CN113160236A - 一种光伏电池阴影遮挡的图像识别方法 - Google Patents

Abstract

本发明属于光伏发电领域，具体地而言为一种光伏电池阴影遮挡的图像识别方法。为了找出被遮挡的光伏电池的位置，该方法采用了亚像素图像匹配的方法，并且结合光伏电站的特点，通过四叉树图像分割方法实现了遮挡识别和计算遮挡面积的双重功能。首先在电站运行正常时，获取光伏电站的原始图像，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阴影遮挡。解决了大型光伏电站运营期间，常常被灰尘、鸟粪、阴影等遮挡，大大降低了发电量，甚至引起火灾的发生。

Description

一种光伏电池阴影遮挡的图像识别方法

技术领域

本发明属于光伏发电领域，具体地而言为一种光伏电池阴影遮挡的图像识别方法。

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。局部遮挡及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，或采用高清摄像对图像的局部遮挡进行识别。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高清摄像机以及热成像仪来获得光伏电池的图像及其温度值，用于判断光伏电站是否正常发电。

然而灰尘、鸟粪等局部遮挡在短时间内并不会引起温度升高以及热斑效应，这时无法通过温度进行检测，因此需要同时采用高清摄像的方法，对光伏电池图像进行分析和处理。

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阴影遮挡的图像识别方法，解决灰尘、鸟粪等局部遮挡在短时间内并不会引起温度升高以及热斑效应，这时无法通过温度进行检测的问题。

本发明是这样实现的，一种光伏电池阴影遮挡的图像识别方法，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：拍摄待检测图像；

步骤3：将原始样本图像和待检测图像转换成灰度图像；

步骤4：将待检测图像进行四叉树分割；

步骤5：再采用亚像素梯度匹配算法，将待检测图像与原始样本图像进行匹配，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C_k(p)的值；

步骤6：均方差阈值判别方法，计算出各个图像像素最小匹配值C_k(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阴影遮挡，然后计算出完全被遮挡处的面积值；对“部分”遮挡的范围再继续分割，进行同样处理，直到分割成“空”和“满”为止；计算出被阴影遮挡部分的总面积；

步骤7：选择每天的多个时间段，分别计算出被阴影遮挡的总面积，当面积值相等时，认为是实阴影遮挡；否则，认为是虚阴影遮挡。

进一步地，步骤1拍摄样本图像：

在电站没有任何阴影遮挡的状态下，选择晴好天气，用高清摄像头，确定好拍摄位置，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，用所述的高清摄像头，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。

进一步地，步骤4将待检测图像进行四叉树分割：采用四叉树方法，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被阴影遮挡；“空”表示待检测图像全部无阴影遮挡；“部分”表示待检测图像有的地方被阴影遮挡，而有的地方无阴影遮挡；对于“满”和“空”的情况不需要再进行图相匹配；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，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f_k(x,y)，带上划线为均值，中心点为P_k(X_k,Y_k)；待检测图像每一个像素点的像素值为g_k(x,y)，带上划线为均值，中心点为P_1k(X_1k,Y_1k)；待检测图像像素点矩阵行和列的个数为M和N，则得出：

当求得的C_k(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：

(u_k,v_k)＝(X_k-X_1k,Y_k-Y_1k) (2)。

进一步地，步骤5计算亚像素点值：

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f_i，待检测图像为g_i，像素之间的间隔距离为R，亚像素与边界的距离为h₁和h₂，则得出亚像素点f_i的值为：

同理可得出亚像素点g_i的值为：

进一步地，步骤5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：

从而计算出dx和dy的值，得出中心点的位移为：

(u_k,v_k)＝(X_k-X_1k-dx_k,Y_k-Y_1k-dy_k) (12)

因此带入到公式(1)可以计算出亚像素匹配的C_k(p)的值。

进一步地，步骤6判断图像是否被遮挡

将亚像素匹配点计算出的C_k(p)的值由小到大进行排序，将排序完以后的数值记为C_s(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：

Z_k＝|C_k(p)-C(p)| (14)

当Z_K大于指定的阈值时，则认为光伏电池被阴影遮挡。

进一步地，步骤6计算被遮挡图像的面积：

对于判断出“满”的图像范围，认为是被遮挡的图像，假设整个图像的面积为S，i表示第i次分割，共需要分割c次完成，则得出第i次分割是“满”的区域的面积为

最后被遮挡处图像的面积S_z为：

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。

进一步地，选择每天的多个时间段，分别计算出被阴影遮挡的总面积，当面积值相等时，认为是实阴影遮挡；否则，认为是虚阴影遮挡。

本发明与现有技术相比，有益效果在于：

本发明采用图像的亚像素匹配方法，首先在电站运行正常时，预先拍摄好原始图像样本，然后再将待检测的图像和原始图像转换成灰度图像，最后再将两者进行亚像素图像匹配，从而找出非正常发电的位置，实验过程中，选取了正常情况下的光伏电池、模拟的鸟粪遮挡的光伏电池、以及阴影遮挡的光伏电池的图像，将后两种图像与第一种图像进行匹配计算，得出了较好的计算结果，此计算结果还可应用于光伏热成像的图像处理中。此方法也适用于红外图像中热斑的识别。

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，测量设备由光伏电池模块、高清摄像头、图像识别模块、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；高清摄像头用于拍摄光伏电池的图像，高清摄像头的输出端与图像识别模块的输入端连接，将拍摄的光伏电池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。

所述图像识别模块用于将拍摄的光伏电池图像进行图像识别，识别出光伏电池是否被阴影遮挡、计算出被遮挡图像的面积以及区分出实阴影遮挡和虚阴影遮挡。该方法采用了亚像素图像匹配的方法，并且结合光伏电站的特点，通过四叉树图像分割方法实现了遮挡识别和计算遮挡面积的双重功能。首先在电站运行正常时，获取光伏电站的原始图像，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阴影遮挡，然后计算出完全被遮挡处的面积值；对“部分”遮挡的范围再继续分割，进行同样处理，直到分割成“空”和“满”为止；计算出被阴影遮挡部分的总面积。最后选择每天的多个时间段，分别通过上述方法计算出被阴影遮挡的总面积，当面积值相等时，认为是实阴影遮挡；否则，认为是虚阴影遮挡。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：拍摄待检测图像；

步骤3：将原始样本图像和待检测图像转换成灰度图像；

步骤4：将待检测图像进行四叉树分割；

步骤5：再采用亚像素梯度匹配算法，将待检测图像与原始样本图像进行匹配，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C_k(p)的值；

步骤6：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阴影遮挡，然后计算出完全被遮挡处的面积值；对“部分”遮挡的范围再继续分割，进行同样处理，直到分割成“空”和“满”为止；计算出被阴影遮挡部分的总面积；

步骤7：选择每天的多个时间段，分别计算出被阴影遮挡的总面积，当面积值相等时，认为是实阴影遮挡；否则，认为是虚阴影遮挡。

具体的，步骤1拍摄样本图像

在电站没有任何阴影遮挡的状态下，选择晴好天气，用所述的高清摄像头，确定好拍摄位置，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，用所述的高清摄像头，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；

图像的四叉树分割：

采用四叉树方法，如图3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被阴影遮挡；“空”表示待检测图像全部无阴影遮挡；“部分”表示待检测图像有的地方被阴影遮挡，而有的地方无阴影遮挡。对于“满”和“空”的情况不需要再进行图相匹配；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。

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f_k(x,y)，带上划线为均值，中心点为P_k(X_k,Y_k)；待检测图像每一个像素点的像素值为g_k(x,y)，带上划线为均值，中心点为P_1k(X_1k,Y_1k)；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C_k(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：

(u_k,v_k)＝(X_k-X_1k,Y_k-Y_1k) (2)

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f_i，待检测图像为g_i，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2(a)和(b)所示，则可以得出亚像素点f_i的值为：

同理可得出亚像素点g_i的值为：

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：

(u_k,v_k)＝(X_k-X_1k-dx_k,Y_k-Y_1k-dy_k) (12)

因此带入到公式(1)可以计算出亚像素匹配的C_k(p)的值。

判断图像是否被遮挡

将亚像素匹配点计算出的C_k(p)的值由小到大进行排序，将排序完以后的数值记为C_s(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：

Z_k＝|C_k(p)-C(p)| (14)

当Z_K大于指定的阈值时，则认为光伏电池被阴影遮挡。

计算被遮挡图像的面积

对于判断出“满”的图像范围，认为是被遮挡的图像，假设整个图像的面积为S，i表示第i次分割，共需要分割c次完成，则可以得出第i次分割是“满”的区域的面积为

最后被遮挡处图像的面积S_z为：

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。

区分实阴影遮挡和虚阴影遮挡：

选择每天的多个时间段，分别通过上述方法计算出被阴影遮挡的总面积，当面积值相等时，认为是实阴影遮挡；否则，认为是虚阴影遮挡。将随着每天的时间变化，光伏电池的局部始终被阴影遮挡的情况为实阴影遮挡；反之，随着每天的时间变化，光伏电池的局部有时被阴影遮挡，而有时又不被阴影遮挡的情况，为虚阴影遮挡；通过计算出被阴影遮挡的面积，区分出实阴影遮挡和虚阴影遮挡。

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 (9)

1.一种光伏电池阴影遮挡的图像识别方法，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：拍摄待检测图像；

步骤3：将原始样本图像和待检测图像转换成灰度图像；

步骤4：将待检测图像进行四叉树分割；

步骤5：再采用亚像素梯度匹配算法，将待检测图像与原始样本图像进行匹配，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C_k(p)的值；

步骤6：均方差阈值判别方法，计算出各个图像像素最小匹配值C_k(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阴影遮挡，然后计算出完全被遮挡处的面积值；对“部分”遮挡的范围再继续分割，进行同样处理，直到分割成“空”和“满”为止；计算出被阴影遮挡部分的总面积；

步骤7：选择每天的多个时间段，分别计算出被阴影遮挡的总面积，当面积值相等时，认为是实阴影遮挡；否则，认为是虚阴影遮挡。

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：

在电站没有任何阴影遮挡的状态下，选择晴好天气，用高清摄像头，确定好拍摄位置，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，用所述的高清摄像头，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。

3.按照权利要求1所述的方法，其特征在于，步骤4将待检测图像进行四叉树分割：采用四叉树方法，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被阴影遮挡；“空”表示待检测图像全部无阴影遮挡；“部分”表示待检测图像有的地方被阴影遮挡，而有的地方无阴影遮挡；对于“满”和“空”的情况不需要再进行图相匹配；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。

4.按照权利要求1所述的方法，其特征在于，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f_k(x,y)，带上划线为均值，中心点为P_k(X_k,Y_k)；待检测图像每一个像素点的像素值为g_k(x,y)，带上划线为均值，中心点为P_1k(X_1k,Y_1k)；待检测图像像素点矩阵行和列的个数为M和N，则得出：

当求得的C_k(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：

(u_k,v_k)＝(X_k-X_1k,Y_k-Y_1k) (2)。

5.按照权利要求4所述的方法，其特征在于，步骤5计算亚像素点值：

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f_i，待检测图像为g_i，像素之间的间隔距离为R，亚像素与边界的距离为h₁和h₂，则得出亚像素点f_i的值为：

同理可得出亚像素点g_i的值为：

6.按照权利要求5所述的方法，其特征在于，步骤5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：

从而计算出dx和dy的值，得出中心点的位移为：

(u_k,v_k)＝(X_k-X_1k-dx_k,Y_k-Y_1k-dy_k) (12)

因此带入到公式(1)可以计算出亚像素匹配的C_k(p)的值。

7.按照权利要求6所述的方法，其特征在于，步骤6判断图像是否被遮挡

将亚像素匹配点计算出的C_k(p)的值由小到大进行排序，将排序完以后的数值记为C_s(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：

Z_k＝|C_k(p)-C(p)| (14)

当Z_K大于指定的阈值时，则认为光伏电池被阴影遮挡。

8.按照权利要求6所述的方法，其特征在于，步骤6计算被遮挡图像的面积：

对于判断出“满”的图像范围，认为是被遮挡的图像，假设整个图像的面积为S，i表示第i次分割，共需要分割c次完成，则得出第i次分割是“满”的区域的面积为

最后被遮挡处图像的面积S_z为：

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。

9.按照权利要求1所述的方法，其特征在于，选择每天的多个时间段，分别计算出被阴影遮挡的总面积，当面积值相等时，认为是实阴影遮挡；否则，认为是虚阴影遮挡。

Images