CN114880730A - 确定目标设备的方法、装置及光伏系统 - Google Patents
确定目标设备的方法、装置及光伏系统 Download PDFInfo
- Publication number
- CN114880730A CN114880730A CN202210635943.6A CN202210635943A CN114880730A CN 114880730 A CN114880730 A CN 114880730A CN 202210635943 A CN202210635943 A CN 202210635943A CN 114880730 A CN114880730 A CN 114880730A
- Authority
- CN
- China
- Prior art keywords
- target
- preset
- distance parameter
- determining
- positioning
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种确定目标设备的方法、装置及光伏系统。其中,该方法包括:生成预设模板,其中,预设模板中具有多个预设区域和第一定位标记,多个预设区域具有一一对应的区域编号;获取目标版面的图像,其中,目标版面的图像中具有目标图形和第二定位标记,目标图形用于提供识别目标设备的标记;获取目标图形与第二定位标记之间的第一距离参数;依据第一距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从多个区域编号中确定目标区域编号;依据目标区域编号,确定目标设备。上述方法便于快速、准确地基于识别到的目标设备,对贴有用于确定目标设备的标签的纸张图像进行分割,以最终将其合并为一个完整的目标设备布局全景图。
Description
技术领域
本发明涉及光伏领域,具体而言,涉及一种确定目标设备的方法、装置及光伏系统。
背景技术
目前,光伏系统中可以设置用于优化光伏组件输出功率的设备,如光伏功率优化器,通常安装在每块电池板的背面,对电池板的最大功率输出点进行追踪并深度优化,以解决传统光伏系统中因为单个组件阴影遮挡、组件失效、组件老旧等原因导致的整串输出功率下降的问题,使有限空间内的安装量和功率输出得到极大的提升。
通常情况下,在将上述优化设备安装在光伏组件上后,可以通过在优化设备上进行标记,并将具有相同标记的标签记录在纸张,重复上面步骤,直到电站中需要进行输出功率优化的光伏组件都安装上优化设备。然后,对多个纸张进行拍照以得到多个与电站各个光伏组件位置相对应的优化设备的物理布局图,并将多个物理布局图合并为一个完整的优化设备布局全景图,以便于运维人员可以根据全景图对优化设备和相应的光伏组件进行监控与维护。
然而,受拍照设备的分辨率、拍照角度、环境光照(阴影或过曝)、纸张大小等外界因素影响,存在难以快速准确地识别并分割物理布局图中的内容以最终将所有物理布局图合并为一个完整的布局全景图的问题。
因此,在光伏电站中完成安装优化设备之后,如何准确、快速地确定目标设备,以便于能够更加高效地识别并分割物理布局图中的内容,以最终将多个物理布局图合并为一个完整的优化设备布局全景图,从而便于后续根据这个全景图来进行监控和在需要时找到组件或优化设备位置,并按需对其进行维护,进而提高光伏电站的运维效率和便捷性,是本领域技术人员亟待解决的技术问题。
发明内容
本发明的主要目的在于提供一种确定目标设备的方法、装置及光伏系统,以解决现有技术中受外界因素影响而导致难以快速准确地识别并分割物理布局图中的内容,从而难以将所有物理布局图合并为一个完整的布局全景图的问题。
为了实现上述目的,根据本发明的一个方面,提供了一种确定目标设备的方法,包括:生成预设模板,其中,预设模板中具有多个预设区域和第一定位标记,多个预设区域具有一一对应的区域编号;获取目标版面的图像,其中,目标版面的图像中具有目标图形和第二定位标记,目标图形用于提供识别目标设备的标记;获取目标图形与第二定位标记之间的第一距离参数;依据第一距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从多个区域编号中确定目标区域编号,其中,预设距离参数集合中的每个预设距离参数用于表征多个预设区域中每个预设区域与第一定位标记之间的距离;依据目标区域编号,确定目标设备。
进一步地,依据第一距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从多个区域编号中确定目标区域编号,包括:比对第一距离参数与各个预设距离参数;确定预设距离参数集合中与第一距离参数具有最大相似度的预设距离参数,得到目标距离参数;依据与目标距离参数对应的预设区域,从多个区域编号中确定目标区域编号。
进一步地,目标图形至少包括标签图形,目标版面的图像还包括具有多个标签网格的物理表格,多个标签网格中的至少部分标签网格用于一一对应地展示标签图形,生成预设模板,包括:生成具有多个预设区域的虚拟表格和第一定位标记,其中,多个预设区域包括多个虚拟网格,多个虚拟网格至少用于模拟多个标签网格,第一定位标记用于模拟第二定位标记;对多个虚拟网格进行编号,得到与多个虚拟网格对应的多个区域编号。
进一步地,目标图形还包括逻辑编号图形,目标版面的图像还包括与多个标签网格一一对应的多个逻辑编号网格,多个逻辑编号网格中的至少部分逻辑编号网格用于一一对应地展示逻辑编号图形,多个虚拟网格中的另一部分虚拟网格用于模拟多个逻辑编号网格。
进一步地,第二定位标记包括位于物理表格外周的四个第二子定位标记,获取目标图形与第二定位标记之间的第一距离参数,包括:计算目标图形的中心点与四个第二子定位标记的中心点之间的距离并归一化,得到第一距离参数。
进一步地,确定目标设备的方法还包括:将目标版面的图像输入预设模型进行分析,得到目标版面的图像对应的目标图形,其中,预设模型为通过多组数据训练得到的,多组数据中的每组数据均包括:样本版面的图像以及用于标识样本版面的图像所对应的目标图形的标签。
进一步地,计算目标图形的中心点与四个第二子定位标记的中心点之间的距离并归一化,得到第一距离参数,包括:建立物理表格的宽度和长度的二维坐标系;基于物理表格的宽度和长度的二维坐标系,确定目标图形的中心点的第一坐标值以及四个第二子定位标记的中心定位点的第二坐标值;基于第一坐标值和第二坐标值,计算每个目标图形的中心点与四个第二子定位标记的中心点的距离并归一化,生成用于表征第一距离参数的第一距离向量。
进一步地,第一定位标记包括位于虚拟表格外周的四个第一子定位标记,确定目标设备的方法还包括:计算多个虚拟网格中每个虚拟网格与四个第一子定位标记的中心点之间的距离并归一化,得到预设距离参数集合。
进一步地,计算多个虚拟网格中每个虚拟网格与四个第一子定位标记的中心点之间的距离并归一化,得到预设距离参数集合,包括:建立虚拟表格的宽度和长度的二维坐标系;基于虚拟表格的宽度和长度的二维坐标系,获取每个虚拟网格的中心点的第三坐标值以及四个第一子定位标记的中心定位点的第四坐标值;基于第三坐标值和第四坐标值,计算每个虚拟网格与四个第一子定位标记的中心定位点的距离并归一化,生成用于表征预设距离参数集合中预设距离参数的第二距离向量。
进一步地,依据目标距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从多个区域编号中确定目标区域编号,包括:计算第一距离向量与第二距离向量的余弦相似度,得到相似度计算结果;取相似度计算结果中最大相似度对应的区域编号作为目标区域编号。
进一步地,确定目标设备的方法还包括:将目标区域编号赋予用于展示目标图形的目标网格,目标网格为物理表格中的标签网格或逻辑编号网格;从目标版面的图像中分割出与目标区域编号对应的目标网格;在获取多个目标版面的图像的情况下,按照目标区域编号的顺序,将与多个目标版面的图像对应的多个目标网格合并,得到目标表格,其中,多个目标版面的图像中的不同目标版面的图像中具有不同的目标图形,用于提供识别不同目标设备的标记。
根据本发明的另一个方面,提供了一种确定目标设备的装置,包括:生成模块,用于生成预设模板,其中,预设模板中具有不重叠的多个预设区域和第一定位标记,多个预设区域具有一一对应的区域编号;第一获取模块,用于获取目标版面的图像,其中,目标版面的图像中具有目标图形和第二定位标记,目标图形用于提供识别目标设备的标记;第二获取模块,用于获取目标图形与第二定位标记之间的第一距离参数;第一确定模块,用于依据第一距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从多个区域编号中确定目标距离参数以及目标区域编号,其中,预设距离参数集合中的每个预设距离参数用于表征多个预设区域中每个预设区域与第一定位标记之间的距离;第二确定模块,用于依据目标区域编号,确定目标设备。
根据本发明的另一个方面,还提供了一种光伏系统,包括:光伏组件;目标设备,用于优化光伏组件的输出功率的目标设备;处理器;用于存储处理器可执行指令的存储器;其中,处理器被配置为执行指令,以实现如上述的确定目标设备的方法。
根据本发明的另一个方面,还提供了一种计算机可读存储介质,当计算机可读存储介质中的指令由光伏系统的处理器执行时,使得光伏系统能够执行如上述的确定目标设备的方法。
应用本发明的技术方案,提供了一种确定目标设备的方法,该方法通过生成预设模板,预设模板中具有多个预设区域和第一定位标记,多个预设区域具有一一对应的区域编号,然后获取目标版面的图像中目标图形与第二定位标记之间的第一距离参数,并依据第一距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从多个区域编号中确定目标区域编号,从而可以在外界因素导致目标版面的图像中目标图形不清晰的情况下,通过确定预设模板中与该目标图形位置对应的预设区域的区域编号,确定目标设备,以便于能够快速、准确地基于识别到的目标设备,对所有贴有用于确定目标设备的标签的纸张图像进行分割,以最终将其合并为一个完整的目标设备布局全景图,从而便于后续根据这个全景图来进行监控和在需要时找到组件或目标设备位置,并按需对其进行维护,提高了光伏电站的运维效率和便捷性。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例1示出的一种确定目标设备的方法的流程框图;
图2是上述确定目标设备的方法中一种物理表格中标记的示意图;
图3是上述确定目标设备的方法中一种预设模板中虚拟表格的示意图;
图4是上述确定目标设备的方法中一种虚拟表格中虚拟网格的中心点与第一子定位标记的中心定位点的位置关系示意图;
图5是上述确定目标设备的方法中采用的yolov5算法模型的示意图;
图6是上述确定目标设备的方法中采用的yolov5算法模型的训练过程示意图;
图7是上述确定目标设备的方法中一种物理表格中目标图形的中心点与第二子定位标记的中心定位点的位置关系示意图;
图8是根据本发明实施例2的确定目标设备的装置框图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
以安装在光伏组件上的优化设备为光伏功率优化器为例,整个电站中功率优化器的物理布局的生成步骤可以包括如下:
1、在光伏组件背面安装功率优化器,每个功率优化器在生产时都配备有两张二维码唯一标记,安装完成之后,将相同的两个二维码中一个贴附在功率优化器表面,另一个则贴附在一张功率优化器物理布局表格纸张中的相应位置处,以表明该位置处的光伏组件安装了该功率优化器,其中识别二维码的内容能够得到该功率优化器的唯一编号。
2、重复上面步骤,将电站中需要安装功率优化器的光伏组件都安装上一个功率优化器,最终得到很多用于展示功率优化器分布的物理布局表格纸张。
3、将所有物理布局表格纸张拍照得到多个物理布局图上传到服务器上,并对各个物理布局图进行物理布局版面分割和智能识别版面内容,包括识别版面中各种标记符号和字符等。
4、将从上述各个物理布局图中识别到的内容按照一定规则进行合并,最终生成了一张与电站各个光伏组件位置相对应的电站功率优化器的物理布局全景图,该图中的标识可以指示每个光伏组件安装的带有唯一编号的功率优化器。
5、利用功率优化器对光伏组件的实时功率进行监控,当发现功率优化器监测到功率下降的光伏组件时,运维人员可以依据该光伏组件的逻辑编号,从上述物理布局全景图中找到对应的二维码,识别二维码以查看此组件对应的功率优化器编号,并记录下此编号,再通过导航就可以在电站中找到该组件位置,再通过手机扫描识别该组件背面的功率优化器上剩下的那个二维码,将识别内容与记录的编号对比,确认是否是该组件,结果一致就可以进行维护。
然而,在进行功率优化器物理布局表格纸张拍照时,因拍照手机分辨率、拍照角度、环境光照(阴影或过曝)、纸张大小等因素影响,可能存在物理布局图识别与分割困难的情况,从而导致无法准确地将多个物理布局图合并为一个完整的功率优化器物理布局全景图,进而导致难以快速、准确地确定需维护的光伏组件和功率优化器。
为了解决上述技术问题,本申请实施例提供了一种确定目标设备的方法,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本申请实施例的一种可选地确定目标设备的方法的流程示意图,如图1所示,包括:
步骤S102,生成预设模板,其中,预设模板中具有多个预设区域和第一定位标记,多个预设区域具有一一对应的区域编号;
步骤S104,获取目标版面的图像,其中,目标版面的图像中具有目标图形和第二定位标记,目标图形用于提供识别目标设备的标记;
步骤S106,获取目标图形与第二定位标记之间的第一距离参数;
步骤S108,依据第一距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从多个区域编号中确定目标区域编号,其中,预设距离参数集合中的每个预设距离参数用于表征多个预设区域中每个预设区域与第一定位标记之间的距离;
步骤S110,依据目标区域编号,确定目标设备。
采用上述实施例提供的方法,可以在外界因素导致目标版面的图像中目标图形不清晰的情况下,通过确定预设模板中与该目标图形位置对应的预设区域的区域编号,确定目标设备,以便于能够快速、准确地基于识别到的目标设备,对所有贴有用于确定目标设备的标签的纸张图像进行分割,以最终将其合并为一个完整的目标设备布局全景图,从而便于后续根据这个全景图来进行监控和在需要时找到组件或目标设备位置,并按需对其进行维护,提高了光伏电站的运维效率和便捷性。
并且,在目标版面为物理网格的情况下,上述方法还可以通过将目标区域编号赋予该目标图形所在的网格,从而达到快速准确地将物理网格进行版面分割,进而通过合并被赋予区域编号的网格,能够快速生成展示多个目标设备布局全景的目标表格,便于对光伏组件和目标设备的定位及维护。
作为一种可选地实施方式,获取目标版面的图像,包括:在将目标设备安装在光伏组件上之后,提供具有目标图形的物理网格,上述目标图形用于提供识别该目标设备的标记,并采集物理表格的图像。
电站中光伏组件按照分布位置进行排列,并匹配有对应的逻辑编号,可以将与光伏组件对应的逻辑编号填入上述物理表格的网格中,此时,采集到的物理表格的图像中,目标图形包括:用于提供识别该目标设备的标签图形,以及逻辑编号图形,其中,逻辑编号图形可以理解为逻辑编号及其附近区域构成的图形。物理表格中具有标签图形的网格为标签网格,物理表格中具有逻辑编号图形的网格为逻辑编号网格。
示例性的,如图2所示,物理网格中可以包括三种标记:如果光伏组件背后安装了功率优化器,功率优化器表面贴有一张二维码,将另一张二维码贴到对应位置的标签网格中,并在逻辑编号网格里填入该光伏组件的逻辑编号,如左图所示;如果光伏组件背后没有安装功率优化器,则在对应位置的标签网格中标记黑色实心正方形,并在逻辑编号网格中填入该光伏组件的逻辑编号,如中图所示;如果光伏组件没有安装,则在对应位置的标签网格中标记虚线空心正方形,如右图所示。上述二维码以及上述黑色实心正方形的标记均为识别对应目标设备的标签图形。
上述步骤S102中,可以基于获取的目标版面的图像,生成相应的预设模板。例如,上述目标版面的图像为物理表格的图像,则生成具有对应虚拟表格的预设模板。
作为一种可选地实施方式,目标图形至少包括标签图形,目标版面的图像还包括具有多个标签网格的物理表格,多个标签网格中的至少部分标签网格用于一一对应地展示标签图形,生成预设模板,包括:生成具有多个预设区域的虚拟表格和第一定位标记,其中,多个预设区域包括多个虚拟网格,多个虚拟网格至少用于模拟多个标签网格,第一定位标记用于模拟第二定位标记;对多个虚拟网格进行编号,得到与多个虚拟网格对应的多个区域编号。
在上述实施方式中,目标图形还可以包括逻辑编号图形,此时,目标版面的图像还包括与多个标签网格一一对应的多个逻辑编号网格,多个逻辑编号网格中的至少部分逻辑编号网格用于一一对应地展示逻辑编号图形,多个虚拟网格中的另一部分虚拟网格用于模拟多个逻辑编号网格。
示例性的,预设模板中的虚拟表格可以如图3所示,对用于模拟标签网格和逻辑编号网格的网格顺序进行编号,图中(1.1.0)、(1.1.1)、(6.10.0)和(6.10.1)表示网格编号,按照网格顺序进行编号。
预设模板中的第一定位标记可以包括位于虚拟表格外周的四个第一子定位标记,确定目标设备的方法还可以包括:计算多个虚拟网格中每个虚拟网格与四个第一子定位标记的中心点之间的距离并归一化,得到预设距离参数集合。
作为一种可选地实施方式,计算多个虚拟网格中每个虚拟网格与四个第一子定位标记的中心点之间的距离并归一化,得到预设距离参数集合,包括:建立虚拟表格的宽度和长度的二维坐标系;基于虚拟表格的宽度和长度的二维坐标系,获取每个虚拟网格的中心点的第三坐标值以及四个第一子定位标记的中心定位点的第四坐标值;基于第三坐标值和第四坐标值,计算每个虚拟网格与四个第一子定位标记的中心定位点的距离并归一化,生成用于表征预设距离参数集合中预设距离参数的第二距离向量。
具体地,可以以虚拟表格的宽度方向为x轴,以虚拟表格的长度方向为y轴,建立二维坐标系;如图4所示,获取每个虚拟网格的中心点的坐标值以及四个第一子定位标记的中心定位点的坐标值,其中,每个虚拟网格的中心点的坐标值为O′,四个第一子定位标记的中心定位点分别为第五定位点、第六定位点、第七定位点和第八定位点,对应的坐标值分别为:A、B、C、D;计算每个虚拟网格与四个第一子定位标记的中心定位点的距离并归一化,生成距离向量bi=(yi1,yi2,yi3,yi4),其中,yi1=|O′A|/|AD|,yi2=|O′B|/|BC|,yi3=|O′D|/|AD|,yi4=|O′C|/|BC|,i为与每个虚拟网格对应的区域编号,|O′A|、|O′B|、|O′C|和|O′D|分别为第五定位点、第六定位点、第七定位点和第八定位点与每个虚拟网格的中心点的相对距离,|AD|为第五定位点与第八定位点之间的相对距离,|BC|为第六定位点与第七定位点之间的相对距离。
示例性的,生成如图3所示的虚拟网格,图中(1.1.0)和(1.1.1)表示网格编号,计算其中各个网格中心点与四个定位点的距离并归一化,如图4所示,并记录下来作为预设模板的网格归一化距离表,假设已知网格中心点与四个定位点坐标值:O′1、O′2、A、B、C、D,计算标签网格中心点与四个定位点的距离并归一化,逻辑编号网格中心点的计算方法同理,如表1中计算公式。
表1
上述步骤S104中,可以通过神经网络模型获取目标版面的图像中的所有标记,包括目标图形与第二定位标记,目标图形位于物理表格中的网格中,第二定位标记包括位于物理表格外周的四个第二子定位标记。
作为一种可选地实施方式,确定目标设备的方法还包括:将目标版面的图像输入预设模型进行分析,得到目标版面的图像对应的目标图形,其中,预设模型为通过多组数据训练得到的,多组数据中的每组数据均包括:样本版面的图像以及用于标识样本版面的图像所对应的目标图形的标签。
示例性的,通过yolov5神经网络模型检测并识别出上传到服务器的目标版面的图像中的所有标记,包括四个第二子定位标记、所有的标签图形和逻辑编号。所有标记检测识别算法采用yolov5算法模型,该算法整体网络结构如图5所示,从图可以看出,整个结构主要分为输入数据、Backbone网络结构、Neck网络结构、Prediction结构四个部分,其中:
输入数据:主要由Mosaic数据增强和自适应锚框计算组成。Mosaic数据增强:随机缩放、随机裁剪、随机排布的方式进行拼接。每次训练时,自适应的计算不同训练集中的最佳锚框值。
Backbone网络结构:由Focus结构和CSP结构组成。Focus结构:原始608*608*3的图像输入Focus结构,采用切片操作,先变成304*304*12的特征图,再经过一次32个卷积核的卷积操作,最终变成304*304*32的特征图。CSP结构:借鉴CSPNet网络结构,由卷积层和X个Res unint模块Concate组成。
Neck网络结构:由FPN和PAN结构组成。FPN和PAN借鉴的PANet,主要应用于图像分割领域,进一步提高特征提取的能力。
Prediction结构:采用GIOU_Loss做Bounding box的损失函数,GIoU的目标相当于在损失函数中加入了一个ground truth和预测框构成的闭包的惩罚,它的惩罚项是闭包减去两个框的并集后的面积在闭包中的比例越小越好。
上述yolov5目标检测识别算法模型训练过程可以如图6所示,包括:收集上传到服务器的目标版面的图像,并对图像中的标记进行标注,制作标记数据集,将标记识别数据集按一定比例分为训练集和测试集。构建yolov5网络模型,调整算法模型参数,通过标记识别训练集进行训练,得到标记识别算法模型,利用训练好的网络模型进行标记识别。通过yolov5神经网络模型检测并识别出上传到服务器的目标版面的图像中的所有标记。
上述步骤S106中,第二定位标记包括位于物理表格外周的四个第二子定位标记,获取目标图形与第二定位标记之间的第一距离参数,可以包括:计算目标图形的中心点与四个第二子定位标记的中心点之间的距离并归一化,得到第一距离参数。
作为一种可选地实施方式,计算目标图形的中心点与四个第二子定位标记的中心点之间的距离并归一化,得到第一距离参数,包括:建立物理表格的宽度和长度的二维坐标系;基于物理表格的宽度和长度的二维坐标系,确定目标图形的中心点的第一坐标值以及四个第二子定位标记的中心定位点的第二坐标值;基于第一坐标值和第二坐标值,计算每个目标图形的中心点与四个第二子定位标记的中心点的距离并归一化,生成用于表征第一距离参数的第一距离向量。
具体地,可以以物理表格的宽度方向为x轴,以物理表格的长度方向为y轴,建立二维坐标系;获取目标图形的中心点的坐标值以及四个第二子定位标记的中心定位点的坐标值,其中,目标图形的中心点的坐标值为O,四个第二子定位标记的中心点分别为第一定位点、第二定位点、第三定位点和第四定位点,对应的坐标值分别为:A、B、C、D;计算每个目标图形的中心点与四个第二子定位标记的中心点的距离并归一化,生成距离向量a=(x1,x2,x3,x4),其中,x1=|OA|/|AD|,x2=|OB|/|BC|,x3=|OD|/|AD|,x4=|OC|/|BC|,|OA|、|OB|、|OC|和|OD|分别为第一定位点、第二定位点、第三定位点和第四定位点与每个目标图形的中心点的相对距离,|AD|为第一定位点与第四定位点之间的相对距离,|BC|为第二定位点与第三定位点之间的相对距离。
示例性,获取如图7所示的目标版面的图像,获取图像中标签图形中心点、逻辑编号图形中心点以及四个第二子定位标记的坐标值,假设标签图形的中心点与四个第二子定位标记的中心点的坐标值:O、A、B、C、D,计算标签图形的中心点与四个第二子定位标记的中心点的距离并归一化,逻辑编号图形中心点的计算方法同理,如表2中计算公式。
表2
定位点A | 定位点B | 定位点C | 定位点D |
x<sub>1</sub>=|OA|/|AD| | x<sub>2</sub>=|OB|/|BC| | x<sub>3</sub>=|OD|/|AD| | x<sub>4</sub>=|OC|/|BC| |
在上述步骤S108中,依据第一距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从多个区域编号中确定目标区域编号,可以包括:比对第一距离参数与各个预设距离参数;确定预设距离参数集合中与第一距离参数具有最大相似度的预设距离参数,得到目标距离参数;依据与目标距离参数对应的预设区域,从多个区域编号中确定目标区域编号。
作为一种可选地实施方式,依据目标距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从多个区域编号中确定目标区域编号,包括:计算上述第一距离向量与上述第二距离向量的余弦相似度,得到相似度计算结果;取相似度计算结果中最大相似度对应的区域编号作为目标区域编号。
示例性的,将标签网格中心点与四个定位点的距离并归一化后的值组合成一个向量a=(x1,x2,x3,x4),根据网格编号,依次查找模板A网格归一化距离表,得到各个网格编号对应的组合向量bi=(yia,yib,yic,yid),计算a和bi余弦相似度计算公式:计算出所有网格编号对应的相似度值:网格编号取出最大相似度对应的网格编号赋予该标记所在的网格。
作为一种可选地实施方式,确定目标设备的方法还包括:将目标区域编号赋予用于展示目标图形的目标网格,目标网格为物理表格中的标签网格或逻辑编号网格;从目标版面的图像中分割出与目标区域编号对应的目标网格;在获取多个目标版面的图像的情况下,按照目标区域编号的顺序,将与多个目标版面的图像对应的多个目标网格合并,得到目标表格,其中,多个目标版面的图像中的不同目标版面的图像中具有不同的目标图形,用于提供识别不同目标设备的标记。
具体地,将目标区域编号赋予用于展示目标图形的目标网格,从而完成了目标版面中该目标网格分割,在完成全部目标图形的目标区域编号赋予之后,将分割后的全部目标网格按照目标区域编号的顺序进行合并,得到用于展示全部目标设备布局全景的目标表格。
实施例2
根据本发明实施例,还提供了一种确定目标设备的装置,图8是根据本发明实施例提供的确定目标设备的装置结构框图,如图8所示,该装置包括:生成模块202,第一获取模块204,第二获取模块206,第一确定模块208,以及第二确定模块210,下面对该装置进行说明。
生成模块202,用于生成预设模板,其中,预设模板中具有不重叠的多个预设区域和第一定位标记,多个预设区域具有一一对应的区域编号;
第一获取模块204,用于获取目标版面的图像,其中,目标版面的图像中具有目标图形和第二定位标记,目标图形用于提供识别目标设备的标记;
第二获取模块206,用于获取目标图形与第二定位标记之间的第一距离参数;
第一确定模块208,用于依据第一距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从多个区域编号中确定目标距离参数以及目标区域编号,其中,预设距离参数集合中的每个预设距离参数用于表征多个预设区域中每个预设区域与第一定位标记之间的距离;
第二确定模块210,用于依据目标区域编号,确定目标设备。
采用上述实施例提供的装置,可以在外界因素导致目标版面的图像中目标图形不清晰的情况下,通过第一确定模块208确定预设模板中与该目标图形位置对应的预设区域的区域编号,并通过第二确定模块210确定目标设备,以便于能够快速、准确地基于识别到的目标设备,对所有贴有用于确定目标设备的标签的纸张图像进行分割,以最终将其合并为一个完整的目标设备布局全景图,从而便于后续根据这个全景图来进行监控和在需要时找到组件或目标设备位置,并按需对其进行维护,提高了光伏电站的运维效率和便捷性。
此处需要说明的是,上述生成模块202、第一获取模块204、第二获取模块206、第一确定模块208以及第二确定模块210对应于实施例1中的步骤S102至步骤S110,三个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例1所公开的内容。
实施例3
本发明的实施例可以提供一种光伏系统,该光伏系统可以包括:光伏组件;目标设备,用于优化光伏组件的输出功率的目标设备;处理器;用于存储处理器可执行指令的存储器;其中,处理器被配置为执行指令,以实现如上述的确定目标设备的方法。
采用上述实施例提供的光伏系统,可以在外界因素导致目标版面的图像中目标图形不清晰的情况下,通过处理器执行存储器中存储的指令,确定预设模板中与该目标图形位置对应的预设区域的区域编号,从而确定目标设备,以便于运维人员能够快速、准确地基于识别到的目标设备,对所有贴有用于确定目标设备的标签的纸张图像进行分割,以最终将其合并为一个完整的目标设备布局全景图,进而便于后续根据这个全景图来进行监控和在需要时找到组件或目标设备位置,并按需对其进行维护,提高了光伏电站的运维效率和便捷性。
上述光伏系统中,存储器可用于存储软件程序以及模块,如本发明实施例中的确定目标设备的方法和装置对应的程序指令/模块,处理器通过运行存储在存储器内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的确定目标设备的方法。存储器可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输装置调用存储器存储的信息及应用程序,以执行下述步骤:生成预设模板,其中,预设模板中具有多个预设区域和第一定位标记,多个预设区域具有一一对应的区域编号;获取目标版面的图像,其中,目标版面的图像中具有目标图形和第二定位标记,目标图形用于提供识别目标设备的标记;获取目标图形与第二定位标记之间的第一距离参数;依据第一距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从多个区域编号中确定目标区域编号,其中,预设距离参数集合中的每个预设距离参数用于表征多个预设区域中每个预设区域与第一定位标记之间的距离;依据目标区域编号,确定目标设备。
可选地,上述处理器还可以执行如下步骤的程序代码:依据第一距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从多个区域编号中确定目标区域编号,包括:比对第一距离参数与各个预设距离参数;确定预设距离参数集合中与第一距离参数具有最大相似度的预设距离参数,得到目标距离参数;依据与目标距离参数对应的预设区域,从多个区域编号中确定目标区域编号。
可选地,上述处理器还可以执行如下步骤的程序代码:目标图形至少包括标签图形,目标版面的图像还包括具有多个标签网格的物理表格,多个标签网格中的至少部分标签网格用于一一对应地展示标签图形,生成预设模板,包括:生成具有多个预设区域的虚拟表格和第一定位标记,其中,多个预设区域包括多个虚拟网格,多个虚拟网格至少用于模拟多个标签网格,第一定位标记用于模拟第二定位标记;对多个虚拟网格进行编号,得到与多个虚拟网格对应的多个区域编号。
可选地,上述处理器还可以执行如下步骤的程序代码:目标图形还包括逻辑编号图形,目标版面的图像还包括与多个标签网格一一对应的多个逻辑编号网格,多个逻辑编号网格中的至少部分逻辑编号网格用于一一对应地展示逻辑编号图形,多个虚拟网格中的另一部分虚拟网格用于模拟多个逻辑编号网格。
可选地,上述处理器还可以执行如下步骤的程序代码:第二定位标记包括位于物理表格外周的四个第二子定位标记,获取目标图形与第二定位标记之间的第一距离参数,包括:计算目标图形的中心点与四个第二子定位标记的中心点之间的距离并归一化,得到第一距离参数。
可选地,上述处理器还可以执行如下步骤的程序代码:将目标版面的图像输入预设模型进行分析,得到目标版面的图像对应的目标图形,其中,预设模型为通过多组数据训练得到的,多组数据中的每组数据均包括:样本版面的图像以及用于标识样本版面的图像所对应的目标图形的标签。
可选地,上述处理器还可以执行如下步骤的程序代码:计算目标图形的中心点与四个第二子定位标记的中心点之间的距离并归一化,得到第一距离参数,包括:建立物理表格的宽度和长度的二维坐标系;基于物理表格的宽度和长度的二维坐标系,确定目标图形的中心点的第一坐标值以及四个第二子定位标记的中心定位点的第二坐标值;基于第一坐标值和第二坐标值,计算每个目标图形的中心点与四个第二子定位标记的中心点的距离并归一化,生成用于表征第一距离参数的第一距离向量。
可选地,上述处理器还可以执行如下步骤的程序代码:第一定位标记包括位于虚拟表格外周的四个第一子定位标记,确定目标设备的方法还包括:计算多个虚拟网格中每个虚拟网格与四个第一子定位标记的中心点之间的距离并归一化,得到预设距离参数集合。
可选地,上述处理器还可以执行如下步骤的程序代码:计算多个虚拟网格中每个虚拟网格与四个第一子定位标记的中心点之间的距离并归一化,得到预设距离参数集合,包括:建立虚拟表格的宽度和长度的二维坐标系;基于虚拟表格的宽度和长度的二维坐标系,获取每个虚拟网格的中心点的第三坐标值以及四个第一子定位标记的中心定位点的第四坐标值;基于第三坐标值和第四坐标值,计算每个虚拟网格与四个第一子定位标记的中心定位点的距离并归一化,生成用于表征预设距离参数集合中预设距离参数的第二距离向量。
可选地,上述处理器还可以执行如下步骤的程序代码:依据目标距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从多个区域编号中确定目标区域编号,包括:计算第一距离向量与第二距离向量的余弦相似度,得到相似度计算结果;取相似度计算结果中最大相似度对应的区域编号作为目标区域编号。
可选地,上述处理器还可以执行如下步骤的程序代码:将目标区域编号赋予用于展示目标图形的目标网格,目标网格为物理表格中的标签网格或逻辑编号网格;从目标版面的图像中分割出与目标区域编号对应的目标网格;在获取多个目标版面的图像的情况下,按照目标区域编号的顺序,将与多个目标版面的图像对应的多个目标网格合并,得到目标表格,其中,多个目标版面的图像中的不同目标版面的图像中具有不同的目标图形,用于提供识别不同目标设备的标记。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(RandomAccess Memory,RAM)、磁盘或光盘等。
实施例4
在示例性实施例中,还提供了一种包括指令的计算机可读存储介质,当计算机可读存储介质中的指令由光伏系统的处理器执行时,使得光伏系统能够执行上述的确定目标设备的方法。可选地,计算机可读存储介质可以是非临时性计算机可读存储介质,例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
可选地,在本实施例中,上述计算机可读存储介质可以用于保存上述实施例1所提供的确定目标设备的方法所执行的程序代码。
可选地,在本实施例中,上述计算机可读存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中,或者位于移动终端群中的任意一个移动终端中。
在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:生成预设模板,其中,预设模板中具有多个预设区域和第一定位标记,多个预设区域具有一一对应的区域编号;获取目标版面的图像,其中,目标版面的图像中具有目标图形和第二定位标记,目标图形用于提供识别目标设备的标记;获取目标图形与第二定位标记之间的第一距离参数;依据第一距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从多个区域编号中确定目标区域编号,其中,预设距离参数集合中的每个预设距离参数用于表征多个预设区域中每个预设区域与第一定位标记之间的距离;依据目标区域编号,确定目标设备。
采用本实施例提供的上述计算机可读存储介质,可以在外界因素导致目标版面的图像中目标图形不清晰的情况下,通过确定预设模板中与该目标图形位置对应的预设区域的区域编号,确定目标设备,以便于运维人员能够快速、准确地基于识别到的目标设备,对所有贴有用于确定目标设备的标签的纸张图像进行分割,以最终将其合并为一个完整的目标设备布局全景图,从而便于后续根据这个全景图来进行监控和在需要时找到组件或目标设备位置,并按需对其进行维护,提高了光伏电站的运维效率和便捷性。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:依据第一距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从多个区域编号中确定目标区域编号,包括:比对第一距离参数与各个预设距离参数;确定预设距离参数集合中与第一距离参数具有最大相似度的预设距离参数,得到目标距离参数;依据与目标距离参数对应的预设区域,从多个区域编号中确定目标区域编号。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:目标图形至少包括标签图形,目标版面的图像还包括具有多个标签网格的物理表格,多个标签网格中的至少部分标签网格用于一一对应地展示标签图形,生成预设模板,包括:生成具有多个预设区域的虚拟表格和第一定位标记,其中,多个预设区域包括多个虚拟网格,多个虚拟网格至少用于模拟多个标签网格,第一定位标记用于模拟第二定位标记;对多个虚拟网格进行编号,得到与多个虚拟网格对应的多个区域编号。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:目标图形还包括逻辑编号图形,目标版面的图像还包括与多个标签网格一一对应的多个逻辑编号网格,多个逻辑编号网格中的至少部分逻辑编号网格用于一一对应地展示逻辑编号图形,多个虚拟网格中的另一部分虚拟网格用于模拟多个逻辑编号网格。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:第二定位标记包括位于物理表格外周的四个第二子定位标记,获取目标图形与第二定位标记之间的第一距离参数,包括:计算目标图形的中心点与四个第二子定位标记的中心点之间的距离并归一化,得到第一距离参数。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:将目标版面的图像输入预设模型进行分析,得到目标版面的图像对应的目标图形,其中,预设模型为通过多组数据训练得到的,多组数据中的每组数据均包括:样本版面的图像以及用于标识样本版面的图像所对应的目标图形的标签。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:计算目标图形的中心点与四个第二子定位标记的中心点之间的距离并归一化,得到第一距离参数,包括:建立物理表格的宽度和长度的二维坐标系;基于物理表格的宽度和长度的二维坐标系,确定目标图形的中心点的第一坐标值以及四个第二子定位标记的中心定位点的第二坐标值;基于第一坐标值和第二坐标值,计算每个目标图形的中心点与四个第二子定位标记的中心点的距离并归一化,生成用于表征第一距离参数的第一距离向量。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:第一定位标记包括位于虚拟表格外周的四个第一子定位标记,确定目标设备的方法还包括:计算多个虚拟网格中每个虚拟网格与四个第一子定位标记的中心点之间的距离并归一化,得到预设距离参数集合。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:计算多个虚拟网格中每个虚拟网格与四个第一子定位标记的中心点之间的距离并归一化,得到预设距离参数集合,包括:建立虚拟表格的宽度和长度的二维坐标系;基于虚拟表格的宽度和长度的二维坐标系,获取每个虚拟网格的中心点的第三坐标值以及四个第一子定位标记的中心定位点的第四坐标值;基于第三坐标值和第四坐标值,计算每个虚拟网格与四个第一子定位标记的中心定位点的距离并归一化,生成用于表征预设距离参数集合中预设距离参数的第二距离向量。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:依据目标距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从多个区域编号中确定目标区域编号,包括:计算第一距离向量与第二距离向量的余弦相似度,得到相似度计算结果;取相似度计算结果中最大相似度对应的区域编号作为目标区域编号。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:将目标区域编号赋予用于展示目标图形的目标网格,目标网格为物理表格中的标签网格或逻辑编号网格;从目标版面的图像中分割出与目标区域编号对应的目标网格;在获取多个目标版面的图像的情况下,按照目标区域编号的顺序,将与多个目标版面的图像对应的多个目标网格合并,得到目标表格,其中,多个目标版面的图像中的不同目标版面的图像中具有不同的目标图形,用于提供识别不同目标设备的标记。
在示例性实施例中,还提供了一种计算机程序产品,当计算机程序产品中的计算机程序由电子设备的处理器执行时,使得电子设备能够执行上述的确定目标设备的方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种确定目标设备的方法,其特征在于,包括:
生成预设模板,其中,所述预设模板中具有多个预设区域和第一定位标记,所述多个预设区域具有一一对应的区域编号;
获取目标版面的图像,其中,所述目标版面的图像中具有目标图形和第二定位标记,所述目标图形用于提供识别目标设备的标记;
获取所述目标图形与所述第二定位标记之间的第一距离参数;
依据所述第一距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从所述多个区域编号中确定目标区域编号,其中,所述预设距离参数集合中的每个预设距离参数用于表征所述多个预设区域中每个预设区域与所述第一定位标记之间的距离;
依据所述目标区域编号,确定所述目标设备。
2.根据权利要求1所述的确定目标设备的方法,其特征在于,所述依据所述第一距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从所述多个区域编号中确定目标区域编号,包括:
比对所述第一距离参数与所述各个预设距离参数;
确定所述预设距离参数集合中与所述第一距离参数具有最大相似度的预设距离参数,得到目标距离参数;
依据与所述目标距离参数对应的预设区域,从所述多个区域编号中确定所述目标区域编号。
3.根据权利要求1所述的确定目标设备的方法,其特征在于,所述目标图形至少包括标签图形,所述目标版面的图像还包括具有多个标签网格的物理表格,所述多个标签网格中的至少部分标签网格用于一一对应地展示所述标签图形,所述生成预设模板,包括:
生成具有所述多个预设区域的虚拟表格和所述第一定位标记,其中,所述多个预设区域包括多个虚拟网格,所述多个虚拟网格至少用于模拟所述多个标签网格,所述第一定位标记用于模拟所述第二定位标记;
对所述多个虚拟网格进行编号,得到与所述多个虚拟网格对应的多个区域编号。
4.根据权利要求3所述的确定目标设备的方法,其特征在于,所述目标图形还包括逻辑编号图形,所述目标版面的图像还包括与所述多个标签网格一一对应的多个逻辑编号网格,所述多个逻辑编号网格中的至少部分逻辑编号网格用于一一对应地展示所述逻辑编号图形,所述多个虚拟网格中的另一部分虚拟网格用于模拟所述多个逻辑编号网格。
5.根据权利要求3所述的确定目标设备的方法,其特征在于,所述第二定位标记包括位于所述物理表格外周的四个第二子定位标记,所述获取所述目标图形与所述第二定位标记之间的第一距离参数,包括:
计算所述目标图形的中心点与所述四个第二子定位标记的中心点之间的距离并归一化,得到所述第一距离参数。
6.根据权利要求1所述的确定目标设备的方法,其特征在于,还包括:
将所述目标版面的图像输入预设模型进行分析,得到所述目标版面的图像对应的目标图形,其中,所述预设模型为通过多组数据训练得到的,所述多组数据中的每组数据均包括:样本版面的图像以及用于标识所述样本版面的图像所对应的目标图形的标签。
7.根据权利要求5所述的确定目标设备的方法,其特征在于,所述计算所述目标图形的中心点与所述四个第二子定位标记的中心点之间的距离并归一化,得到所述第一距离参数,包括:
建立所述物理表格的宽度和长度的二维坐标系;
基于所述物理表格的宽度和长度的二维坐标系,确定所述目标图形的中心点的第一坐标值以及所述四个第二子定位标记的中心定位点的第二坐标值;
基于所述第一坐标值和所述第二坐标值,计算所述每个目标图形的中心点与所述四个第二子定位标记的中心点的距离并归一化,生成用于表征所述第一距离参数的第一距离向量。
8.根据权利要求7所述的确定目标设备的方法,其特征在于,所述第一定位标记包括位于所述虚拟表格外周的四个第一子定位标记,所述确定目标设备的方法还包括:
计算所述多个虚拟网格中每个虚拟网格与所述四个第一子定位标记的中心点之间的距离并归一化,得到所述预设距离参数集合。
9.根据权利要求8所述的确定目标设备的方法,其特征在于,所述计算所述多个虚拟网格中每个虚拟网格与所述四个第一子定位标记的中心点之间的距离并归一化,得到所述预设距离参数集合,包括:
建立所述虚拟表格的宽度和长度的二维坐标系;
基于所述虚拟表格的宽度和长度的二维坐标系,获取所述每个虚拟网格的中心点的第三坐标值以及所述四个第一子定位标记的中心定位点的第四坐标值;
基于所述第三坐标值和所述第四坐标值,计算所述每个虚拟网格与所述四个第一子定位标记的中心定位点的距离并归一化,生成用于表征所述预设距离参数集合中预设距离参数的第二距离向量。
10.根据权利要求9所述的确定目标设备的方法,其特征在于,所述依据所述目标距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从所述多个区域编号中确定目标区域编号,包括:
计算所述第一距离向量与所述第二距离向量的余弦相似度,得到相似度计算结果;
取所述相似度计算结果中最大相似度对应的区域编号作为所述目标区域编号。
11.根据权利要求4所述的确定目标设备的方法,其特征在于,还包括:
将所述目标区域编号赋予用于展示所述目标图形的目标网格,所述目标网格为所述物理表格中的标签网格或逻辑编号网格;
从所述目标版面的图像中分割出与所述目标区域编号对应的目标网格;
在获取多个目标版面的图像的情况下,按照所述目标区域编号的顺序,将与所述多个目标版面的图像对应的多个目标网格合并,得到目标表格,其中,所述多个目标版面的图像中的不同目标版面的图像中具有不同的目标图形,用于提供识别不同目标设备的标记。
12.一种确定目标设备的装置,其特征在于,包括:
生成模块,用于生成预设模板,其中,所述预设模板中具有不重叠的多个预设区域和第一定位标记,所述多个预设区域具有一一对应的区域编号;
第一获取模块,用于获取目标版面的图像,其中,所述目标版面的图像中具有目标图形和第二定位标记,所述目标图形用于提供识别目标设备的标记;
第二获取模块,用于获取所述目标图形与所述第二定位标记之间的第一距离参数;
第一确定模块,用于依据所述第一距离参数与预设距离参数集合中各个预设距离参数之间的相似度,从所述多个区域编号中确定目标区域编号,其中,所述预设距离参数集合中的每个预设距离参数用于表征所述多个预设区域中每个预设区域与所述第一定位标记之间的距离;
第二确定模块,用于依据所述目标区域编号,确定所述目标设备。
13.一种光伏系统,其特征在于,包括:
光伏组件;
用于优化所述光伏组件的输出功率的目标设备;
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至11中任一项所述的确定目标设备的方法。
14.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令由光伏系统的处理器执行时,使得光伏系统能够执行如权利要求1至11中任一项所述的确定目标设备的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210635943.6A CN114880730A (zh) | 2022-06-07 | 2022-06-07 | 确定目标设备的方法、装置及光伏系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210635943.6A CN114880730A (zh) | 2022-06-07 | 2022-06-07 | 确定目标设备的方法、装置及光伏系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114880730A true CN114880730A (zh) | 2022-08-09 |
Family
ID=82679262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210635943.6A Pending CN114880730A (zh) | 2022-06-07 | 2022-06-07 | 确定目标设备的方法、装置及光伏系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114880730A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115861030A (zh) * | 2023-01-31 | 2023-03-28 | 南京砺算科技有限公司 | 图形处理器及其系统变量生成方法、介质 |
CN116843793A (zh) * | 2023-08-30 | 2023-10-03 | 杭州禾迈电力电子股份有限公司 | 布局图生成方法、装置、系统及存储介质 |
-
2022
- 2022-06-07 CN CN202210635943.6A patent/CN114880730A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115861030A (zh) * | 2023-01-31 | 2023-03-28 | 南京砺算科技有限公司 | 图形处理器及其系统变量生成方法、介质 |
CN116843793A (zh) * | 2023-08-30 | 2023-10-03 | 杭州禾迈电力电子股份有限公司 | 布局图生成方法、装置、系统及存储介质 |
CN116843793B (zh) * | 2023-08-30 | 2023-12-15 | 杭州禾迈电力电子股份有限公司 | 布局图生成方法、装置、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960229B (zh) | 一种面向多方向的文字检测方法和装置 | |
CN110472534A (zh) | 基于rgb-d数据的3d目标检测方法、装置、设备和存储介质 | |
CN114880730A (zh) | 确定目标设备的方法、装置及光伏系统 | |
CN110610483B (zh) | 裂纹图像获取、检测方法、计算机设备及可读存储介质 | |
CN111754536B (zh) | 图像标注方法、装置、电子设备及存储介质 | |
CN109816780B (zh) | 一种双目序列影像的输电线路三维点云生成方法及装置 | |
CN116168351B (zh) | 电力设备巡检方法及装置 | |
CN111640116B (zh) | 基于深层卷积残差网络的航拍图建筑物分割方法及装置 | |
CN110910360B (zh) | 电网图像的定位方法和图像定位模型的训练方法 | |
CN114241326B (zh) | 一种渐进式遥感影像地物要素智能生产方法及系统 | |
CN114463308B (zh) | 一种无人机视角光伏组件视觉检测方法、装置及处理设备 | |
CN110619623A (zh) | 一种变电设备接头发热的自动识别方法 | |
CN115294483A (zh) | 输电线路复杂场景的小目标识别方法及系统 | |
CN109657540B (zh) | 枯死树定位方法及系统 | |
CN109523570A (zh) | 运动参数计算方法及装置 | |
JPH05181411A (ja) | 地図情報照合更新方式 | |
CN112749746A (zh) | 一种缺陷样本迭代更新方法、系统及装置 | |
CN117036235A (zh) | 一种继电保护柜端子排线序检测方法 | |
CN115115919B (zh) | 一种电网设备热缺陷识别方法及装置 | |
CN110827243B (zh) | 网格梁覆盖区域异常检测方法和装置 | |
US11481998B2 (en) | Building footprint generation by using clean mask generation and received image data | |
Li et al. | Low-cost 3D building modeling via image processing | |
CN115170970B (zh) | 一种用于检测城市街道景观破损的方法 | |
CN112825141B (zh) | 识别文本的方法、装置、识别设备和存储介质 | |
CN112465762B (zh) | 电力线路测绘方法及装置 |
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 |