CN113155288B - 一种光伏电池热斑的图像识别方法 - Google Patents
一种光伏电池热斑的图像识别方法 Download PDFInfo
- Publication number
- CN113155288B CN113155288B CN202011370219.2A CN202011370219A CN113155288B CN 113155288 B CN113155288 B CN 113155288B CN 202011370219 A CN202011370219 A CN 202011370219A CN 113155288 B CN113155288 B CN 113155288B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- matching
- value
- detected
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000012850 discrimination method Methods 0.000 claims abstract description 5
- 238000006073 displacement reaction Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 230000011218 segmentation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0096—Radiation pyrometry, e.g. infrared or optical thermometry for measuring wires, electrical contacts or electronic systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明属于图像处理领域,具体地而言为一种光伏电池热斑的图像识别方法。为了找出光伏电池热斑的位置及面积,该方法采用了亚像素图像匹配的方法,并且结合四叉树图像分割方法、插值法获取样本图像以及均方差方法实现了热斑识别。首先在电站运行正常时,获取光伏电池温度的原始图像,将其作为原始样本图像;然后将图像分割成四等分,再采用亚像素梯度匹配算法,将光伏电池温度的待检测图像与原始样本图像进行匹配,找出最小的匹配值;再结合均方差阈值判别方法,计算出各个图像像素的均值以及均差值,当计算结果大于指定的阈值时,则认为所述光伏电池出现热斑;同时计算出热斑的面积。此方法能够准确的识别出光伏电站的热斑,计算精度达到了亚像素级。
Description
技术领域
本发明属于图像处理领域,具体地而言为一种光伏电池热斑的图像识别方法。
背景技术
光伏电站需要运营25年,这期间光伏组件常常会被鸟粪、灰尘、阴影、落叶、积雪等覆盖,由于局部遮挡的存在,某些电池片的电流、电压发生了变化,从而在这些电池组件上产生了局部温度升高,即产生热斑效应,使发电量大大减少,甚至造成火灾的发生。热斑效应的检测可采用两种方法:1)根据故障状态下光伏阵列电流和电压的变化进行热斑检测;2)应用图像处理算法,对红外图像中热斑进行识别。方法一主要是对整个系统故障进行检测,而方法二是对每块电池板的故障进行检测,两种方法检测的对象不同。
由于大面积的光伏并网电站有许多人眼不易发现的位置,因此目前人们采用无人机搭载热成像仪来获得光伏电池的温度图像,用于判断光伏电池是否出现热斑。采用人工识别是否出现热斑,面对着无人机拍摄的大量热成像,人们需要通过软件慢慢调节到适当的温度值,才能看到一张图像是否出现热斑,大量的图像很费时间,并且很容易产生遗漏。
发明内容
本发明所要解决的技术问题在于提供一种光伏电池热斑的图像识别方法,解决现有技术识别不准确,误判率高的问题。
本发明是这样实现的,
一种光伏电池热斑的图像识别方法,该方法包括:
步骤1:在电站运行正常时,获取光伏电池温度的原始图像,将其作为原始样本图像;
步骤2:拍摄当前温度下的待检测图像,根据温度测量仪测出光伏电池的表面温度值;
步骤3:对原始样本图像进行插值,得出当前温度下的样本图像;
步骤4:将待检测图像进行四叉树分割成四等分;
步骤5:采用亚像素梯度匹配算法,将光伏电池温度的待检测图像与步骤3当前温度下的样本图像进行匹配,找出最小的匹配值;具体包括:先进行整像素图像匹配,求出的整像素匹配区域,得出整像素匹配区域中心点的位移;计算亚像素点值,根据计算的亚像素点值,在整像素匹配区域中心点的位移上,得到亚像素图像匹配后中心点的位移,进行亚像素图像匹配得到亚像素点匹配的最小匹配值Ck(p)的值;
步骤6:采用均方差阈值判别方法,计算出各个图像像素对应的最小匹配值Ck(p)的均值以及均差值,当计算结果大于指定的阈值时,则认为光伏电池出现热斑,同时计算出热斑的面积。
进一步地,步骤1拍摄样本图像包括:
选择w1,w2,…wv共v个不同的温度,并且w1<w2<…<wv,在光伏电站发电正常的状态下,选择晴好天气,用远红外测量仪,确定好拍摄位置,在每个wi温度下,拍摄出样本图像K个,送入图像识别模块。
进一步地,步骤2拍摄待检测图像包括:
在当前的状态下,选择晴好天气,用远红外测量仪,选择与步骤1同样的拍摄位置,拍摄出待检测图像K个,送入图像识别模块,同时将所述温度测量仪测量的温度值,送入图像识别模块。
进一步地,对原始样本图像进行插值,得出当前温度下的样本图像包括:
根据每个待检测图像拍摄时的温度值,设为ws,在拍摄的样本图像w1,w2,…wv中选择最接近的两个值,满足wk<ws<wk+1,设wk对应的样本图像的像素值为xij,wk+1对应的样本图像的像素值为yij,采用插值法计算出ws对应的样本图像的像素值zij为:
其中i=1,2,…,m;j=1,2,…,n。
进一步地,四叉树分割包括:将待检测图像分割成四等分,第一象限G1,第二象限G2,第三象限G3,第四象限G4,判断满足“满”、“空”、“部分”三种情况的哪一种;“满”表示待检测图像全部出现热班;“空”表示待检测图像正常;“部分”表示待检测图像有的地方有热班,而有的地方无热斑;对于“满”和“空”的情况不需要再进行图像匹配;对“部分”的待检测图像,继续分割成四等分,进行图像匹配,直到待检测图像完全为“满”和“空”为止。
进一步地,所述整像素图像匹配包括:
每部分Gi分别在样本图像中寻找最佳匹配块,假设对于i=1,2,3,4,设k是1到K之间的整数,第k个样本图像中每一个像素点的像素值为fk(x,y),带上划线为均值,中心点为Pk(Xk,Yk);待检测图像每一个像素点的像素值为gk(x,y),带上划线为均值,中心点为P1k(X1k,Y1k);待检测图像像素点矩阵行和列的个数为M和N,则得出最小匹配值:
当求得的Ck(p)值最小时,匹配到的结果图上子区的相似度最高,为求出的整像素匹配区域,得出中心点的位移为:
(uk,vk)=(Xk-X1k,Yk-Y1k) (2)
进一步地,步骤5所述计算亚像素点值包括:
设包围亚像素点的周围四个整像素点的值:当前温度下的样本图像f1,当前温度下的样本图像f2,当前温度下的样本图像f3,当前温度下的样本图像f4,待检测图像为g1,待检测图像g2,待检测图像g3,待检测图像g4,亚像素点的值:当前温度下的样本图像为fi,待检测图像为gi,像素之间的间隔距离为R,亚像素点与边界的距离为h1和h2,则得出亚像素点fi的值为:
同理得出亚像素点gi的值为:
进一步地,步骤5进行亚像素图像匹配得到亚像素点匹配的最小匹配值Ck(p)的值包括:
对于每个待匹配图像,有如下公式:
得出:
从而计算出dx和dy的值,得出中心点的位移为:
(uk,vk)=(Xk-X1k-dxk,Yk-Y1k-dyk) (12)
带入到公式(1)计算出亚像素点匹配的最小匹配值Ck(p)的值。
进一步地,步骤6包括:判断图像是否出现热斑:
将亚像素匹配点计算出的最小匹配值Ck(p)的值由小到大进行排序,将排序完以后的数值记为Cs(p),s是1到K之间的整数,将10%*K取整以后的值记为L。
计算平均值:
计算差值:
Zk=|Ck(p)-C(p)| (14)
当ZK大于指定的阈值时,则认为光伏电池热斑。
进一步地,步骤6计算出现热斑的面积:
其中j=0,1,2,3,4;根据每次分割的“满”的个数j取不同的值。
本发明与现有技术相比,有益效果在于:该方法采用了亚像素图像匹配的方法,并且结合四叉树图像分割方法、插值法获取样本图像以及均方差方法实现了热斑识别。首先在电站运行正常时,获取光伏电池温度的原始图像,将其作为原始样本图像;然后将图像分割成四等分,再采用亚像素梯度匹配算法,将光伏电池温度的待检测图像与原始样本图像进行匹配,找出最小的匹配值;再结合均方差阈值判别方法,计算出各个图像像素的均值以及均差值,当计算结果大于指定的阈值时,则认为所述光伏电池出现热斑;同时计算出热斑的面积。此方法能够准确的识别出光伏电站的热斑,计算精度达到了亚像素级。识别更准确,误判率低。
附图说明
图1是本发明提供的方法流程图;
图2是本发明提供的亚像素点(a)与整像素点(b)的关系;
图3是本发明提供的图像的四叉树分割图;
图4是本发明提供的硬件结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参见图4,本发明采用的设备包括:光伏电池模块、远红外测量仪、图像识别模块、温度测量仪、输出模块构成。光伏电池模块包括单片光伏电池或连接在一起的多个光伏电池组;远红外测量仪用于获取光伏电池的温度图像,远红外测量仪的输出端与图像识别模块的输入端连接,将获取的光伏电池温度图像送入图像识别模块;图像识别模块的输出端与输出模块的输入端连接,将图像识别结果送入输出模块;温度测量仪与光伏电池正面接触式放置,用于测量光伏电池的表面温度,温度测量仪的输出端与图像识别模块连接,用于将温度值送入图像识别模块。
所述图像识别模块用于将获取的光伏电池温度图像进行图像识别,识别出光伏电池是否出现热斑以及计算出热斑的面积。该方法采用了亚像素图像匹配的方法,并且结合四叉树图像分割方法、插值法获取样本图像以及均方差方法实现了热斑识别。首先在电站运行正常时,获取光伏电池温度的原始图像,将其作为原始样本图像;再根据所述温度测量仪测出的光伏电池的表面温度值,对原始样本图像进行插值,得出当前温度下的样本图像;然后将图像分割成四等分,再采用亚像素梯度匹配算法,将光伏电池温度的待检测图像与原始样本图像进行匹配,找出最小的匹配值;再结合均方差阈值判别方法,计算出各个图像像素的均值以及均差值,当计算结果大于指定的阈值时,则认为所述光伏电池出现热斑,同时计算出热斑的面积。
参见图1所示,具体包括如下步骤:
步骤1:在电站运行正常时,获取光伏电池温度的原始图像,将其作为原始样本图像;
步骤2:拍摄当前温度下的待检测图像,根据温度测量仪测出光伏电池的表面温度值;
步骤3:对原始样本图像进行插值,得出当前温度下的样本图像;
步骤4:将待检测图像进行四叉树分割成四等分;
步骤5:采用亚像素梯度匹配算法,将光伏电池温度的待检测图像与步骤3当前温度下的样本图像进行匹配,找出最小的匹配值;具体包括:先进行整像素图像匹配,求出的整像素匹配区域,得出整像素匹配区域中心点的位移;计算亚像素点值,根据计算的亚像素点值,在整像素匹配区域中心点的位移上,得到亚像素图像匹配后中心点的位移,进行亚像素图像匹配得到亚像素点匹配的最小匹配值Ck(p)的值;
步骤6:采用均方差阈值判别方法,计算出各个图像像素对应的最小匹配值Ck(p)的均值以及均差值,当计算结果大于指定的阈值时,则认为光伏电池出现热斑,同时计算出热斑的面积。
其中步骤1拍摄样本图像
选择w1,w2,…wv共v个不同的温度,并且w1<w2<…<wv,在光伏电站发电正常的状态下,选择晴好天气,用所述的远红外测量仪,确定好拍摄位置,在每个wi温度下,拍摄出样本图像K个,送入图像识别模块;
步骤2拍摄待检测图像
在当前的状态下,选择晴好天气,用所述的远红外测量仪,选择与步骤1同样的拍摄位置,拍摄出待检测图像K个,送入图像识别模块,同时将所述温度测量仪测量的温度值,送入图像识别模块;
步骤3插值出当前温度下的样本图像
根据每个待检测图像拍摄时的温度值,设为ws,在拍摄的原始样本图像w1,w2,…wv中选择最接近的两个值,满足wk<ws<wk+1,设wk对应的样本图像的像素值为xij,wk+1对应的样本图像的像素值为yij,采用插值法可以计算出ws对应的样本图像的像素值zij为:
其中i=1,2,…,m;j=1,2,…,n。
步骤4将待检测图像进行四叉树分割成四等分:
采用四叉树方法,如图2(a)和2(b)所示,将图像分割成四等分,第一象限G1,第二象限G2,第三象限G3,第四象限G4,判断满足“满”、“空”、“部分”三种情况的哪一种。“满”表示待检测图像全部出现热班;“空”表示待检测图像正常;“部分”表示待检测图像有的地方有热班,而有的地方无热斑。对于“满”和“空”的情况不需要再进行图像匹配;对“部分”的待检测图像,继续分割成四等分,进行图像匹配,直到待检测图像完全为“满”和“空”为止。
步骤5整像素图像匹配:
将每部分Gi分别在原图中寻找最佳匹配块,假设对于i=1,2,3,4。设k是1到K之间的整数,第k个样本图像中每一个像素点的像素值为fk(x,y),带上划线为均值,中心点为Pk(Xk,Yk);待检测图像每一个像素点的像素值为gk(x,y),带上划线为均值,中心点为P1k(X1k,Y1k);待检测图像像素点矩阵行和列的个数为M和N,则可以得出:
当求得的Ck(p)值最小时,匹配到的结果图上子区的相似度最高,为求出的整像素匹配区域,得出中心点的位移为:
(uk,vk)=(Xk-X1k,Yk-Y1k) (2)
步骤5中亚像素点值的计算:
设包围亚像素点的周围四个整像素点的值:样本图像为f1,f2,f3,f4,待检测图像为g1,g2,g3,g4,亚像素点的值:样本图像为fi,待检测图像为gi,像素之间的间隔距离为R,亚像素与边界的距离为h1和h2,如图3所示,则可以得出亚像素点fi的值为:
同理可得出亚像素点gi的值为:
步骤5中亚像素图像匹配
对于每个待匹配图像,有如下公式:
可以得出:
从而可以计算出dx和dy的值。得出中心点的位移为:
(uk,vk)=(Xk-X1k-dxk,Yk-Y1k-dyk) (12)
因此带入到公式(1)可以计算出亚像素匹配的Ck(p)的值。
步骤6判断图像是否出现热斑
将亚像素匹配点计算出的Ck(p)的值由小到大进行排序,将排序完以后的数值记为Cs(p),s是1到K之间的整数,将10%*K取整以后的值记为L。
计算平均值:
计算差值:
Zk=|Ck(p)-C(p)| (14)
当ZK大于指定的阈值时,则认为光伏电池热斑。
步骤6计算出现热斑图像的面积
其中j=0,1,2,3,4;根据每次分割的“满”的个数j取不同的值。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种光伏电池热斑的图像识别方法,其特征在于,该方法包括:
步骤1:在电站运行正常时,获取光伏电池温度的原始图像,将其作为原始样本图像;
步骤2:拍摄当前温度下的待检测图像,根据温度测量仪测出光伏电池的表面温度值;
步骤3:对原始样本图像进行插值,得出当前温度下的样本图像;
步骤4:将待检测图像进行四叉树分割成四等分;
步骤5:采用亚像素梯度匹配算法,将光伏电池温度的待检测图像与步骤3当前温度下的样本图像进行匹配,找出最小的匹配值;具体包括:先进行整像素图像匹配,求出的整像素匹配区域,得出整像素匹配区域中心点的位移;计算亚像素点值,根据计算的亚像素点值,在整像素匹配区域中心点的位移上,得到亚像素图像匹配后中心点的位移,进行亚像素图像匹配得到亚像素点匹配的最小匹配值Ck(p)的值;
步骤6:采用均差阈值判别方法,计算出各个图像像素对应的最小匹配值Ck(p)的均值以及均差值,当计算结果大于指定的阈值时,则认为光伏电池出现热斑,同时计算出热斑的面积;
四叉树分割包括:将待检测图像分割成四等分,第一象限G1,第二象限G2,第三象限G3,第四象限G4,判断满足“满”、“空”、“部分”三种情况的哪一种;“满”表示待检测图像全部出现热班;“空”表示待检测图像正常;“部分”表示待检测图像有的地方有热班,而有的地方无热斑;对于“满”和“空”的情况不需要再进行图像匹配;对“部分”的待检测图像,继续分割成四等分,进行图像匹配,直到待检测图像完全为“满”和“空”为止;
所述整像素图像匹配包括:
每部分Gi分别在样本图像中寻找最佳匹配块,假设对于i=1,2,3,4,设k是1到K之间的整数,第k个样本图像中每一个像素点的像素值为fk(x,y),带上划线为均值,中心点为Pk(Xk,Yk);待检测图像每一个像素点的像素值为gk(x,y),带上划线为均值,中心点为P1k(X1k,Y1k);待检测图像像素点矩阵行和列的个数为M和N,则得出最小匹配值:
当求得的Ck(p)值最小时,匹配到的结果图上子区的相似度最高,为求出的整像素匹配区域,得出中心点的位移为:
(uk,vk)=(Xk-X1k,Yk-Y1k) (2);
步骤5所述计算亚像素点值包括:
设包围亚像素点的周围四个整像素点的值:当前温度下的样本图像f1,当前温度下的样本图像f2,当前温度下的样本图像f3,当前温度下的样本图像f4,待检测图像为g1,待检测图像g2,待检测图像g3,待检测图像g4,亚像素点的值:当前温度下的样本图像为fi,待检测图像为gi,像素之间的间隔距离为R,亚像素点与边界的距离为h1和h2,则得出亚像素点fi的值为:
同理得出亚像素点gi的值为:
步骤5进行亚像素图像匹配得到亚像素点匹配的最小匹配值Ck(p)的值包括:
对于每个待匹配图像,有如下公式:
得出:
从而计算出dx和dy的值,得出中心点的位移为:
(uk,vk)=(Xk-X1k-dxk,Yk-Y1k-dyk) (12)
带入到公式(1)计算出亚像素点匹配的最小匹配值Ck(p)的值;
步骤6包括:判断图像是否出现热斑:
将亚像素匹配点计算出的最小匹配值Ck(p)的值由小到大进行排序,将排序完以后的数值记为Cs(p),s是1到K之间的整数,将10%*K取整以后的值记为L;
计算平均值:
计算差值:
Zk=|Ck(p)-C(p)| (14)
当ZK大于指定的阈值时,则认为光伏电池热斑;
步骤6计算出现热斑的面积:
其中j=0,1,2,3,4;根据每次分割的“满”的个数j取不同的值。
2.按照权利要求1所述的方法,其特征在于,步骤1拍摄样本图像包括:
选择w1,w2,…wv共v个不同的温度,并且w1<w2<…<wv,在光伏电站发电正常的状态下,选择晴好天气,用远红外测量仪,确定好拍摄位置,在每个wi温度下,拍摄出样本图像K个,送入图像识别模块。
3.按照权利要求1所述的方法,其特征在于,步骤2拍摄待检测图像包括:
在当前的状态下,选择晴好天气,用远红外测量仪,选择与步骤1同样的拍摄位置,拍摄出待检测图像K个,送入图像识别模块,同时将所述温度测量仪测量的温度值,送入图像识别模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011370219.2A CN113155288B (zh) | 2020-11-30 | 2020-11-30 | 一种光伏电池热斑的图像识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011370219.2A CN113155288B (zh) | 2020-11-30 | 2020-11-30 | 一种光伏电池热斑的图像识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113155288A CN113155288A (zh) | 2021-07-23 |
CN113155288B true CN113155288B (zh) | 2022-09-06 |
Family
ID=76882430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011370219.2A Active CN113155288B (zh) | 2020-11-30 | 2020-11-30 | 一种光伏电池热斑的图像识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113155288B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5724451A (en) * | 1994-09-27 | 1998-03-03 | Samsung Electronics Co., Ltd. | Image compression method and apparatus using conditional quadtree split sysyem |
CN101169868A (zh) * | 2006-10-25 | 2008-04-30 | 爱克发医疗保健公司 | 用于分割数字医学图像的方法 |
CN101390129A (zh) * | 2006-02-28 | 2009-03-18 | 仁爱米拉索莱有限公司 | 用于分析对象聚群的方法和设备 |
US8611586B1 (en) * | 2010-11-19 | 2013-12-17 | Exelis, Inc. | Fast target extraction from thermal imagery |
EP2942634A1 (de) * | 2014-05-06 | 2015-11-11 | Forschungszentrum Jülich GmbH | Verfahren zur messung und bewertung von leistungsverlusten in solarzelle, solarmodul und solaranlagen durch fotografische lumineszenz- und thermografiemessungen |
WO2018053763A1 (zh) * | 2016-09-22 | 2018-03-29 | 深圳大学 | 一种图像识别方法和装置 |
WO2018076138A1 (zh) * | 2016-10-24 | 2018-05-03 | 深圳大学 | 基于大尺度高分辨率高光谱图像的目标探测方法及装置 |
CN109419497A (zh) * | 2017-08-31 | 2019-03-05 | 中国科学院微电子研究所 | 基于热成像的关脉识别方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3690695B2 (ja) * | 1996-03-25 | 2005-08-31 | 能美防災株式会社 | 火災検出装置 |
JP6372854B2 (ja) * | 2014-12-03 | 2018-08-15 | 能美防災株式会社 | 煙検出装置および煙検出方法 |
CN107314819B (zh) * | 2017-07-03 | 2019-04-23 | 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 |
JP7046186B2 (ja) * | 2017-12-08 | 2022-04-01 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 画像符号化装置、画像復号装置、画像符号化方法、および画像復号方法 |
CN108108736A (zh) * | 2017-12-22 | 2018-06-01 | 晶科电力科技股份有限公司 | 一种太阳能光伏板光斑识别方法 |
CN109308685A (zh) * | 2018-08-09 | 2019-02-05 | 南京邮电大学 | 基于阈值分割和k均值聚类的红外光伏阵列分割方法 |
CN109584222B (zh) * | 2018-11-19 | 2023-05-16 | 国网江西省电力有限公司电力科学研究院 | 一种基于无人机的光伏组件图像的故障分类及辨识方法 |
CN110869976A (zh) * | 2018-12-04 | 2020-03-06 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、设备、无人机、系统及存储介质 |
CN111242889A (zh) * | 2019-12-03 | 2020-06-05 | 国家电投集团曲阳新能源发电有限公司 | 一种光伏组件的热斑识别方法和装置 |
CN111080691A (zh) * | 2019-12-17 | 2020-04-28 | 晶科电力科技股份有限公司 | 一种光伏组件红外热斑检测方法、装置 |
CN111242914B (zh) * | 2020-01-09 | 2023-09-08 | 武汉赛摩博晟信息科技有限公司 | 基于窗格检测和线性回归算法光伏组件热斑缺陷定位方法 |
CN111860404A (zh) * | 2020-07-28 | 2020-10-30 | 华润智慧能源有限公司 | 一种光伏板热斑定位方法及系统 |
-
2020
- 2020-11-30 CN CN202011370219.2A patent/CN113155288B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5724451A (en) * | 1994-09-27 | 1998-03-03 | Samsung Electronics Co., Ltd. | Image compression method and apparatus using conditional quadtree split sysyem |
CN101390129A (zh) * | 2006-02-28 | 2009-03-18 | 仁爱米拉索莱有限公司 | 用于分析对象聚群的方法和设备 |
CN101169868A (zh) * | 2006-10-25 | 2008-04-30 | 爱克发医疗保健公司 | 用于分割数字医学图像的方法 |
US8611586B1 (en) * | 2010-11-19 | 2013-12-17 | Exelis, Inc. | Fast target extraction from thermal imagery |
EP2942634A1 (de) * | 2014-05-06 | 2015-11-11 | Forschungszentrum Jülich GmbH | Verfahren zur messung und bewertung von leistungsverlusten in solarzelle, solarmodul und solaranlagen durch fotografische lumineszenz- und thermografiemessungen |
WO2018053763A1 (zh) * | 2016-09-22 | 2018-03-29 | 深圳大学 | 一种图像识别方法和装置 |
WO2018076138A1 (zh) * | 2016-10-24 | 2018-05-03 | 深圳大学 | 基于大尺度高分辨率高光谱图像的目标探测方法及装置 |
CN109419497A (zh) * | 2017-08-31 | 2019-03-05 | 中国科学院微电子研究所 | 基于热成像的关脉识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113155288A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101216304B (zh) | 物体尺寸估测之系统及方法 | |
Yang et al. | An automated cloud detection method based on the green channel of total-sky visible images | |
CN108230237B (zh) | 一种用于电气设备在线检测的多光谱图像重构方法 | |
CN116340801B (zh) | 一种畜牧养殖环境数据异常智能监控方法 | |
Yang et al. | A total sky cloud detection method using real clear sky background | |
CN104240264A (zh) | 一种运动物体的高度检测方法和装置 | |
CN111310756A (zh) | 一种基于深度学习的损伤玉米颗粒检测和分类方法 | |
CN113343795B (zh) | 一种目标关联视频追踪处理方法 | |
CN113658192A (zh) | 一种多目标行人的轨迹获取方法、系统、装置及介质 | |
Cai et al. | Panicle counting in UAV images for estimating flowering time in sorghum | |
CN105654452A (zh) | 一种基于边缘结构的背景杂波度量方法 | |
CN112163639A (zh) | 一种基于高度分布特征向量的作物倒伏分级方法 | |
CN114782442A (zh) | 一种基于人工智能的光伏电池板智慧巡检方法及系统 | |
CN112884795A (zh) | 一种基于多特征显著性融合的输电线路巡检前景与背景分割方法 | |
CN109614512B (zh) | 一种基于深度学习的电力设备检索方法 | |
CN113155288B (zh) | 一种光伏电池热斑的图像识别方法 | |
CN113947724A (zh) | 一种基于双目视觉的线路覆冰厚度自动测量方法 | |
CN113221805A (zh) | 一种电力设备图像位置获取方法及装置 | |
CN106886609B (zh) | 街区式农村居民地遥感快速标注方法 | |
CN113160236A (zh) | 一种光伏电池阴影遮挡的图像识别方法 | |
CN116343054A (zh) | 遥感图像的云检测方法、装置、电子设备和存储介质 | |
CN113850173A (zh) | 针对故障光伏组件的消除重复定位的方法、装置及介质 | |
KR20230061815A (ko) | 기후 데이터 및 하늘 사진을 이용한 태양광 발전량 예측 장치 및 이를 이용한 태양광 발전량 예측 방법 | |
CN115457378A (zh) | 基站天面信息检测的方法、装置、设备及存储介质 | |
CN113379738A (zh) | 一种基于图像的疫木检测与定位方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221222 Address after: No. 49, Shenbei Road, Shenbei New District, Shenyang City, Liaoning Province Patentee after: Shenyang Furun solar energy technology development Co.,Ltd. Address before: 250353 University Road, Changqing District, Ji'nan, Shandong Province, No. 3501 Patentee before: Qilu University of Technology |
|
TR01 | Transfer of patent right |