任公司 | 光伏电站巡检系统、地面终端及航拍设备 |
| CN111062991A (zh) * | 2019-12-27 | 2020-04-24 | 西安因诺航空科技有限公司 | 一种光伏场景的巡检目标定位方法、设备及可读存储介质 |
| CN111144324A (zh) * | 2019-12-28 | 2020-05-12 | 西安因诺航空科技有限公司 | 一种无人机巡检光伏板异常目标分析管理系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 汪金花 等: "《测量学通用基础教程 第3版》", 30 September 2020, 北京：中国测绘出版社, pages: 158 - 160 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113554610A (zh) * | 2021-07-19 | 2021-10-26 | 合肥阳光智维科技有限公司 | 一种光伏组件运行状态检测方法及其应用装置 |
| CN113286129A (zh) * | 2021-07-23 | 2021-08-20 | 北京图知天下科技有限责任公司 | 一种光伏电站的巡检方法及系统 |
| 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 |
| 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 |
| CN115035051A (zh) * | 2022-05-25 | 2022-09-09 | 阳光电源股份有限公司 | 光伏电站的组件分割方法、装置、电子设备及存储介质 |
| CN115052117A (zh) * | 2022-06-13 | 2022-09-13 | 众芯汉创（北京）科技有限公司 | 一种基于红外摄像的光伏组件缺陷识别系统 |
| CN114758002A (zh) * | 2022-06-15 | 2022-07-15 | 南开大学 | 一种基于航拍图像的光伏组串位置确定方法及系统 |
| CN115049648A (zh) * | 2022-08-12 | 2022-09-13 | 北京中拓新源科技有限公司 | 光伏组件热斑缺陷检测方法及装置 |
| CN115049648B (zh) * | 2022-08-12 | 2022-11-01 | 北京中拓新源科技有限公司 | 光伏组件热斑缺陷检测方法及装置 |
| CN116452513A (zh) * | 2023-03-20 | 2023-07-18 | 山东未来智能技术有限公司 | 一种海底电缆皱纹铝护套缺陷自动识别方法 |
| CN116452513B (zh) * | 2023-03-20 | 2023-11-21 | 山东未来智能技术有限公司 | 一种海底电缆皱纹铝护套缺陷自动识别方法 |
| CN116862482A (zh) * | 2023-09-04 | 2023-10-10 | 成都昱风能源有限公司 | 基于人工智能和大数据分析的发电站巡检系统和方法 |
| CN116862482B (zh) * | 2023-09-04 | 2023-11-07 | 成都昱风能源有限公司 | 基于人工智能和大数据分析的发电站巡检系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112862777A (zh) | 一种光伏电站组件缺陷巡检系统及其缺陷处理方法 | |
| CN111931565B (zh) | 一种基于光伏电站uav的自主巡检与热斑识别方法及系统 | |
| Caroti et al. | Accuracy assessment in structure from motion 3D reconstruction from UAV-born images: The influence of the data processing methods | |
| CN114265418A (zh) | 一种用于光伏电站的无人机巡检与缺陷定位系统及方法 | |
| CN113286129B (zh) | 一种光伏电站的巡检方法及系统 | |
| KR101985019B1 (ko) | 드론과 ｇｉｓ를 사용한 이상 발열 태양광 모듈 검출 방법 | |
| CN111811483B (zh) | 一种用于飞机数字化装配的多相机组网定位标定方法 | |
| CN109859269B (zh) | 岸基视频辅助定位无人机大范围流场测量方法及装置 | |
| CN109712201B (zh) | 一种广域相机的定位能力标定装置及标定方法 | |
| KR20180046177A (ko) | 드론과 ｇｉｓ를 사용한 이상 발열 태양광 모듈 검출 방법 | |
| CN110823899B (zh) | 一种故障定位方法、装置及系统 | |
| CN116754076B (zh) | 一种城市复杂三维场景高异质性地表温度的反演方法 | |
| CN111707450B (zh) | 光学镜头焦平面与机械安装面位置关系检测装置及方法 | |
| CN111076698A (zh) | 用于标定光电产品安装偏差的观察评估装置及解算方法 | |
| CN113312963A (zh) | 一种光伏电站的巡检方法、巡检装置以及存储介质 | |
| CN114202675A (zh) | 一种基于无人机多光谱遥感影像的作物生长参数测定方法及系统 | |
| CN115900656A (zh) | 一种基于无人机的不动产测绘项目分区域测绘方法及系统 | |
| CN110146062B (zh) | 一种基于图根点测量点云数据的坐标系转化方法 | |
| CN101726316A (zh) | 内方位元素及畸变测试仪 | |
| CN116990746A (zh) | 用于无线电监测测向系统及方法 | |
| CN114782342B (zh) | 城市硬件设施缺陷的检测方法及装置 | |
| CN201277864Y (zh) | 内方位元素及畸变测试仪 | |
| CN116381726A (zh) | 基于数据自身的无人机激光点云精度自评估方法 | |
| CN113223085A (zh) | 一种故障组件的定位方法、装置、设备及存储介质 | |
| CN112284351A (zh) | 一种测量交叉跨越线路方法 |
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 |