CN113418925A - 一种基于卫星影像的光伏板异常目标检测系统及方法 - Google Patents
一种基于卫星影像的光伏板异常目标检测系统及方法 Download PDFInfo
- Publication number
- CN113418925A CN113418925A CN202110538491.5A CN202110538491A CN113418925A CN 113418925 A CN113418925 A CN 113418925A CN 202110538491 A CN202110538491 A CN 202110538491A CN 113418925 A CN113418925 A CN 113418925A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic panel
- abnormal
- cloud
- module
- image
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 75
- 238000001514 detection method Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000013480 data collection Methods 0.000 claims abstract description 7
- 230000007547 defect Effects 0.000 claims description 40
- 241000208818 Helianthus Species 0.000 claims description 11
- 235000003222 Helianthus annuus Nutrition 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 11
- 239000012634 fragment Substances 0.000 claims description 9
- 230000005855 radiation Effects 0.000 claims description 9
- 238000011160 research Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000000712 assembly Effects 0.000 claims description 6
- 238000000429 assembly Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G01J5/0066—Radiation pyrometry, e.g. infrared or optical thermometry for hot spots detection
-
- 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
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种基于卫星影像的光伏板异常目标检测系统,包括数据收集单元;数据预处理模块;光伏板提取模块;光伏板异常点确定模块;云团检测模块;光伏板异常判断模块;异常目标定位模块。检测方法包括将收集到的卫星影像进行预处理;将光伏板的位置提取出来;提取模块中检测到的光伏板检测框区域进行温度反演;对未含有云的异常点光伏板区域进行判断;对带有异常点的光伏板区域保存其地理位置坐标;根据地理位置坐标定位异常目标所在大组件和组串位置,实现对异常光伏板目标的定位。本发明不仅利用了影像数据的空间特征对异常原因进行分类判断,同时结合了场站光伏板的实时温度,对光伏板原因进行再次判断,准确性更高。
Description
技术领域
本发明涉及一种光伏板异常检测领域,尤其涉及一种基于卫星影像的光伏板异常目标检测系统及方法。
背景技术
光伏板也叫太阳能板,通过吸收太阳光将太阳辐射能通过光电效应或光化学效应直接或间接转换成电能的装置。太阳能电池板是太阳能发电的核心器件,其生产、安装过程中不可避免产生的缺陷将严重影响电池板发电效率,因此对太阳能电池板的缺陷检测是至关重要的。当光伏板工作时,若由于遮挡无法工作,使得被遮盖部分升温远大于未被遮盖部分,往往会致使温度过高烧坏产生暗斑。除此之外,电池片的隐裂加速电池片功率衰减,影响组件正常使用,导致热斑效应。其他常见光伏板异常包括印刷缺陷、边缘断栅、烧结缺陷、加工隐裂、工艺污染、材料缺陷、表面漏电、缺口。
现有技术方案是利用无人机对光伏电站进行图像采集,利用可见光图进行光伏板区域提取,利用红外提取光伏板进行异常目标检测,然后利用人工对异常目标进行确认和矫正。但是目前巡检过程中对无人机的使用规范性较差,对操作技术要求高,操作可靠性低。利用无人机对光伏板巡检时,影像利用率低,耗时长,巡检效果差。
发明内容
为了解决上述技术所存在的不足之处,本发明提供了一种基于卫星影像的光伏板异常目标检测系统及方法。
为了解决以上技术问题,本发明采用的技术方案是:一种基于卫星影像的光伏板异常目标检测系统,包括:
用于收集包含红绿蓝及热红外波段的卫星影像、葵花卫星云图以及现场光伏板实时温度数据的数据收集单元;
用于对收集到的卫星影像进行预处理的数据预处理模块;
用于提取卫星影像中光伏板位置的光伏板提取模块;
对于光伏板提取模块提取出的光伏板位置进行热红外反演,根据反演结果判断异常点位置的光伏板异常点确定模块;
对光伏板区域进行云检测,为卫星影像RGB波段筛除云团遮挡影响的云团检测模块;
对卫星影像检测出的光伏板异常点进行异常原因判断的光伏板异常判断模块;
以及对光伏板异常点进行坐标定位的异常目标定位模块。
一种基于卫星影像的光伏板异常目标检测方法,包括以下步骤:
S1、利用数据收集单元收集卫星影像数据、葵花卫星云图数据以及现场光伏板实时温度数据;其中,卫星影像数据为包含红绿蓝的RGB波段以及热红外波段;
S2、将S1步骤中收集到的卫星影像通过数据预处理模块进行矫正预处理,以得到一个在几何和辐射上真实的图像;
S3、利用光伏板提取模块将S2步骤得到的经预处理后影像中光伏板的位置提取出来;其中,以卫星影像的RGB波段合成的影像为输入,采用非最大抑制算法对输入影像进行光伏板位置检测,并且产生包含光伏板的检测框;
S4、将卫星影像的热红外波段输入至光伏板异常点确定模块中,利用单窗算法对光伏板提取模块中检测到的光伏板检测框区域进行温度反演,若出现温度明显高于或者低于周围的点即为异常点;
S5、以卫星影像RGB波段合成的图像为输入云团检测模块,与葵花卫星云图叠加比对是否有云层,将未含有云的异常点保存输出;
S6、对S5中得到的未含有云的异常点光伏板区域通过光伏板异常判断模块进行判断,判断区域内是否存在黑片、断栅、碎片或隐裂现象;
S7、对S5步骤后输出的带有异常点的光伏板区域进行大组件和小组件排序,同时保存其地理位置坐标;对S6步骤后检测到的缺陷位置进行定位,根据地理位置坐标定位异常目标所在大组件和组串位置,实现对异常光伏板目标的定位。
进一步地,步骤S2中预处理包括辐射校正、几何校正、正射校正以及图像融合。
进一步地,步骤S5中云团检测的步骤为:
a、首先利用SLIC算法对卫星影像RGB波段合成的图像的研究区域进行超像素分割;
b、对有云的影像进行特征提取,包含光谱、纹理、边缘、辐射特征;
c、利用gradient boost算法对步骤a超像素分割的结果进行二分类,判断光伏板异常点是否有云层;
d、人工目视确认:下载包含研究区域的向日葵八号卫星云图,将卫星云图叠加经纬度及行政区域规划图,再次确认异常点区域是否有云遮挡;
e、将未含有云的异常点保存输出,待分析异常点原因。
进一步地,步骤S6中的判断步骤如下:
s1、首先将云团检测模块输出的含有异常点的光伏板区域转换为灰度图,对图像进行分割,目的是将缺陷和非缺陷区域进行分离,对缺陷区域进行分析;
s2、对缺陷区域进行特征提取:平均灰度差Δti、曲率K(L)、复杂度θ以及长宽比R;
平均灰度差指每个像素点灰度值与整个区域平均灰度差值;公式为平均灰度差Δti=ti-t,其中ti是某一像素点灰度值,t是整个光伏板区域平均灰度值;
复杂度是指边界像素点数与整个目标像素点数的比值,公式为复杂度θ=P/A,其中P是边界像素点数,A是整个目标像素点数;
s3、黑片判断:对缺陷区域提取平均灰度差Δti特征量,对特征量大于零的位置进行统计,收集特征量大于零位置光伏板的实时温度,若该点温度比其他位置温度低5±1℃,即该位置为黑片;
s4、断栅判断:对缺陷区域提取平均灰度差Δti和曲率K(L)特征量,当K(L)为无穷大时,检测的缺陷为直线;收集该位置附近光伏板的实时温度,若该位置温度比其他位置温度高且都在40℃以上,即该位置为断栅;
s5、碎片判断:对缺陷区域提取平均灰度差Δti、复杂度θ和长宽比R,由Δti确定缺陷大概位置后,边缘检测提取边界的周长和面积,当θ不为无穷大既是一个常数时,且长宽比R不趋于0或者无穷大时则判定为碎片;收集该碎片位置光伏板的实时温度,若该点温度比其他位置温度高5±1℃,即该位置为碎片;
s6、隐裂判断:对缺陷区域提取平均灰度差Δti特征量,对特征量大于零的位置进行统计,收集特征量大于零位置光伏板的实时温度,若该点温度比其他位置温度高10±2℃,即该位置为隐裂。
本发明利用卫星影像对太阳能电池板的缺陷进行提取判断。卫星影像具有获取容易、宏观、可一次性大面积观测的特点,不需要依靠经验拍摄获取影像(例如无人机需要飞手具有足够的飞行操作技术)。且卫星可以长期连续观测,对光伏板可进行长期时序性监测,不需耗时拍摄影像进行巡检;成本较无人机低。
对光伏板异常位置提取后,对该位置进行云团检测,该步骤排除了云团遮挡对卫星影像监测时的影响,防止因为云对光伏板是否异常产生错误判断。
本发明先利用卫星影像的RGB波段对光伏板进行位置检测,之后基于热红外波段影像通过温度反演的方式对该检测框内进行光伏板异常点位置确定,减少了对整幅影像都做温度异常分析的工作量,使得光伏板异常点位置确定的效率提升。
本发明不仅利用了影像数据的空间特征对异常原因进行分类判断,同时结合了场站光伏板的实时温度,对光伏板原因进行再次判断,准确性更高。
附图说明
图1为本发明检测光伏板异常目标的系统示意图。
图2为光伏板异常检测分析管理单元的逻辑梳理图。
图3为光伏板提取模块流程图。
图4为光伏板提取模块结果示意图。
图5为光伏板异常点确定模块结果示意图。
图6为云团检测模块过程示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1和图2所示的基于卫星影像的光伏板异常目标检测系统,包括以下几个组成部分:
一、数据收集单元:用于收集卫星影像(分辨率、波段)数据、葵花八号云图数据、现场光伏板实时温度数据。
二、分析管理单元:数据预处理模块;光伏板提取模块;光伏板异常点确定模块;云团检测模块;光伏板异常判断模块;异常目标定位模块。
检测方法包括以下步骤:
S1、数据收集单元:该单元包括卫星影像的收集、葵花八号卫星云图的收集和现场光伏板实时温度数据。为实现红外反演,对光伏板异常位置进行判断,卫星影像需包含红绿蓝及热红外波段;为能够良好的识别光伏板组件位置,卫星影像分辨率需达到米级。
S2、数据预处理模块:该模块是对收集到的卫星影像进行辐射校正、几何校正、正射校正等预处理。目的是纠正原始图像中的几何与辐射变形,以此得到一个在几何和辐射上真实的图像。
辐射校正是指一切与辐射相关的误差校正,消除干扰,得到真实反射率数据。包括辐射定标、大气纠正。
几何校正是利用GCP纠正各种因素引起的几何变形,对影像进行地理坐标定位,获得真实坐标信息。
正射校正目的是消除地形的影响或是相机方位引起的变形等,生成平面正射影像的处理过程。
除此之外,对影像进行图像融合处理,是指将不同空间或者光谱分辨率的遥感影像,按照一定的规则或者算法进行运算处理,生成高空间分辨率多光谱影像的过程,使图像具有更丰富、精确的信息。
S3、光伏板提取模块:该模块的功能是将影像中光伏板位置提取出,为后续光伏板异常点定位做准备。
该模块的流程图如图3,输入是卫星影像的RGB波段合成的影像,采用非最大抑制算法(Non-maximum suppression,NMS)对输入影像进行光伏板位置检测。基于物体检测分数产生检测框,分数最高的检测框M被选中,其他与被选中检测框有明显重叠的检测框被抑制。该过程不断递归应用于其余检测框。最终得到包含光伏板的检测框,结果如图4所示。
S4、光伏板异常点确定模块:基于光伏板提取模块提取出的光伏板检测框,对检测框内进行热红外反演,根据反演结果判断异常点位置。
如图5所示,该模块的输入是卫星影像的热红外波段,利用单窗算法对光伏板提取模块中检测到的光伏板检测框区域进行温度反演。若出现温度明显高于或者低于周围的点即为异常点。
S5、云团检测模块:该模块是对光伏板区域进行云检测,为卫星影像筛除云团遮挡的影响。
该模块研究区域为光伏板区域。步骤如下:
(1)首先利用SLIC算法对卫星影像RGB波段合成的图像的研究区域进行超像素分割;
(2)对有云的影像进行特征提取,包含光谱、纹理、边缘、辐射特征;
(3)利用gradient boost算法对步骤(1)超像素分割的结果进行二分类,判断光伏板异常点是否有云层;
(4)人工目视确认:下载包含研究区域的向日葵八号卫星云图,将卫星云图叠加经纬度及行政区域规划图,如图6,再次确认异常点区域是否有云遮挡;
(5)将未含有云的异常点保存输出,待分析异常点原因。
S6、光伏板异常判断模块:该模块功能是对卫星影像检测出的光伏板异常点进行异常原因判断,主要判断的异常有黑片、断栅、碎片、隐裂。该模块的研究区域为云团检测后输出的含有异常点的光伏板区域。研究步骤如下:
(1)首先将云团检测模块输出的含有异常点的光伏板区域转换为灰度图,对图像进行分割,分割方法采用的是基于阈值的自动识别Canny算法,目的是将缺陷和非缺陷区域进行分离,可以进一步的对感兴趣目标(缺陷区域)进行分析;
(2)对缺陷区域进行特征提取:主要特征有平均灰度差Δti、曲率K(L)、复杂度θ、长宽比R。
平均灰度差指每个像素点灰度值与整个区域平均灰度差值;公式为平均灰度差Δti=ti-t,其中ti是某一像素点灰度值,t是整个光伏板区域平均灰度值。
复杂度是指边界像素点数与整个目标像素点数的比值,公式为复杂度θ=P/A,其中P是边界像素点数,A是整个目标像素点数。
(3)黑片判断:对缺陷区域提取平均灰度差Δti特征量,对特征量大于零的位置进行统计,并做出判断。收集特征量大于零位置光伏板的实时温度,若该点温度比其他位置温度低5±1℃,即该位置为黑片。
(4)断栅判断:对缺陷区域提取平均灰度差Δti和曲率K(L)特征量,当K(L)为无穷大时,检测的缺陷为直线。收集该位置附近光伏板的实时温度,若该位置温度比其他位置温度高且都在40℃以上,即该位置为断栅。
(5)碎片判断:对缺陷区域提取平均灰度差Δti、复杂度θ和长宽比R,由Δti确定缺陷大概位置后,边缘检测提取边界的周长和面积,当θ不为无穷大既是一个常数时。且长宽比R不趋于0或者无穷大时则判定为碎片。收集该碎片位置光伏板的实时温度,若该点温度比其他位置温度高5±1℃,即该位置为碎片。
(6)隐裂判断:对缺陷区域提取平均灰度差Δti特征量,对特征量大于零的位置进行统计,并作出判断。收集特征量大于零位置光伏板的实时温度,若该点温度比其他位置温度高10±2℃,即该位置为隐裂。
S7、异常目标定位模块:对S5步骤后输出的带有异常点的光伏板区域进行大组件和小组件排序,同时保存其地理位置坐标;对S6步骤后检测到的缺陷位置进行定位,根据地理位置坐标定位异常目标所在大组件和组串位置,实现对异常光伏板目标的定位。
上述实施方式并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换,也均属于本发明的保护范围。
Claims (5)
1.一种基于卫星影像的光伏板异常目标检测系统,其特征在于:包括:
用于收集包含红绿蓝及热红外波段的卫星影像、葵花卫星云图以及现场光伏板实时温度数据的数据收集单元;
用于对收集到的卫星影像进行预处理的数据预处理模块;
用于提取卫星影像中光伏板位置的光伏板提取模块;
对于光伏板提取模块提取出的光伏板位置进行热红外反演,根据反演结果判断异常点位置的光伏板异常点确定模块;
对光伏板区域进行云检测,为卫星影像RGB波段筛除云团遮挡影响的云团检测模块;
对卫星影像检测出的光伏板异常点进行异常原因判断的光伏板异常判断模块;
以及对光伏板异常点进行坐标定位的异常目标定位模块。
2.一种如权利要求1所述的基于卫星影像的光伏板异常目标检测方法,其特征在于:包括以下步骤:
S1、利用数据收集单元收集卫星影像数据、葵花卫星云图数据以及现场光伏板实时温度数据;其中,卫星影像数据为包含红绿蓝的RGB波段以及热红外波段;
S2、将S1步骤中收集到的卫星影像通过数据预处理模块进行矫正预处理,以得到一个在几何和辐射上真实的图像;
S3、利用光伏板提取模块将S2步骤得到的经预处理后影像中光伏板的位置提取出来;其中,以卫星影像的RGB波段合成的影像为输入,采用非最大抑制算法对输入影像进行光伏板位置检测,并且产生包含光伏板的检测框;
S4、将卫星影像的热红外波段输入至光伏板异常点确定模块中,利用单窗算法对光伏板提取模块中检测到的光伏板检测框区域进行温度反演,若出现温度明显高于或者低于周围的点即为异常点;
S5、以卫星影像RGB波段合成的图像为输入云团检测模块,与葵花卫星云图叠加比对是否有云层,将未含有云的异常点保存输出;
S6、对S5中得到的未含有云的异常点光伏板区域通过光伏板异常判断模块进行判断,判断区域内是否存在黑片、断栅、碎片或隐裂现象;
S7、对S5步骤后输出的带有异常点的光伏板区域进行大组件和小组件排序,同时保存其地理位置坐标;对S6步骤后检测到的缺陷位置进行定位,根据地理位置坐标定位异常目标所在大组件和组串位置,实现对异常光伏板目标的定位。
3.根据权利要求2所述的基于卫星影像的光伏板异常目标检测方法,其特征在于:步骤S2中预处理包括辐射校正、几何校正、正射校正以及图像融合。
4.根据权利要求2所述的基于卫星影像的光伏板异常目标检测系统,其特征在于:步骤S5中云团检测的步骤为:
a、首先利用SLIC算法对卫星影像RGB波段合成的图像的研究区域进行超像素分割;
b、对有云的影像进行特征提取,包含光谱、纹理、边缘、辐射特征;
c、利用gradient boost算法对步骤a超像素分割的结果进行二分类,判断光伏板异常点是否有云层;
d、人工目视确认:下载包含研究区域的向日葵八号卫星云图,将卫星云图叠加经纬度及行政区域规划图,再次确认异常点区域是否有云遮挡;
e、将未含有云的异常点保存输出,待分析异常点原因。
5.根据权利要求2所述的基于卫星影像的光伏板异常目标检测系统,其特征在于:步骤S6中的判断步骤如下:
s1、首先将云团检测模块输出的含有异常点的光伏板区域转换为灰度图,对图像进行分割,目的是将缺陷和非缺陷区域进行分离,对缺陷区域进行分析;
s2、对缺陷区域进行特征提取:平均灰度差Δti、曲率K(L)、复杂度θ以及长宽比R;
平均灰度差指每个像素点灰度值与整个区域平均灰度差值;公式为平均灰度差Δti=ti-t,其中ti是某一像素点灰度值,t是整个光伏板区域平均灰度值;
复杂度是指边界像素点数与整个目标像素点数的比值,公式为复杂度θ=P/A,其中P是边界像素点数,A是整个目标像素点数;
s3、黑片判断:对缺陷区域提取平均灰度差Δti特征量,对特征量大于零的位置进行统计,收集特征量大于零位置光伏板的实时温度,若该点温度比其他位置温度低5±1℃,即该位置为黑片;
s4、断栅判断:对缺陷区域提取平均灰度差Δti和曲率K(L)特征量,当K(L)为无穷大时,检测的缺陷为直线;收集该位置附近光伏板的实时温度,若该位置温度比其他位置温度高且都在40℃以上,即该位置为断栅;
s5、碎片判断:对缺陷区域提取平均灰度差Δti、复杂度θ和长宽比R,由Δti确定缺陷大概位置后,边缘检测提取边界的周长和面积,当θ不为无穷大既是一个常数时,且长宽比R不趋于0或者无穷大时则判定为碎片;收集该碎片位置光伏板的实时温度,若该点温度比其他位置温度高5±1℃,即该位置为碎片;
s6、隐裂判断:对缺陷区域提取平均灰度差Δti特征量,对特征量大于零的位置进行统计,收集特征量大于零位置光伏板的实时温度,若该点温度比其他位置温度高10±2℃,即该位置为隐裂。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110538491.5A CN113418925A (zh) | 2021-05-18 | 2021-05-18 | 一种基于卫星影像的光伏板异常目标检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110538491.5A CN113418925A (zh) | 2021-05-18 | 2021-05-18 | 一种基于卫星影像的光伏板异常目标检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113418925A true CN113418925A (zh) | 2021-09-21 |
Family
ID=77712455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110538491.5A Pending CN113418925A (zh) | 2021-05-18 | 2021-05-18 | 一种基于卫星影像的光伏板异常目标检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113418925A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114926395A (zh) * | 2022-04-12 | 2022-08-19 | 尚特杰电力科技有限公司 | 一种光伏电板红外图像掉串检测方法和系统 |
TWI777866B (zh) * | 2021-11-26 | 2022-09-11 | 國立勤益科技大學 | 太陽光電模組檢測系統及其方法 |
CN116188585A (zh) * | 2023-04-24 | 2023-05-30 | 成都垣景科技有限公司 | 一种基于无人机摄影测量的山区光伏目标定位方法 |
CN116344378A (zh) * | 2023-03-31 | 2023-06-27 | 江苏神州新能源电力有限公司 | 一种光伏板生产用智能检测系统及其检测方法 |
CN117172962A (zh) * | 2023-07-17 | 2023-12-05 | 南京工业职业技术大学 | 基于电力系统的用电节能方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913421A (zh) * | 2016-04-07 | 2016-08-31 | 西安电子科技大学 | 基于自适应形状暗通道的遥感图像云检测方法 |
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 |
CN108390645A (zh) * | 2018-02-11 | 2018-08-10 | 同济大学 | 基于无人机和热成像技术的光伏板故障定位方法 |
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 |
CN111611921A (zh) * | 2020-05-21 | 2020-09-01 | 佛山市高明曦逻科技有限公司 | 一种基于遥感大数据的太阳能板识别系统 |
CN112330582A (zh) * | 2020-12-24 | 2021-02-05 | 黑龙江省网络空间研究中心 | 一种无人机图像与卫星遥感影像融合算法 |
CN112564619A (zh) * | 2021-01-14 | 2021-03-26 | 沈阳富润太阳能科技开发有限公司 | 基于温度测量的光伏离网电站故障检测装置 |
-
2021
- 2021-05-18 CN CN202110538491.5A patent/CN113418925A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913421A (zh) * | 2016-04-07 | 2016-08-31 | 西安电子科技大学 | 基于自适应形状暗通道的遥感图像云检测方法 |
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 |
CN108390645A (zh) * | 2018-02-11 | 2018-08-10 | 同济大学 | 基于无人机和热成像技术的光伏板故障定位方法 |
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 |
CN111611921A (zh) * | 2020-05-21 | 2020-09-01 | 佛山市高明曦逻科技有限公司 | 一种基于遥感大数据的太阳能板识别系统 |
CN112330582A (zh) * | 2020-12-24 | 2021-02-05 | 黑龙江省网络空间研究中心 | 一种无人机图像与卫星遥感影像融合算法 |
CN112564619A (zh) * | 2021-01-14 | 2021-03-26 | 沈阳富润太阳能科技开发有限公司 | 基于温度测量的光伏离网电站故障检测装置 |
Non-Patent Citations (2)
Title |
---|
张建 等, 贵州人民出版社 * |
王亚丽 等: "基于红外成像太阳能板缺陷检测方法研究", 《测控技术》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI777866B (zh) * | 2021-11-26 | 2022-09-11 | 國立勤益科技大學 | 太陽光電模組檢測系統及其方法 |
CN114926395A (zh) * | 2022-04-12 | 2022-08-19 | 尚特杰电力科技有限公司 | 一种光伏电板红外图像掉串检测方法和系统 |
CN116344378A (zh) * | 2023-03-31 | 2023-06-27 | 江苏神州新能源电力有限公司 | 一种光伏板生产用智能检测系统及其检测方法 |
CN116344378B (zh) * | 2023-03-31 | 2024-01-23 | 江苏神州新能源电力有限公司 | 一种光伏板生产用智能检测系统及其检测方法 |
CN116188585A (zh) * | 2023-04-24 | 2023-05-30 | 成都垣景科技有限公司 | 一种基于无人机摄影测量的山区光伏目标定位方法 |
CN117172962A (zh) * | 2023-07-17 | 2023-12-05 | 南京工业职业技术大学 | 基于电力系统的用电节能方法及系统 |
CN117172962B (zh) * | 2023-07-17 | 2024-04-16 | 南京工业职业技术大学 | 基于电力系统的用电节能方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113418925A (zh) | 一种基于卫星影像的光伏板异常目标检测系统及方法 | |
Aghaei et al. | Innovative automated control system for PV fields inspection and remote control | |
de Oliveira et al. | Aerial infrared thermography for low-cost and fast fault detection in utility-scale PV power plants | |
CN110244766B (zh) | 一种光伏电站无人机巡检航线的规划方法及系统 | |
Di Tommaso et al. | A multi-stage model based on YOLOv3 for defect detection in PV panels based on IR and visible imaging by unmanned aerial vehicle | |
Kim et al. | Automatic fault recognition of photovoltaic modules based on statistical analysis of UAV thermography | |
CN111144324B (zh) | 一种无人机巡检光伏板异常目标分析管理系统及方法 | |
Liao et al. | Using Matlab real-time image analysis for solar panel fault detection with UAV | |
CN109345586A (zh) | 基于紫外成像技术的电气设备放电特征提取方法 | |
KR102136106B1 (ko) | 태양광 발전량 예측 장치 | |
CN115294031A (zh) | 基于红外热成像分析的光伏组件故障图像识别方法 | |
CN112880837A (zh) | 一种设备故障分析方法 | |
CN115642877A (zh) | 一种基于深度学习的光伏组件异常遮挡检测方法及系统 | |
Guerriero et al. | Automatic edge identification for accurate analysis of thermographic images of solar panels | |
Francesco et al. | A semi-automated method for defect identification in large photovoltaic power plants using unmanned aerial vehicles | |
CN113989644B (zh) | 基于Himawari-8数据的沙尘区域获取方法 | |
CN108418550A (zh) | 集群太阳能板的缺陷检测和定位方法 | |
CN112326039B (zh) | 一种光伏电站巡检辅助系统 | |
CN112270234B (zh) | 一种基于航拍图像的输电线路绝缘子目标识别方法 | |
CN113963370A (zh) | 一种光伏电站中光伏设备的编号方法及编号装置 | |
CN113962929A (zh) | 光伏电池组件缺陷检测方法、系统及光伏电池组件生产线 | |
US20230042106A1 (en) | System and method for the statistical analysis of images of photovoltaic panels | |
CN109033984B (zh) | 一种夜间雾快速自动检测方法 | |
Kim et al. | Automatic detection of malfunctioning photovoltaic modules using unmanned aerial vehicle thermal infrared images | |
Rodriguez et al. | Segmentation and error detection of PV modules |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210921 |