CN114648531A - 基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法 - Google Patents
基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法 Download PDFInfo
- Publication number
- CN114648531A CN114648531A CN202210546499.0A CN202210546499A CN114648531A CN 114648531 A CN114648531 A CN 114648531A CN 202210546499 A CN202210546499 A CN 202210546499A CN 114648531 A CN114648531 A CN 114648531A
- Authority
- CN
- China
- Prior art keywords
- solar panel
- image
- dust
- area
- hoyer
- 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.)
- Granted
Links
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10024—Color image
-
- 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
Abstract
本发明公开了一种基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法,主要包括以下步骤,首先获取太阳能面板彩色图像,其次使对图像进行语义分割保留研究关注的面板区域,随后逐像素计算太阳能面板区域RGB三通道的Hoyer统计值,并根据Hoyer统计值获取逻辑矩阵,将彩色图形转换为灰度图像并根据灰度图像亮度获取逻辑矩阵,最终结合两个逻辑矩阵进行最终表面灰尘区域的判断。本发明具有训练成本低、评估速度快的优点,能够快速进行太阳能面板表面灰尘区域的检测和定位。
Description
技术领域
本发明涉及数字图像处理技术领域,特别涉及一种基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法。
背景技术
太阳能面板是指利用半导体材料在光照条件下发生光电效应,将太阳能直接转换为电能的器件,是诸多太阳能利用方式中最直接的一种。目前我国在光照资源比较丰富的地区大面积铺设太阳能面板,建立了完整的产业链和技术积累。然而表面灰尘的黏附不可避免地影响着面板的光电转换率,制约了其性能的进一步提升。
发明内容
本发明的目的在于,提供一种基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法。本发明具有训练成本低、评估速度快的优点,能够快速进行太阳能面板表面灰尘区域的检测和定位。
本发明的技术方案:基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法,包括以下步骤:
S1:获取太阳能面板的彩色数字图像;
S2:对获取的彩色数字图像进行语义分割,实现太阳能面板区域及其他区域的自适应分割;
S3:根据语义分割结果,保留面板区域并删除其他区域元素;
S4:逐像素计算太阳能面板区域RGB三通道的Hoyer统计值;
S5:根据预设Hoyer统计值阈值进行太阳能面板表面灰尘区域的初步辨识,并获得其逻辑矩阵;
S6:将彩色图像转换为灰度图像,根据预设灰度图像亮度阈值进行太阳能面板表面灰尘区域的约束,并获得其逻辑矩阵;
S7:根据前述生成的两个逻辑矩阵进行最终表面灰尘区域的判断。
前述的基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法中,所述的步骤S3中,保留面板区域并删除其他区域元素的提取方法为:
前述的基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法中,所述的步骤S4中,三通道的Hoyer统计值为:
前述的基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法中,所述的步骤S5中,其逻辑矩阵的具体获取方法为:
前述的基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法中,所述的步骤S6中,其逻辑矩阵的具体获取方法为:
前述的基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法中,所述的步骤S7中,表面灰尘区域的判断方法为:
与现有技术相比,本发明具有以下优点:
本发明首先获取太阳能面板彩色图像,其次使对图像进行语义分割保留研究关注的面板区域,随后逐像素计算太阳能面板区域RGB三通道的Hoyer统计值,并根据Hoyer统计值获取逻辑矩阵,将彩色图形转换为灰度图像并根据灰度图像亮度获取逻辑矩阵,最终结合两个逻辑矩阵进行最终表面灰尘区域的判断。本发明具有训练成本低、评估速度快的优点,能够快速进行太阳能面板表面灰尘区域的检测和定位。Hoyer统计值是一种典型的稀疏性评价指标,本发明利用不同色彩通道亮度分布的Hoyer统计值(Hoyer统计值对样本分布情况非常敏感)对太阳能面板表面灰尘状态进行辨识。
附图说明
图1是本发明的流程图;
图2是本发明中实施例1中提取到的面板区域图像;
图3是本发明中实施例1中获取到的Hoyer统计值分布;
图4是本发明的实施例1根据Hoyer统计值获取的逻辑矩阵;
图5是本发明中实施例1中根据灰度图像亮度获取的逻辑矩阵;
图6是本发明中实施例1中识别到的表面灰尘区域判断结果;
图7是本发明中实施例2中提取到的面板区域图像;
图8是本发明中实施例2中获取到的Hoyer统计值分布;
图9是本发明的实施例2根据Hoyer统计值获取的逻辑矩阵;
图10是本发明中实施例2中根据灰度图像亮度获取的逻辑矩阵;
图11是本发明中实施例2中识别到的表面灰尘区域判断结果。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明,但并不作为对本发明限制的依据。
实施例1:基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法,其流程图如图1所示,包括以下步骤:
S1:获取太阳能面板的彩色数字图像;
S2:对获取的彩色数字图像进行语义分割,实现太阳能面板区域及其他区域的自适应分割;
S3:根据语义分割结果,保留面板区域并删除其他区域元素;结果如图2所示,保留面板区域并删除其他区域元素的提取方法为:
S4:逐像素计算太阳能面板区域RGB三通道的Hoyer统计值;结果如图3所示,
三通道的Hoyer统计值为:
S5:根据预设Hoyer统计值阈值进行太阳能面板表面灰尘区域的初步辨识,并获得其逻辑矩阵;结果如图4所示;
其逻辑矩阵的具体获取方法为:
S6:将彩色图像转换为灰度图像,其具体转换方法为:
其中,I为生成的灰度图像,R为彩色图像的红色通道,G为彩色图像的绿色通道,B为彩色图像的蓝色通道;
根据预设灰度图像亮度阈值进行太阳能面板表面灰尘区域的约束,并获得其逻辑矩阵;结果如图5所示,
其逻辑矩阵的具体获取方法为:
S7:根据前述生成的两个逻辑矩阵进行最终表面灰尘区域的判断,结果如图6所示;
表面灰尘区域的判断方法为:
实施例2:基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法,其流程图如图1所示,包括以下步骤:
S1:获取太阳能面板的彩色数字图像;
S2:对获取的彩色数字图像进行语义分割,实现太阳能面板区域及其他区域的自适应分割;
S3:根据语义分割结果,保留面板区域并删除其他区域元素;结果如图7所示,保留面板区域并删除其他区域元素的提取方法为:
S4:逐像素计算太阳能面板区域RGB三通道的Hoyer统计值;结果如图8所示,
三通道的Hoyer统计值为:
S5:根据预设Hoyer统计值阈值进行太阳能面板表面灰尘区域的初步辨识,并获得其逻辑矩阵;结果如图9所示;
其逻辑矩阵的具体获取方法为:
S6:将彩色图像转换为灰度图像,其具体转换方法为:
其中,I为生成的灰度图像,R为彩色图像的红色通道,G为彩色图像的绿色通道,B为彩色图像的蓝色通道;
根据预设灰度图像亮度阈值进行太阳能面板表面灰尘区域的约束,并获得其逻辑矩阵;结果如图10所示,
其逻辑矩阵的具体获取方法为:
S7:根据前述生成的两个逻辑矩阵进行最终表面灰尘区域的判断,结果如图11所示;
表面灰尘区域的判断方法为:
综上所述,本发明首先获取太阳能面板彩色图像,其次使对图像进行语义分割保留研究关注的面板区域,随后逐像素计算太阳能面板区域RGB三通道的Hoyer统计值,并根据Hoyer统计值获取逻辑矩阵,将彩色图形转换为灰度图像并根据灰度图像亮度获取逻辑矩阵,最终结合两个逻辑矩阵进行最终表面灰尘区域的判断。本发明具有训练成本低、评估速度快的优点,能够快速进行太阳能面板表面灰尘区域的检测和定位。
Claims (6)
1.基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法,其特征在于:包括以下步骤:
S1:获取太阳能面板的彩色数字图像;
S2:对获取的彩色数字图像进行语义分割,实现太阳能面板区域及其他区域的自适应分割;
S3:根据语义分割结果,保留面板区域并删除其他区域元素;
S4:逐像素计算太阳能面板区域RGB三通道的Hoyer统计值;
S5:根据预设Hoyer统计值阈值进行太阳能面板表面灰尘区域的初步辨识,并获得其逻辑矩阵;
S6:将彩色图像转换为灰度图像,根据预设灰度图像亮度阈值进行太阳能面板表面灰尘区域的约束,并获得其逻辑矩阵;
S7:根据前述生成的两个逻辑矩阵进行最终表面灰尘区域的判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210546499.0A CN114648531B (zh) | 2022-05-20 | 2022-05-20 | 基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210546499.0A CN114648531B (zh) | 2022-05-20 | 2022-05-20 | 基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114648531A true CN114648531A (zh) | 2022-06-21 |
CN114648531B CN114648531B (zh) | 2022-08-19 |
Family
ID=81997613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210546499.0A Active CN114648531B (zh) | 2022-05-20 | 2022-05-20 | 基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114648531B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657980A (zh) * | 2014-12-24 | 2015-05-27 | 江南大学 | 一种改进的基于Meanshift的多通道图像分割算法 |
CN104978573A (zh) * | 2015-07-06 | 2015-10-14 | 河海大学 | 一种应用于高光谱图像处理的非负矩阵分解方法 |
CN107103325A (zh) * | 2017-04-20 | 2017-08-29 | 湘潭大学 | 一种组织病理图像分类方法 |
CN107154060A (zh) * | 2017-04-12 | 2017-09-12 | 西安文理学院 | 一种基于dsp的视频帧稀疏性检测系统及数据处理方法 |
CN107680120A (zh) * | 2017-09-05 | 2018-02-09 | 南京理工大学 | 基于稀疏表示和转移受限粒子滤波的红外小目标跟踪方法 |
CN107948635A (zh) * | 2017-11-28 | 2018-04-20 | 厦门大学 | 一种基于退化测量的无参考声纳图像质量测评方法 |
CN108009980A (zh) * | 2017-07-24 | 2018-05-08 | 南京理工大学 | 一种基于特征分类细节增强的多稀疏字典灰度图彩色化方法 |
CN109993026A (zh) * | 2017-12-29 | 2019-07-09 | 华为技术有限公司 | 亲属识别网络模型的训练方法及装置 |
CN110059652A (zh) * | 2019-04-24 | 2019-07-26 | 腾讯科技(深圳)有限公司 | 人脸图像处理方法、装置及存储介质 |
CN110222784A (zh) * | 2019-06-13 | 2019-09-10 | 郑州轻工业学院 | 融合短时和长时深度特征的太阳能电池片缺陷检测方法 |
CN110930358A (zh) * | 2019-10-17 | 2020-03-27 | 广州丰石科技有限公司 | 一种基于自适应算法的太阳能面板图像处理方法 |
CN111696026A (zh) * | 2020-05-06 | 2020-09-22 | 华南理工大学 | 基于l0正则项的可逆灰度图算法、计算设备 |
CN113935927A (zh) * | 2021-09-29 | 2022-01-14 | 深圳中科飞测科技股份有限公司 | 一种检测方法、装置以及存储介质 |
CN114004771A (zh) * | 2021-10-14 | 2022-02-01 | 中南大学 | 一种基于hsv模型的亮度补偿方法、检测方法 |
CN114359112A (zh) * | 2022-03-11 | 2022-04-15 | 领伟创新智能系统(浙江)有限公司 | 基于加工表面图像Hoyer系数的表面粗糙度评估方法 |
CN114445326A (zh) * | 2021-12-15 | 2022-05-06 | 深圳创动科技有限公司 | 光伏面板异常检测方法、检测装置及计算机可读存储装置 |
-
2022
- 2022-05-20 CN CN202210546499.0A patent/CN114648531B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657980A (zh) * | 2014-12-24 | 2015-05-27 | 江南大学 | 一种改进的基于Meanshift的多通道图像分割算法 |
CN104978573A (zh) * | 2015-07-06 | 2015-10-14 | 河海大学 | 一种应用于高光谱图像处理的非负矩阵分解方法 |
CN107154060A (zh) * | 2017-04-12 | 2017-09-12 | 西安文理学院 | 一种基于dsp的视频帧稀疏性检测系统及数据处理方法 |
CN107103325A (zh) * | 2017-04-20 | 2017-08-29 | 湘潭大学 | 一种组织病理图像分类方法 |
CN108009980A (zh) * | 2017-07-24 | 2018-05-08 | 南京理工大学 | 一种基于特征分类细节增强的多稀疏字典灰度图彩色化方法 |
CN107680120A (zh) * | 2017-09-05 | 2018-02-09 | 南京理工大学 | 基于稀疏表示和转移受限粒子滤波的红外小目标跟踪方法 |
CN107948635A (zh) * | 2017-11-28 | 2018-04-20 | 厦门大学 | 一种基于退化测量的无参考声纳图像质量测评方法 |
CN109993026A (zh) * | 2017-12-29 | 2019-07-09 | 华为技术有限公司 | 亲属识别网络模型的训练方法及装置 |
CN110059652A (zh) * | 2019-04-24 | 2019-07-26 | 腾讯科技(深圳)有限公司 | 人脸图像处理方法、装置及存储介质 |
CN110222784A (zh) * | 2019-06-13 | 2019-09-10 | 郑州轻工业学院 | 融合短时和长时深度特征的太阳能电池片缺陷检测方法 |
CN110930358A (zh) * | 2019-10-17 | 2020-03-27 | 广州丰石科技有限公司 | 一种基于自适应算法的太阳能面板图像处理方法 |
CN111696026A (zh) * | 2020-05-06 | 2020-09-22 | 华南理工大学 | 基于l0正则项的可逆灰度图算法、计算设备 |
CN113935927A (zh) * | 2021-09-29 | 2022-01-14 | 深圳中科飞测科技股份有限公司 | 一种检测方法、装置以及存储介质 |
CN114004771A (zh) * | 2021-10-14 | 2022-02-01 | 中南大学 | 一种基于hsv模型的亮度补偿方法、检测方法 |
CN114445326A (zh) * | 2021-12-15 | 2022-05-06 | 深圳创动科技有限公司 | 光伏面板异常检测方法、检测装置及计算机可读存储装置 |
CN114359112A (zh) * | 2022-03-11 | 2022-04-15 | 领伟创新智能系统(浙江)有限公司 | 基于加工表面图像Hoyer系数的表面粗糙度评估方法 |
Non-Patent Citations (4)
Title |
---|
RUI CHEN: "A PCB Image Self-adaption Threshold Segmentation Method Fusing Color Information and OTSU Theory", 《2019 IEEE 8TH JOINT INTERNATIONAL INFORMATION TECHNOLOGY AND ARTIFICIAL INTELLIGENCE CONFERENCE (ITAIC)》 * |
ZHENGZHENG TU等: "RGB-T Image Saliency Detection via Collaborative Graph Learning", 《 IEEE TRANSACTIONS ON MULTIMEDIA》 * |
刘洋等: "基于稀疏编码的动态纹理识别", 《中国图象图形学报》 * |
李俊山: "大气湍流下退化序列图像的目标检测方法", 《数据采集与处理》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114648531B (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1193315C (zh) | 数字图像中的偏色检测和消除 | |
Martinkauppi et al. | Behavior of skin color under varying illumination seen by different cameras at different color spaces | |
CN103984930A (zh) | 基于视觉的数字仪表识别系统及其识别方法 | |
CN101061506A (zh) | 处理图像的设备和方法 | |
CN1674643A (zh) | 数字视频处理装置及其处理方法 | |
CN1941923A (zh) | 应用于彩色数字影像的自动白平衡方法 | |
CN1168289C (zh) | 轮廓校正装置 | |
CN103020924B (zh) | 基于相似场景的低照度监控图像增强方法 | |
CN103302039B (zh) | 太阳能电池晶片分色的方法 | |
CN105678752A (zh) | 一种基于固定参数分割微柱小管的血型识别方法 | |
CN113963041A (zh) | 一种图像纹理识别方法及系统 | |
CN1282109C (zh) | 不受照明变化影响的图象检索方法和装置 | |
CN101212693A (zh) | 白平衡方法及图像调整装置 | |
CN110992321B (zh) | 一种太阳电池片栅线提取方法 | |
CN106815602B (zh) | 一种基于多层次特征描述的跑道fod图像探测方法及装置 | |
JP4750801B2 (ja) | 画像判別装置 | |
CN114648531B (zh) | 基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法 | |
CN111079637A (zh) | 田间图像中分割油菜花的方法、装置、设备及存储介质 | |
CN112215781B (zh) | 一种改进的局部二值化方法 | |
CN1845606A (zh) | 电力高压断路器开关合分状态的自动图像识别与监测方法 | |
CN106846234B (zh) | 一种基于fpga的图像视频增强方法、系统及设备 | |
Lam et al. | Automatic white balancing using luminance component and standard deviation of RGB components [image preprocessing] | |
CN111414960A (zh) | 一种人工智能图像特征提取系统及其特征识别方法 | |
CN111223058A (zh) | 一种图像增强方法 | |
CN108830834B (zh) | 一种爬索机器人视频缺陷信息自动提取方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |