CN114978037A - 太阳能电池性能数据监控方法及系统 - Google Patents
太阳能电池性能数据监控方法及系统 Download PDFInfo
- Publication number
- CN114978037A CN114978037A CN202210889789.5A CN202210889789A CN114978037A CN 114978037 A CN114978037 A CN 114978037A CN 202210889789 A CN202210889789 A CN 202210889789A CN 114978037 A CN114978037 A CN 114978037A
- Authority
- CN
- China
- Prior art keywords
- panoramic
- monitoring
- video
- model
- video frame
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 587
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 83
- 238000004364 calculation method Methods 0.000 claims abstract description 38
- 238000007499 fusion processing Methods 0.000 claims abstract description 15
- 238000012216 screening Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 251
- 238000005516 engineering process Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/698—Control of cameras or camera modules for achieving an enlarged field of view, e.g. panoramic image capture
-
- 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)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供的太阳能电池性能数据监控方法及系统,涉及数据处理技术领域。在本发明中,依据对目标电池进行全景视频监控处理得到的全景监控视频,对目标电池对应的目标电池模型进行模型形状的对应控制处理,以生成目标电池模型对应的全景模型监控视频。对于每一个全景模型监控对比视频,对该全景模型监控对比视频和全景模型监控视频进行相似度计算,以输出该全景模型监控对比视频对应的视频相似度。依据每一个全景模型监控对比视频对应的视频相似度,对每一个全景模型监控对比视频对应的模型性能标签信息进行融合处理,以输出目标电池对应的电池性能数据。基于前述内容,可以提高电池性能数据确定的可靠度。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种太阳能电池性能数据监控方法及系统。
背景技术
在数据处理技术的不断发展的基础上,其应用场景逐渐增加。例如,在光伏发电技术领域中,光伏发电的稳定性,在很大程度上依赖于太阳能电池的性能。基于此,在现有技术中,在太阳能电池投入使用之前,一般会通过相应的模拟场景,对太阳能电池进行性能测试,然后,依赖数据处理技术对测试数据进行相应的分析处理,以确定出太阳能电池的性能数据。如此,可以实现对电池性能的检测。但是,在现有的性能测试技术中,存在着测试出的太阳能电池的电池性能数据的可靠度不高的问题。
发明内容
有鉴于此,本发明的目的在于提供一种太阳能电池性能数据监控方法及系统,以提高电池性能数据确定的可靠度。
为实现上述目的,本发明实施例采用如下技术方案:
一种太阳能电池性能数据监控方法,应用于监控服务器,所述太阳能电池性能数据监控方法包括:
依据对目标电池进行全景视频监控处理得到的全景监控视频,对所述目标电池对应的目标电池模型进行模型形状的对应控制处理,以生成所述目标电池模型对应的全景模型监控视频;
对于预先配置的多个全景模型监控对比视频中的每一个全景模型监控对比视频,对该全景模型监控对比视频和所述全景模型监控视频进行相似度计算,以输出该全景模型监控对比视频对应的视频相似度;
依据每一个所述全景模型监控对比视频对应的视频相似度,对每一个所述全景模型监控对比视频对应的模型性能标签信息进行融合处理,以输出所述目标电池对应的电池性能数据,所述模型性能标签信息用于反映对应的对比电池模型对应的对比电池测试出的电池性能数据。
在一些优选的实施例中,在上述太阳能电池性能数据监控方法中,所述依据对目标电池进行全景视频监控处理得到的全景监控视频,对所述目标电池对应的目标电池模型进行模型形状的对应控制处理,以生成所述目标电池模型对应的全景模型监控视频的步骤,包括:
在通过模拟太阳能电池的发电环境对目标电池进行性能测试的过程中,对所述目标电池进行全景视频监控处理,以输出所述目标电池对应的全景监控视频,所述全景监控视频包括多帧全景监控视频帧;
对所述目标电池对应的目标电池模型进行模型特征点的标记处理,以输出所述目标电池模型对应的多个模型特征点;
依次依据所述全景监控视频包括的多帧全景监控视频帧中的每一帧全景监控视频帧,对所述目标电池模型对应的多个模型特征点进行特征点的位置控制处理,以依次生成每一帧全景监控视频帧对应的全景模型监控视频帧,再对每一帧全景监控视频帧对应的全景模型监控视频帧进行拼接处理,以形成所述目标电池模型对应的全景模型监控视频。
在一些优选的实施例中,在上述太阳能电池性能数据监控方法中,所述依次依据所述全景监控视频包括的多帧全景监控视频帧中的每一帧全景监控视频帧,对所述目标电池模型对应的多个模型特征点进行特征点的位置控制处理,以依次生成每一帧全景监控视频帧对应的全景模型监控视频帧,再对每一帧全景监控视频帧对应的全景模型监控视频帧进行拼接处理,以形成所述目标电池模型对应的全景模型监控视频的步骤,包括:
依据对应的视频帧时序,依次对所述全景监控视频包括的多帧全景监控视频帧中的每一帧全景监控视频帧进行遍历处理;
对于当前遍历到的全景监控视频帧,依据该当前遍历到的全景监控视频帧和第一帧全景监控视频帧,分别确定所述多个模型特征点中的每一个模型特征点对应的位置变化信息,再依据每一个模型特征点对应的位置变化信息和每一个模型特征点的初始位置信息,计算输出每一个模型特征点在该当前遍历到的全景监控视频帧对应的视频帧时序下的目标位置信息;
对于当前遍历到的全景监控视频帧,依据每一个模型特征点在该当前遍历到的全景监控视频帧对应的视频帧时序下的目标位置信息,构建形成该当前遍历到的全景监控视频帧对应的全景模型监控视频帧;
对每一帧所述全景监控视频帧对应的全景模型监控视频帧进行拼接处理,以形成所述目标电池模型对应的全景模型监控视频。
在一些优选的实施例中,在上述太阳能电池性能数据监控方法中,所述依次依据所述全景监控视频包括的多帧全景监控视频帧中的每一帧全景监控视频帧,对所述目标电池模型对应的多个模型特征点进行特征点的位置控制处理,以依次生成每一帧全景监控视频帧对应的全景模型监控视频帧,再对每一帧全景监控视频帧对应的全景模型监控视频帧进行拼接处理,以形成所述目标电池模型对应的全景模型监控视频的步骤,包括:
依据每一个所述模型特征点的初始位置信息,构建形成所述全景监控视频包括的第一帧全景监控视频帧对应的全景模型监控视频帧;
依据对应的视频帧时序,依次对所述全景监控视频包括的第一帧全景监控视频帧以外的每一帧全景监控视频帧进行遍历处理;
对于当前遍历到的全景监控视频帧,依据该当前遍历到的全景监控视频帧和前一帧全景监控视频帧,分别确定所述多个模型特征点中的每一个模型特征点对应的位置变化信息,再依据每一个模型特征点对应的位置变化信息和每一个模型特征点在前一帧全景监控视频帧对应的视频帧时序下的目标位置信息,计算输出每一个模型特征点在该当前遍历到的全景监控视频帧对应的视频帧时序下的目标位置信息;
对于当前遍历到的全景监控视频帧,依据每一个模型特征点在该当前遍历到的全景监控视频帧对应的视频帧时序下的目标位置信息,构建形成该当前遍历到的全景监控视频帧对应的全景模型监控视频帧;
对每一帧所述全景监控视频帧对应的全景模型监控视频帧进行拼接处理,以形成所述目标电池模型对应的全景模型监控视频。
在一些优选的实施例中,在上述太阳能电池性能数据监控方法中,所述对于预先配置的多个全景模型监控对比视频中的每一个全景模型监控对比视频,对该全景模型监控对比视频和所述全景模型监控视频进行相似度计算,以输出该全景模型监控对比视频对应的视频相似度的步骤,包括:
对于预先配置的多个全景模型监控对比视频中的每一个全景模型监控对比视频,分别对该全景模型监控对比视频包括的每一帧全景模型监控对比视频帧进行像素特征点的识别提取处理,以输出每一帧全景模型监控对比视频帧对应的对比像素特征点集合;
对于所述全景模型监控视频包括的每一帧全景模型监控视频帧,对该全景模型监控视频帧进行像素特征点的识别提取处理,以输出该全景模型监控视频帧对应的像素特征点集合;
对于每一个所述全景模型监控对比视频,依据该全景模型监控对比视频包括的每一帧全景模型监控对比视频帧对应的对比像素特征点集合和所述全景模型监控视频包括的每一帧全景模型监控视频帧对应的像素特征点集合,对该全景模型监控对比视频和所述全景模型监控视频进行相似度计算,以输出该全景模型监控对比视频对应的视频相似度。
在一些优选的实施例中,在上述太阳能电池性能数据监控方法中,所述对于所述全景模型监控视频包括的每一帧全景模型监控视频帧,对该全景模型监控视频帧进行像素特征点的识别提取处理,以输出该全景模型监控视频帧对应的像素特征点集合的步骤,包括:
对于所述全景模型监控视频帧包括的每一个像素点,依据该像素点的三维空间坐标和每一个其它像素点的三维空间坐标,筛查出该像素点对应的每一个相邻像素点,以构建形成该像素点对应的相邻像素点集合,所述相邻像素点集合包括多个相邻像素点;
对于所述全景模型监控视频帧包括的每一个像素点,依据与该像素点之间的像素差值和像素位置距离,分别确定该像素点对应的相邻像素点集合中的每一个相邻像素点对应的二维空间坐标;
对于所述全景模型监控视频帧包括的每一个像素点,依据每一个相邻像素点对应的二维空间坐标,对该像素点对应的相邻像素点集合中的每一个相邻像素点进行聚类处理,以形成该像素点对应的至少一个相邻像素点聚类簇,再分别计算该至少一个相邻像素点聚类簇中的每一个相邻像素点聚类簇的聚类中心与坐标原点之间的坐标距离;
对于所述全景模型监控视频帧包括的每一个像素点,依据该像素点对应的至少一个相邻像素点聚类簇中的每一个相邻像素点聚类簇对应的聚类中心与所述坐标原点之间的坐标距离,对该像素点进行鉴别处理,以确定是否将该像素点标记为候选像素点;
对于所述全景模型监控视频帧包括的每两个候选像素点,对该两个候选像素点进行连接处理,以形成该两个候选像素点之间的像素连接线;
对于所述全景模型监控视频帧包括的每一个候选像素点,对该候选像素点是否属于任意两个其它候选像素点之间的像素连接线上进行确定处理,以及,在该候选像素点是不属于任意两个其它候选像素点之间的像素连接线上的情况下,将该候选像素点标记为像素特征点,或者,在该候选像素点是属于任意两个其它候选像素点之间的像素连接线上的情况下,将该候选像素点标记为第一候选像素点;
对于每一个像素特征点组合,依据该像素特征点组合包括的多个像素特征点,连接形成该像素特征点组合对应的多边图形,所述像素特征点组合包括的多个像素特征点之间具有相邻关系;
对于每一个所述第一候选像素点,鉴别该第一候选像素点是否属于一个多边图形的内部,并在该第一候选像素点不属于任意一个多边图形的内部的情况下,将该第一候选像素点重新标记为像素特征点,再依据每一个像素点特征点,构建出所述全景模型监控视频帧对应的像素特征点集合。
在一些优选的实施例中,在上述太阳能电池性能数据监控方法中,所述对于每一个所述全景模型监控对比视频,依据该全景模型监控对比视频包括的每一帧全景模型监控对比视频帧对应的对比像素特征点集合和所述全景模型监控视频包括的每一帧全景模型监控视频帧对应的像素特征点集合,对该全景模型监控对比视频和所述全景模型监控视频进行相似度计算,以输出该全景模型监控对比视频对应的视频相似度的步骤,包括:
对于每一个所述全景模型监控对比视频,依据对应的视频帧时序,将该全景模型监控对比视频包括的全景模型监控对比视频帧和所述全景模型监控视频包括的全景模型监控视频帧进行一一关联处理,使得每一帧全景模型监控对比视频帧与一帧全景模型监控视频帧具有关联关系,每一个所述全景模型监控对比视频包括的全景模型监控对比视频帧的数量与所述全景模型监控视频包括的全景模型监控视频帧的数量一致;
对于每一个所述全景模型监控对比视频包括的每一帧全景模型监控对比视频帧,对该全景模型监控对比视频帧对应的对比像素特征点集合和该全景模型监控对比视频帧关联的全景模型监控视频帧对应的像素特征点集合进行集合重合度的计算处理,以输出该全景模型监控对比视频帧和关联的全景模型监控视频帧之间的集合重合度;
对于每一个所述全景模型监控对比视频,依据该全景模型监控对比视频包括的每一帧全景模型监控对比视频帧和关联的全景模型监控视频帧之间的集合重合度,计算输出该全景模型监控对比视频对应的视频相似度。
在一些优选的实施例中,在上述太阳能电池性能数据监控方法中,所述对于每一个所述全景模型监控对比视频包括的每一帧全景模型监控对比视频帧,对该全景模型监控对比视频帧对应的对比像素特征点集合和该全景模型监控对比视频帧关联的全景模型监控视频帧对应的像素特征点集合进行集合重合度的计算处理,以输出该全景模型监控对比视频帧和关联的全景模型监控视频帧之间的集合重合度的步骤,包括:
对于每一帧所述全景模型监控对比视频帧,依据每一个对比像素特征点对应的三维空间坐标,分别将该全景模型监控对比视频帧对应的对比像素特征点集合包括的每一个对比像素特征点投射至目标三维空间,以在所述目标三维空间形成该全景模型监控对比视频帧对应的多个第一投射点,再分别将该全景模型监控对比视频帧关联的全景模型监控视频帧对应的像素特征点集合包括的每一个像素点特征点投射至所述目标三维空间,以在所述目标三维空间形成该全景模型监控视频帧对应的多个第二投射点;
对于每一帧所述全景模型监控对比视频帧,对该全景模型监控对比视频帧对应的多个第一投射点和关联的全景模型监控视频帧对应的多个第二投射点进行投射点的重合数量统计处理,以输出对应的投射点重合数量,再依据该投射点重合数量对应的数量占比,计算输出该全景模型监控对比视频帧和关联的全景模型监控视频帧之间的第一重合度;
对于每一帧所述全景模型监控对比视频帧,在所述目标三维空间,对该全景模型监控对比视频帧对应的多个第一投射点和关联的全景模型监控视频帧对应的多个第二投射点进行聚类处理,以形成全景模型监控对比视频帧对应的至少一个投射点聚类簇,在分别对该至少一个投射点聚类簇中的每一个投射点聚类簇进行绝对差值计算处理,以输出每一个投射点聚类簇对应的数量差值,以及,依据每一个投射点聚类簇对应的数量差值,计算输出该全景模型监控对比视频帧和关联的全景模型监控视频帧之间的第二重合度,所述数量差值等于对应的投射点聚类簇中第一投射点的数量和第二投射点的数量之间的差值的绝对值;
对于每一帧所述全景模型监控对比视频帧,依据该全景模型监控对比视频帧与关联的全景模型监控视频帧之间的第一重合度和第二重合度,进行集合重合度的计算处理,以输出该全景模型监控对比视频帧和关联的全景模型监控视频帧之间的集合重合度。
在一些优选的实施例中,在上述太阳能电池性能数据监控方法中,所述依据每一个所述全景模型监控对比视频对应的视频相似度,对每一个所述全景模型监控对比视频对应的模型性能标签信息进行融合处理,以输出所述目标电池对应的电池性能数据的步骤,包括:
依据每一个所述全景模型监控对比视频对应的视频相似度,分别确定出每一个所述全景监控对比视频对应的加权系数,所述加权系数和所述视频相似度之间具有正相关的匹配关系,每一个所述全景监控对比视频对应的加权系数的和值等于1;
依据每一个所述全景模型监控对比视频对应的加权系数,对每一个所述全景模型监控对比视频对应的模型性能标签信息反映的电池性能数据进行加权均值计算处理,以输出所述目标电池对应的电池性能数据。
本发明实施例还提供一种太阳能电池性能数据监控系统,应用于监控服务器,所述太阳能电池性能数据监控系统包括:
模型监控视频生成模块,用于依据对目标电池进行全景视频监控处理得到的全景监控视频,对所述目标电池对应的目标电池模型进行模型形状的对应控制处理,以生成所述目标电池模型对应的全景模型监控视频;
视频相似度计算模块,用于对于预先配置的多个全景模型监控对比视频中的每一个全景模型监控对比视频,对该全景模型监控对比视频和所述全景模型监控视频进行相似度计算,以输出该全景模型监控对比视频对应的视频相似度;
电池性能数据确定模块,用于依据每一个所述全景模型监控对比视频对应的视频相似度,对每一个所述全景模型监控对比视频对应的模型性能标签信息进行融合处理,以输出所述目标电池对应的电池性能数据,所述模型性能标签信息用于反映对应的对比电池模型对应的对比电池测试出的电池性能数据。
本发明实施例提供的一种太阳能电池性能数据监控方法及系统,可以依据对目标电池进行全景视频监控处理得到的全景监控视频,对目标电池对应的目标电池模型进行模型形状的对应控制处理,以生成目标电池模型对应的全景模型监控视频。对于每一个全景模型监控对比视频,对该全景模型监控对比视频和全景模型监控视频进行相似度计算,以输出该全景模型监控对比视频对应的视频相似度。依据每一个全景模型监控对比视频对应的视频相似度,对每一个全景模型监控对比视频对应的模型性能标签信息进行融合处理,以输出目标电池对应的电池性能数据。通过前述的内容,由于是依据模型视频之间的视频相似度来确定电池性能数据,使得可以避免因直接依据监控视频之间的视频相似度来确定电池性能数据而导致的可靠度不佳的问题(监控视频之间的视频相似度容易受到背景的干扰)以提高电池性能数据确定的可靠度。另外,由于依据多个视频相似度来对多个模型性能标签信息进行融合处理,使得依据更为充分,也能够使得融合处理得到的电池性能数据的可靠度更高,改善现有的可靠度不高的问题。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本发明实施例提供的太阳能电池性能数据监控方法包括的各步骤的流程示意图。
图2为本发明实施例提供的太阳能电池性能数据监控系统包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种监控服务器。
可以理解的是,在一些实施方式中,所述监控服务器可以包括存储器和处理器。详细地,所述存储器和处理器之间直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式,存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序,从而实现本发明实施例提供的太阳能电池性能数据监控方法。
可以理解的是,在一些实施方式中,所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable ProgrammableRead-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory,EEPROM)等。所述处理器可以是一种通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、片上系统(System on Chip,SoC)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
参照图1所示的内容,本发明实施例还提供一种太阳能电池性能数据监控方法,可应用于上述监控服务器。其中,所述太阳能电池性能数据监控方法有关的流程所定义的方法步骤,可以由所述监控服务器实现。
下面将对图1所示的具体流程,进行详细阐述。
步骤S110,依据对目标电池进行全景视频监控处理得到的全景监控视频,对所述目标电池对应的目标电池模型进行模型形状的对应控制处理,以生成所述目标电池模型对应的全景模型监控视频。
在本发明实施例中,所述监控服务器可以依据对目标电池进行全景视频监控处理得到的全景监控视频(例如,可以将目标电池进行悬挂,然后进行360度的视频监控),对所述目标电池对应的目标电池模型进行模型形状的对应控制处理,以生成所述目标电池模型对应的全景模型监控视频。
步骤S120,对于预先配置的多个全景模型监控对比视频中的每一个全景模型监控对比视频,对该全景模型监控对比视频和所述全景模型监控视频进行相似度计算,以输出该全景模型监控对比视频对应的视频相似度。
在本发明实施例中,所述监控服务器可以对于预先配置的多个全景模型监控对比视频中的每一个全景模型监控对比视频,对该全景模型监控对比视频和所述全景模型监控视频进行相似度计算,以输出该全景模型监控对比视频对应的视频相似度。
步骤S130,依据每一个所述全景模型监控对比视频对应的视频相似度,对每一个所述全景模型监控对比视频对应的模型性能标签信息进行融合处理,以输出所述目标电池对应的电池性能数据。
在本发明实施例中,所述监控服务器可以依据每一个所述全景模型监控对比视频对应的视频相似度,对每一个所述全景模型监控对比视频对应的模型性能标签信息进行融合处理,以输出所述目标电池对应的电池性能数据。所述模型性能标签信息用于反映对应的对比电池模型对应的对比电池测试出的电池性能数据(如性能系数,该性能系数越大,性能越高等)。
通过前述的内容,由于是依据模型视频之间的视频相似度来确定电池性能数据,使得可以避免因直接依据监控视频之间的视频相似度来确定电池性能数据而导致的可靠度不佳的问题(监控视频之间的视频相似度容易受到背景的干扰)以提高电池性能数据确定的可靠度。另外,由于依据多个视频相似度来对多个模型性能标签信息进行融合处理,使得依据更为充分,也能够使得融合处理得到的电池性能数据的可靠度更高,从而改善现有技术中对于电池性能数据检测的可靠度不高的问题。
可以理解的是,在一些实施方式中,对于上述的步骤S110的内容,其具体可以包括以下详细的描述:
在通过模拟太阳能电池的发电环境对目标电池进行性能测试的过程中,对所述目标电池进行全景视频监控处理,以输出所述目标电池对应的全景监控视频,所述全景监控视频包括多帧全景监控视频帧;
对所述目标电池对应的目标电池模型进行模型特征点的标记处理(可以是预先通过人工进行标记,也可以是将识别出的一些角点或线段的拐点标记为模型特征点,以及,识别出的一些角点或线段的拐点之间的等间隔分段点等),以输出所述目标电池模型对应的多个模型特征点;
依次依据所述全景监控视频包括的多帧全景监控视频帧中的每一帧全景监控视频帧,对所述目标电池模型对应的多个模型特征点进行特征点的位置控制处理,以依次生成每一帧全景监控视频帧对应的全景模型监控视频帧,再对每一帧全景监控视频帧对应的全景模型监控视频帧进行拼接处理,以形成所述目标电池模型对应的全景模型监控视频。
可以理解的是,在一些实施方式中,对于所述依次依据所述全景监控视频包括的多帧全景监控视频帧中的每一帧全景监控视频帧,对所述目标电池模型对应的多个模型特征点进行特征点的位置控制处理,以依次生成每一帧全景监控视频帧对应的全景模型监控视频帧,再对每一帧全景监控视频帧对应的全景模型监控视频帧进行拼接处理,以形成所述目标电池模型对应的全景模型监控视频的步骤,其具体可以包括以下详细的描述:
依据对应的视频帧时序,依次对所述全景监控视频包括的多帧全景监控视频帧中的每一帧全景监控视频帧进行遍历处理;
对于当前遍历到的全景监控视频帧,依据该当前遍历到的全景监控视频帧和第一帧全景监控视频帧,分别确定所述多个模型特征点中的每一个模型特征点对应的位置变化信息(例如,可以计算一个模型特征点在第一帧全景监控视频帧中的像素坐标和在当前遍历到的全景监控视频帧中的像素坐标之间的坐标差值),再依据每一个模型特征点对应的位置变化信息和每一个模型特征点的初始位置信息,计算输出每一个模型特征点在该当前遍历到的全景监控视频帧对应的视频帧时序下的目标位置信息;
对于当前遍历到的全景监控视频帧,依据每一个模型特征点在该当前遍历到的全景监控视频帧对应的视频帧时序下的目标位置信息,构建形成该当前遍历到的全景监控视频帧对应的全景模型监控视频帧;
对每一帧所述全景监控视频帧对应的全景模型监控视频帧进行拼接处理,以形成所述目标电池模型对应的全景模型监控视频。
可以理解的是,在一些实施方式中,对于所述依次依据所述全景监控视频包括的多帧全景监控视频帧中的每一帧全景监控视频帧,对所述目标电池模型对应的多个模型特征点进行特征点的位置控制处理,以依次生成每一帧全景监控视频帧对应的全景模型监控视频帧,再对每一帧全景监控视频帧对应的全景模型监控视频帧进行拼接处理,以形成所述目标电池模型对应的全景模型监控视频的步骤,其具体也可以包括以下详细的描述:
依据每一个所述模型特征点的初始位置信息,构建形成所述全景监控视频包括的第一帧全景监控视频帧对应的全景模型监控视频帧;
依据对应的视频帧时序,依次对所述全景监控视频包括的第一帧全景监控视频帧以外的每一帧全景监控视频帧进行遍历处理;
对于当前遍历到的全景监控视频帧,依据该当前遍历到的全景监控视频帧和前一帧全景监控视频帧,分别确定所述多个模型特征点中的每一个模型特征点对应的位置变化信息(参照上述相关内容),再依据每一个模型特征点对应的位置变化信息和每一个模型特征点在前一帧全景监控视频帧对应的视频帧时序下的目标位置信息,计算输出每一个模型特征点在该当前遍历到的全景监控视频帧对应的视频帧时序下的目标位置信息;
对于当前遍历到的全景监控视频帧,依据每一个模型特征点在该当前遍历到的全景监控视频帧对应的视频帧时序下的目标位置信息,构建形成该当前遍历到的全景监控视频帧对应的全景模型监控视频帧;
对每一帧所述全景监控视频帧对应的全景模型监控视频帧进行拼接处理,以形成所述目标电池模型对应的全景模型监控视频。
可以理解的是,在一些实施方式中,对于上述的步骤S120的内容,其具体可以包括以下详细的描述:
对于预先配置的多个全景模型监控对比视频中的每一个全景模型监控对比视频,分别对该全景模型监控对比视频包括的每一帧全景模型监控对比视频帧进行像素特征点的识别提取处理(参照后文对所述全景模型监控视频帧进行像素特征点的识别提取处理的相关描述),以输出每一帧全景模型监控对比视频帧对应的对比像素特征点集合;
对于所述全景模型监控视频包括的每一帧全景模型监控视频帧,对该全景模型监控视频帧进行像素特征点的识别提取处理,以输出该全景模型监控视频帧对应的像素特征点集合;
对于每一个所述全景模型监控对比视频,依据该全景模型监控对比视频包括的每一帧全景模型监控对比视频帧对应的对比像素特征点集合和所述全景模型监控视频包括的每一帧全景模型监控视频帧对应的像素特征点集合,对该全景模型监控对比视频和所述全景模型监控视频进行相似度计算,以输出该全景模型监控对比视频对应的视频相似度。
可以理解的是,在一些实施方式中,对于所述对于所述全景模型监控视频包括的每一帧全景模型监控视频帧,对该全景模型监控视频帧进行像素特征点的识别提取处理,以输出该全景模型监控视频帧对应的像素特征点集合的步骤,其具体可以包括以下详细的描述:
对于所述全景模型监控视频帧包括的每一个像素点,依据该像素点的三维空间坐标(由于是全景模型监控视频帧,可以确定出对应的三维空间坐标,即可以确定出每一个像素点的深度信息)和每一个其它像素点的三维空间坐标,筛查出该像素点对应的每一个相邻像素点(可以按照预先匹配的半径,以该像素点为圆心,以确定出相邻像素点),以构建形成该像素点对应的相邻像素点集合,所述相邻像素点集合包括多个相邻像素点;
对于所述全景模型监控视频帧包括的每一个像素点,依据与该像素点之间的像素差值和像素位置距离,分别确定该像素点对应的相邻像素点集合中的每一个相邻像素点对应的二维空间坐标(也就是说,可以将像素差值和像素位置距离分别作为二维空间坐标的两个维度的坐标值);
对于所述全景模型监控视频帧包括的每一个像素点,依据每一个相邻像素点对应的二维空间坐标,对该像素点对应的相邻像素点集合中的每一个相邻像素点进行聚类处理(可以参照现有的聚类技术,如最邻近算法以及其它聚类算法等),以形成该像素点对应的至少一个相邻像素点聚类簇,再分别计算该至少一个相邻像素点聚类簇中的每一个相邻像素点聚类簇的聚类中心与坐标原点(即二维空间坐标对应的坐标原点)之间的坐标距离;
对于所述全景模型监控视频帧包括的每一个像素点,依据该像素点对应的至少一个相邻像素点聚类簇中的每一个相邻像素点聚类簇对应的聚类中心与所述坐标原点之间的坐标距离,对该像素点进行鉴别处理(例如,该坐标距离的平均值大于距离参考值时,可以将像素点标记为候选像素点),以确定是否将该像素点标记为候选像素点;
对于所述全景模型监控视频帧包括的每两个候选像素点,对该两个候选像素点进行连接处理,以形成该两个候选像素点之间的像素连接线;
对于所述全景模型监控视频帧包括的每一个候选像素点,对该候选像素点是否属于任意两个其它候选像素点之间的像素连接线上进行确定处理,以及,在该候选像素点是不属于任意两个其它候选像素点之间的像素连接线上的情况下,将该候选像素点标记为像素特征点,或者,在该候选像素点是属于任意两个其它候选像素点之间的像素连接线上的情况下,将该候选像素点标记为第一候选像素点;
对于每一个像素特征点组合,依据该像素特征点组合包括的多个像素特征点,连接形成该像素特征点组合对应的多边图形,所述像素特征点组合包括的多个像素特征点(像素特征点的数量大于或或等于3,以形成三角形、四边形等)之间具有相邻关系(如每两个像素特征点之间的像素位置距离都小于或者等于预先配置的距离对比值);
对于每一个所述第一候选像素点,鉴别该第一候选像素点是否属于一个多边图形的内部,并在该第一候选像素点不属于任意一个多边图形的内部的情况下,将该第一候选像素点重新标记为像素特征点,再依据每一个像素点特征点,构建出所述全景模型监控视频帧对应的像素特征点集合。
可以理解的是,在一些实施方式中,对于所述对于所述全景模型监控视频包括的每一帧全景模型监控视频帧,对该全景模型监控视频帧进行像素特征点的识别提取处理,以输出该全景模型监控视频帧对应的像素特征点集合的步骤,其具体也可以包括以下详细的描述:
对于所述全景模型监控视频帧包括的每一个像素点,依据该像素点的三维空间坐标和每一个其它像素点的三维空间坐标,筛查出该像素点对应的每一个相邻像素点,以构建形成该像素点对应的相邻像素点集合,所述相邻像素点集合包括多个相邻像素点;
对于所述全景模型监控视频帧包括的每一个像素点,依据与该像素点之间的像素差值和像素位置距离,分别确定该像素点对应的相邻像素点集合中的每一个相邻像素点对应的二维空间坐标;
对于所述全景模型监控视频帧包括的每一个像素点,依据每一个相邻像素点对应的二维空间坐标,对该像素点对应的相邻像素点集合中的每一个相邻像素点进行聚类处理,以形成该像素点对应的至少一个相邻像素点聚类簇,再分别计算该至少一个相邻像素点聚类簇中的每一个相邻像素点聚类簇的聚类中心与坐标原点之间的坐标距离;
对于所述全景模型监控视频帧包括的每一个像素点,依据该像素点对应的至少一个相邻像素点聚类簇中的每一个相邻像素点聚类簇对应的聚类中心与所述坐标原点之间的坐标距离,对该像素点进行鉴别处理,以确定是否将该像素点标记为候选像素点;
依据与每一个所述候选像素点之间的像素位置距离,对所述全景模型监控视频帧包括的每一个像素点进行分类处理,以形成每一个所述候选像素点对应的像素点分类集合(即按照距离最近的原则进行分类);
对于每一个所述候选像素点,依据与该候选像素点之间的像素位置距离,对该候选像素点对应的像素点分类集合包括的每一个像素点进行排序处理(如对应的像素位置距离较小的像素点在前,对应的像素位置距离较大的像素点在后),以形成该候选像素点对应的像素点序列,再对该像素点序列进行第一筛查处理,以形成该像素点序列对应的第一像素点筛查序列,以及,对该像素点序列进行第二筛查处理,以形成该像素点序列对应的第二像素点筛查序列,该第一筛查处理包括:倘若一个像素点的像素值与前一个相邻像素点的像素值一样,则将该像素点筛除,该第二筛查处理包括,倘若一个像素点的像素值在包括该像素点的任意一个预设长度(该预设长度的具体数值可以不做限定,如20、30等)的像素点子序列(包括的每一个像素点的像素值)中属于最小值,则将该像素点筛除;
对于每一个所述候选像素点,对该候选像素点对应的像素点序列对应的第一像素点筛查序列和对应的第二像素点筛查序列进行合并处理(取并集),以形成该候选像素点对应的像素点筛查序列,以及,将该像素点筛查序列中的该候选像素点筛除,以形成对应的目标像素点序列;
对于每一个所述候选像素点,依据与该候选像素点之间的像素位置距离具有负相关关系的加权系数(也就是说,该加权系数和该像素位置距离之间负相关),对该候选像素点对应的目标像素点序列中的每一个像素点与该候选像素点之间的像素差绝对值(即像素值之间的差值的绝对值),进行加权求和计算处理,以输出该候选像素点对应的像素差异值,再依据该像素差异值对该候选像素点进行鉴别处理,以确定是否将该候选像素点标记为像素特征点(例如,在该像素差异值大于阈值时,可以将该候选像素点标记为像素特征点,即与相邻的像素点之间的差异较大),再依据每一个像素点特征点,构建出所述全景模型监控视频帧对应的像素特征点集合,被标记为像素特征点的每一个候选像素点对应的像素差异值大于未标记为像素特征点的每一个候选像素点对应的像素差异值。
可以理解的是,在一些实施方式中,对于所述对于每一个所述全景模型监控对比视频,依据该全景模型监控对比视频包括的每一帧全景模型监控对比视频帧对应的对比像素特征点集合和所述全景模型监控视频包括的每一帧全景模型监控视频帧对应的像素特征点集合,对该全景模型监控对比视频和所述全景模型监控视频进行相似度计算,以输出该全景模型监控对比视频对应的视频相似度的步骤,其具体可以包括以下详细的描述:
对于每一个所述全景模型监控对比视频,依据对应的视频帧时序,将该全景模型监控对比视频包括的全景模型监控对比视频帧和所述全景模型监控视频包括的全景模型监控视频帧进行一一关联处理,使得每一帧全景模型监控对比视频帧与一帧全景模型监控视频帧具有关联关系,每一个所述全景模型监控对比视频包括的全景模型监控对比视频帧的数量与所述全景模型监控视频包括的全景模型监控视频帧的数量一致;
对于每一个所述全景模型监控对比视频包括的每一帧全景模型监控对比视频帧,对该全景模型监控对比视频帧对应的对比像素特征点集合和该全景模型监控对比视频帧关联的全景模型监控视频帧对应的像素特征点集合进行集合重合度的计算处理,以输出该全景模型监控对比视频帧和关联的全景模型监控视频帧之间的集合重合度;
对于每一个所述全景模型监控对比视频,依据该全景模型监控对比视频包括的每一帧全景模型监控对比视频帧和关联的全景模型监控视频帧之间的集合重合度,计算输出该全景模型监控对比视频对应的视频相似度(例如,可以将该重合度定义为该视频相似度)。
可以理解的是,在一些实施方式中,对于所述对于每一个所述全景模型监控对比视频包括的每一帧全景模型监控对比视频帧,对该全景模型监控对比视频帧对应的对比像素特征点集合和该全景模型监控对比视频帧关联的全景模型监控视频帧对应的像素特征点集合进行集合重合度的计算处理,以输出该全景模型监控对比视频帧和关联的全景模型监控视频帧之间的集合重合度的步骤,其具体可以包括以下详细的描述:
对于每一帧所述全景模型监控对比视频帧,依据每一个对比像素特征点对应的三维空间坐标,分别将该全景模型监控对比视频帧对应的对比像素特征点集合包括的每一个对比像素特征点投射至目标三维空间,以在所述目标三维空间形成该全景模型监控对比视频帧对应的多个第一投射点,再分别将该全景模型监控对比视频帧关联的全景模型监控视频帧对应的像素特征点集合包括的每一个像素点特征点投射至所述目标三维空间,以在所述目标三维空间形成该全景模型监控视频帧对应的多个第二投射点;
对于每一帧所述全景模型监控对比视频帧,对该全景模型监控对比视频帧对应的多个第一投射点和关联的全景模型监控视频帧对应的多个第二投射点进行投射点的重合数量统计处理,以输出对应的投射点重合数量,再依据该投射点重合数量对应的数量占比(例如,该数量占比等于,该投射点重合数量与多个第一投射点的数量之间的比值),计算输出该全景模型监控对比视频帧和关联的全景模型监控视频帧之间的第一重合度;
对于每一帧所述全景模型监控对比视频帧,在所述目标三维空间,对该全景模型监控对比视频帧对应的多个第一投射点和关联的全景模型监控视频帧对应的多个第二投射点进行聚类处理(如依据现有的最邻近算法进行聚类),以形成全景模型监控对比视频帧对应的至少一个投射点聚类簇,在分别对该至少一个投射点聚类簇中的每一个投射点聚类簇进行绝对差值计算处理,以输出每一个投射点聚类簇对应的数量差值,以及,依据每一个投射点聚类簇对应的数量差值,计算输出(例如,可以先计算该数量差值的平均值,再依据该平均值确定出第二重合度,该第二重合度可以与该平均值之间负相关)该全景模型监控对比视频帧和关联的全景模型监控视频帧之间的第二重合度,所述数量差值等于对应的投射点聚类簇中第一投射点的数量和第二投射点的数量之间的差值的绝对值;
对于每一帧所述全景模型监控对比视频帧,依据该全景模型监控对比视频帧与关联的全景模型监控视频帧之间的第一重合度和第二重合度,进行集合重合度的计算处理(例如,可以将所述第一重合度和所述第二重合度之间的加权均值,作为集合重合度),以输出该全景模型监控对比视频帧和关联的全景模型监控视频帧之间的集合重合度。
可以理解的是,在一些实施方式中,对于上述的步骤S130的内容,其具体可以包括以下详细的描述:
依据每一个所述全景模型监控对比视频对应的视频相似度,分别确定出每一个所述全景监控对比视频对应的加权系数,所述加权系数和所述视频相似度之间具有正相关的匹配关系,每一个所述全景监控对比视频对应的加权系数的和值等于1;
依据每一个所述全景模型监控对比视频对应的加权系数,对每一个所述全景模型监控对比视频对应的模型性能标签信息反映的电池性能数据进行加权均值计算处理,以输出所述目标电池对应的电池性能数据。
参照图2所示的内容,本发明实施例还提供一种太阳能电池性能数据监控系统,可应用于上述监控服务器。其中,所述太阳能电池性能数据监控系统可以包括模型监控视频生成模块、视频相似度计算模块和电池性能数据确定模块。可以理解的是,在一些实施方式中,所述太阳能电池性能数据监控系统还可以包括其它的软件功能模块。
可以理解的是,在一些实施方式中,所述模型监控视频生成模块,用于依据对目标电池进行全景视频监控处理得到的全景监控视频,对所述目标电池对应的目标电池模型进行模型形状的对应控制处理,以生成所述目标电池模型对应的全景模型监控视频。所述视频相似度计算模块,用于对于预先配置的多个全景模型监控对比视频中的每一个全景模型监控对比视频,对该全景模型监控对比视频和所述全景模型监控视频进行相似度计算,以输出该全景模型监控对比视频对应的视频相似度。所述电池性能数据确定模块,用于依据每一个所述全景模型监控对比视频对应的视频相似度,对每一个所述全景模型监控对比视频对应的模型性能标签信息进行融合处理,以输出所述目标电池对应的电池性能数据,所述模型性能标签信息用于反映对应的对比电池模型对应的对比电池测试出的电池性能数据。
综上所述,本发明提供的一种太阳能电池性能数据监控方法及系统,可以依据对目标电池进行全景视频监控处理得到的全景监控视频,对目标电池对应的目标电池模型进行模型形状的对应控制处理,以生成目标电池模型对应的全景模型监控视频。对于每一个全景模型监控对比视频,对该全景模型监控对比视频和全景模型监控视频进行相似度计算,以输出该全景模型监控对比视频对应的视频相似度。依据每一个全景模型监控对比视频对应的视频相似度,对每一个全景模型监控对比视频对应的模型性能标签信息进行融合处理,以输出目标电池对应的电池性能数据。通过前述的内容,由于是依据模型视频之间的视频相似度来确定电池性能数据,使得可以避免因直接依据监控视频之间的视频相似度来确定电池性能数据而导致的可靠度不佳的问题(监控视频之间的视频相似度容易受到背景的干扰)以提高电池性能数据确定的可靠度。另外,由于依据多个视频相似度来对多个模型性能标签信息进行融合处理,使得依据更为充分,也能够使得融合处理得到的电池性能数据的可靠度更高,改善现有的可靠度不高的问题。
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 (10)
1.一种太阳能电池性能数据监控方法,其特征在于,应用于监控服务器,所述太阳能电池性能数据监控方法包括:
依据对目标电池进行全景视频监控处理得到的全景监控视频,对所述目标电池对应的目标电池模型进行模型形状的对应控制处理,以生成所述目标电池模型对应的全景模型监控视频;
对于预先配置的多个全景模型监控对比视频中的每一个全景模型监控对比视频,对该全景模型监控对比视频和所述全景模型监控视频进行相似度计算,以输出该全景模型监控对比视频对应的视频相似度;
依据每一个所述全景模型监控对比视频对应的视频相似度,对每一个所述全景模型监控对比视频对应的模型性能标签信息进行融合处理,以输出所述目标电池对应的电池性能数据,所述模型性能标签信息用于反映对应的对比电池模型对应的对比电池测试出的电池性能数据。
2.如权利要求1所述的太阳能电池性能数据监控方法,其特征在于,所述依据对目标电池进行全景视频监控处理得到的全景监控视频,对所述目标电池对应的目标电池模型进行模型形状的对应控制处理,以生成所述目标电池模型对应的全景模型监控视频的步骤,包括:
在通过模拟太阳能电池的发电环境对目标电池进行性能测试的过程中,对所述目标电池进行全景视频监控处理,以输出所述目标电池对应的全景监控视频,所述全景监控视频包括多帧全景监控视频帧;
对所述目标电池对应的目标电池模型进行模型特征点的标记处理,以输出所述目标电池模型对应的多个模型特征点;
依次依据所述全景监控视频包括的多帧全景监控视频帧中的每一帧全景监控视频帧,对所述目标电池模型对应的多个模型特征点进行特征点的位置控制处理,以依次生成每一帧全景监控视频帧对应的全景模型监控视频帧,再对每一帧全景监控视频帧对应的全景模型监控视频帧进行拼接处理,以形成所述目标电池模型对应的全景模型监控视频。
3.如权利要求2所述的太阳能电池性能数据监控方法,其特征在于,所述依次依据所述全景监控视频包括的多帧全景监控视频帧中的每一帧全景监控视频帧,对所述目标电池模型对应的多个模型特征点进行特征点的位置控制处理,以依次生成每一帧全景监控视频帧对应的全景模型监控视频帧,再对每一帧全景监控视频帧对应的全景模型监控视频帧进行拼接处理,以形成所述目标电池模型对应的全景模型监控视频的步骤,包括:
依据对应的视频帧时序,依次对所述全景监控视频包括的多帧全景监控视频帧中的每一帧全景监控视频帧进行遍历处理;
对于当前遍历到的全景监控视频帧,依据该当前遍历到的全景监控视频帧和第一帧全景监控视频帧,分别确定所述多个模型特征点中的每一个模型特征点对应的位置变化信息,再依据每一个模型特征点对应的位置变化信息和每一个模型特征点的初始位置信息,计算输出每一个模型特征点在该当前遍历到的全景监控视频帧对应的视频帧时序下的目标位置信息;
对于当前遍历到的全景监控视频帧,依据每一个模型特征点在该当前遍历到的全景监控视频帧对应的视频帧时序下的目标位置信息,构建形成该当前遍历到的全景监控视频帧对应的全景模型监控视频帧;
对每一帧所述全景监控视频帧对应的全景模型监控视频帧进行拼接处理,以形成所述目标电池模型对应的全景模型监控视频。
4.如权利要求2所述的太阳能电池性能数据监控方法,其特征在于,所述依次依据所述全景监控视频包括的多帧全景监控视频帧中的每一帧全景监控视频帧,对所述目标电池模型对应的多个模型特征点进行特征点的位置控制处理,以依次生成每一帧全景监控视频帧对应的全景模型监控视频帧,再对每一帧全景监控视频帧对应的全景模型监控视频帧进行拼接处理,以形成所述目标电池模型对应的全景模型监控视频的步骤,包括:
依据每一个所述模型特征点的初始位置信息,构建形成所述全景监控视频包括的第一帧全景监控视频帧对应的全景模型监控视频帧;
依据对应的视频帧时序,依次对所述全景监控视频包括的第一帧全景监控视频帧以外的每一帧全景监控视频帧进行遍历处理;
对于当前遍历到的全景监控视频帧,依据该当前遍历到的全景监控视频帧和前一帧全景监控视频帧,分别确定所述多个模型特征点中的每一个模型特征点对应的位置变化信息,再依据每一个模型特征点对应的位置变化信息和每一个模型特征点在前一帧全景监控视频帧对应的视频帧时序下的目标位置信息,计算输出每一个模型特征点在该当前遍历到的全景监控视频帧对应的视频帧时序下的目标位置信息;
对于当前遍历到的全景监控视频帧,依据每一个模型特征点在该当前遍历到的全景监控视频帧对应的视频帧时序下的目标位置信息,构建形成该当前遍历到的全景监控视频帧对应的全景模型监控视频帧;
对每一帧所述全景监控视频帧对应的全景模型监控视频帧进行拼接处理,以形成所述目标电池模型对应的全景模型监控视频。
5.如权利要求1所述的太阳能电池性能数据监控方法,其特征在于,所述对于预先配置的多个全景模型监控对比视频中的每一个全景模型监控对比视频,对该全景模型监控对比视频和所述全景模型监控视频进行相似度计算,以输出该全景模型监控对比视频对应的视频相似度的步骤,包括:
对于预先配置的多个全景模型监控对比视频中的每一个全景模型监控对比视频,分别对该全景模型监控对比视频包括的每一帧全景模型监控对比视频帧进行像素特征点的识别提取处理,以输出每一帧全景模型监控对比视频帧对应的对比像素特征点集合;
对于所述全景模型监控视频包括的每一帧全景模型监控视频帧,对该全景模型监控视频帧进行像素特征点的识别提取处理,以输出该全景模型监控视频帧对应的像素特征点集合;
对于每一个所述全景模型监控对比视频,依据该全景模型监控对比视频包括的每一帧全景模型监控对比视频帧对应的对比像素特征点集合和所述全景模型监控视频包括的每一帧全景模型监控视频帧对应的像素特征点集合,对该全景模型监控对比视频和所述全景模型监控视频进行相似度计算,以输出该全景模型监控对比视频对应的视频相似度。
6.如权利要求5所述的太阳能电池性能数据监控方法,其特征在于,所述对于所述全景模型监控视频包括的每一帧全景模型监控视频帧,对该全景模型监控视频帧进行像素特征点的识别提取处理,以输出该全景模型监控视频帧对应的像素特征点集合的步骤,包括:
对于所述全景模型监控视频帧包括的每一个像素点,依据该像素点的三维空间坐标和每一个其它像素点的三维空间坐标,筛查出该像素点对应的每一个相邻像素点,以构建形成该像素点对应的相邻像素点集合,所述相邻像素点集合包括多个相邻像素点;
对于所述全景模型监控视频帧包括的每一个像素点,依据与该像素点之间的像素差值和像素位置距离,分别确定该像素点对应的相邻像素点集合中的每一个相邻像素点对应的二维空间坐标;
对于所述全景模型监控视频帧包括的每一个像素点,依据每一个相邻像素点对应的二维空间坐标,对该像素点对应的相邻像素点集合中的每一个相邻像素点进行聚类处理,以形成该像素点对应的至少一个相邻像素点聚类簇,再分别计算该至少一个相邻像素点聚类簇中的每一个相邻像素点聚类簇的聚类中心与坐标原点之间的坐标距离;
对于所述全景模型监控视频帧包括的每一个像素点,依据该像素点对应的至少一个相邻像素点聚类簇中的每一个相邻像素点聚类簇对应的聚类中心与所述坐标原点之间的坐标距离,对该像素点进行鉴别处理,以确定是否将该像素点标记为候选像素点;
对于所述全景模型监控视频帧包括的每两个候选像素点,对该两个候选像素点进行连接处理,以形成该两个候选像素点之间的像素连接线;
对于所述全景模型监控视频帧包括的每一个候选像素点,对该候选像素点是否属于任意两个其它候选像素点之间的像素连接线上进行确定处理,以及,在该候选像素点是不属于任意两个其它候选像素点之间的像素连接线上的情况下,将该候选像素点标记为像素特征点,或者,在该候选像素点是属于任意两个其它候选像素点之间的像素连接线上的情况下,将该候选像素点标记为第一候选像素点;
对于每一个像素特征点组合,依据该像素特征点组合包括的多个像素特征点,连接形成该像素特征点组合对应的多边图形,所述像素特征点组合包括的多个像素特征点之间具有相邻关系;
对于每一个所述第一候选像素点,鉴别该第一候选像素点是否属于一个多边图形的内部,并在该第一候选像素点不属于任意一个多边图形的内部的情况下,将该第一候选像素点重新标记为像素特征点,再依据每一个像素点特征点,构建出所述全景模型监控视频帧对应的像素特征点集合。
7.如权利要求5所述的太阳能电池性能数据监控方法,其特征在于,所述对于每一个所述全景模型监控对比视频,依据该全景模型监控对比视频包括的每一帧全景模型监控对比视频帧对应的对比像素特征点集合和所述全景模型监控视频包括的每一帧全景模型监控视频帧对应的像素特征点集合,对该全景模型监控对比视频和所述全景模型监控视频进行相似度计算,以输出该全景模型监控对比视频对应的视频相似度的步骤,包括:
对于每一个所述全景模型监控对比视频,依据对应的视频帧时序,将该全景模型监控对比视频包括的全景模型监控对比视频帧和所述全景模型监控视频包括的全景模型监控视频帧进行一一关联处理,使得每一帧全景模型监控对比视频帧与一帧全景模型监控视频帧具有关联关系,每一个所述全景模型监控对比视频包括的全景模型监控对比视频帧的数量与所述全景模型监控视频包括的全景模型监控视频帧的数量一致;
对于每一个所述全景模型监控对比视频包括的每一帧全景模型监控对比视频帧,对该全景模型监控对比视频帧对应的对比像素特征点集合和该全景模型监控对比视频帧关联的全景模型监控视频帧对应的像素特征点集合进行集合重合度的计算处理,以输出该全景模型监控对比视频帧和关联的全景模型监控视频帧之间的集合重合度;
对于每一个所述全景模型监控对比视频,依据该全景模型监控对比视频包括的每一帧全景模型监控对比视频帧和关联的全景模型监控视频帧之间的集合重合度,计算输出该全景模型监控对比视频对应的视频相似度。
8.如权利要求7所述的太阳能电池性能数据监控方法,其特征在于,所述对于每一个所述全景模型监控对比视频包括的每一帧全景模型监控对比视频帧,对该全景模型监控对比视频帧对应的对比像素特征点集合和该全景模型监控对比视频帧关联的全景模型监控视频帧对应的像素特征点集合进行集合重合度的计算处理,以输出该全景模型监控对比视频帧和关联的全景模型监控视频帧之间的集合重合度的步骤,包括:
对于每一帧所述全景模型监控对比视频帧,依据每一个对比像素特征点对应的三维空间坐标,分别将该全景模型监控对比视频帧对应的对比像素特征点集合包括的每一个对比像素特征点投射至目标三维空间,以在所述目标三维空间形成该全景模型监控对比视频帧对应的多个第一投射点,再分别将该全景模型监控对比视频帧关联的全景模型监控视频帧对应的像素特征点集合包括的每一个像素点特征点投射至所述目标三维空间,以在所述目标三维空间形成该全景模型监控视频帧对应的多个第二投射点;
对于每一帧所述全景模型监控对比视频帧,对该全景模型监控对比视频帧对应的多个第一投射点和关联的全景模型监控视频帧对应的多个第二投射点进行投射点的重合数量统计处理,以输出对应的投射点重合数量,再依据该投射点重合数量对应的数量占比,计算输出该全景模型监控对比视频帧和关联的全景模型监控视频帧之间的第一重合度;
对于每一帧所述全景模型监控对比视频帧,在所述目标三维空间,对该全景模型监控对比视频帧对应的多个第一投射点和关联的全景模型监控视频帧对应的多个第二投射点进行聚类处理,以形成全景模型监控对比视频帧对应的至少一个投射点聚类簇,在分别对该至少一个投射点聚类簇中的每一个投射点聚类簇进行绝对差值计算处理,以输出每一个投射点聚类簇对应的数量差值,以及,依据每一个投射点聚类簇对应的数量差值,计算输出该全景模型监控对比视频帧和关联的全景模型监控视频帧之间的第二重合度,所述数量差值等于对应的投射点聚类簇中第一投射点的数量和第二投射点的数量之间的差值的绝对值;
对于每一帧所述全景模型监控对比视频帧,依据该全景模型监控对比视频帧与关联的全景模型监控视频帧之间的第一重合度和第二重合度,进行集合重合度的计算处理,以输出该全景模型监控对比视频帧和关联的全景模型监控视频帧之间的集合重合度。
9.如权利要求1-8任意一项所述的太阳能电池性能数据监控方法,其特征在于,所述依据每一个所述全景模型监控对比视频对应的视频相似度,对每一个所述全景模型监控对比视频对应的模型性能标签信息进行融合处理,以输出所述目标电池对应的电池性能数据的步骤,包括:
依据每一个所述全景模型监控对比视频对应的视频相似度,分别确定出每一个所述全景监控对比视频对应的加权系数,所述加权系数和所述视频相似度之间具有正相关的匹配关系,每一个所述全景监控对比视频对应的加权系数的和值等于1;
依据每一个所述全景模型监控对比视频对应的加权系数,对每一个所述全景模型监控对比视频对应的模型性能标签信息反映的电池性能数据进行加权均值计算处理,以输出所述目标电池对应的电池性能数据。
10.一种太阳能电池性能数据监控系统,其特征在于,应用于监控服务器,所述太阳能电池性能数据监控系统包括:
模型监控视频生成模块,用于依据对目标电池进行全景视频监控处理得到的全景监控视频,对所述目标电池对应的目标电池模型进行模型形状的对应控制处理,以生成所述目标电池模型对应的全景模型监控视频;
视频相似度计算模块,用于对于预先配置的多个全景模型监控对比视频中的每一个全景模型监控对比视频,对该全景模型监控对比视频和所述全景模型监控视频进行相似度计算,以输出该全景模型监控对比视频对应的视频相似度;
电池性能数据确定模块,用于依据每一个所述全景模型监控对比视频对应的视频相似度,对每一个所述全景模型监控对比视频对应的模型性能标签信息进行融合处理,以输出所述目标电池对应的电池性能数据,所述模型性能标签信息用于反映对应的对比电池模型对应的对比电池测试出的电池性能数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210889789.5A CN114978037B (zh) | 2022-07-27 | 2022-07-27 | 太阳能电池性能数据监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210889789.5A CN114978037B (zh) | 2022-07-27 | 2022-07-27 | 太阳能电池性能数据监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114978037A true CN114978037A (zh) | 2022-08-30 |
CN114978037B CN114978037B (zh) | 2022-10-25 |
Family
ID=82969158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210889789.5A Active CN114978037B (zh) | 2022-07-27 | 2022-07-27 | 太阳能电池性能数据监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114978037B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115578696A (zh) * | 2022-11-29 | 2023-01-06 | 广东美赛尔细胞生物科技有限公司 | 一种冻干粉生产跟踪系统的数据处理方法 |
CN115588157A (zh) * | 2022-12-12 | 2023-01-10 | 广东祥利科技有限公司 | 交联低烟低卤聚烯烃材料的性能数据处理方法及系统 |
CN115620210A (zh) * | 2022-11-29 | 2023-01-17 | 广东祥利科技有限公司 | 基于图像处理的电子线料的性能确定方法及系统 |
CN115760728A (zh) * | 2022-11-07 | 2023-03-07 | 广东祥利塑料有限公司 | 基于数据处理的耐辐照橡胶材料的性能分析方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102974551A (zh) * | 2012-11-26 | 2013-03-20 | 华南理工大学 | 一种基于机器视觉的多晶硅太阳能检测分选的方法 |
CN103108159A (zh) * | 2013-01-17 | 2013-05-15 | 新疆电力公司乌鲁木齐电业局 | 一种电力智能视频分析监控系统和方法 |
US20180003656A1 (en) * | 2016-06-30 | 2018-01-04 | Unmanned Innovation Inc. | Solar panel inspection using unmanned aerial vehicles |
JP6414721B1 (ja) * | 2018-03-30 | 2018-10-31 | 株式会社スマートエナジーサービス | 太陽電池モジュールのモニタリング方法、及び太陽電池モジュールモニタリングシステム |
CN111462316A (zh) * | 2020-04-20 | 2020-07-28 | 国网河北省电力有限公司培训中心 | 一种光伏电站三维全景监视方法和装置 |
CN112399138A (zh) * | 2019-08-19 | 2021-02-23 | 北京天诚同创电气有限公司 | 光伏电站的视频监控方法和系统 |
CN112449147A (zh) * | 2019-08-29 | 2021-03-05 | 北京天诚同创电气有限公司 | 光伏电站视频集群监控系统及其图像处理方法 |
CN213661790U (zh) * | 2020-11-05 | 2021-07-09 | 国网甘肃省电力公司甘南供电公司 | 一种光伏电站的监控装置 |
CN113902976A (zh) * | 2021-10-12 | 2022-01-07 | 西安咸林能源科技有限公司 | 一种故障电池板位置标识处理方法和系统 |
CN114387466A (zh) * | 2021-12-03 | 2022-04-22 | 武汉纺织大学 | 一种太阳能电池片色差检测方法及系统 |
-
2022
- 2022-07-27 CN CN202210889789.5A patent/CN114978037B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102974551A (zh) * | 2012-11-26 | 2013-03-20 | 华南理工大学 | 一种基于机器视觉的多晶硅太阳能检测分选的方法 |
CN103108159A (zh) * | 2013-01-17 | 2013-05-15 | 新疆电力公司乌鲁木齐电业局 | 一种电力智能视频分析监控系统和方法 |
US20180003656A1 (en) * | 2016-06-30 | 2018-01-04 | Unmanned Innovation Inc. | Solar panel inspection using unmanned aerial vehicles |
JP6414721B1 (ja) * | 2018-03-30 | 2018-10-31 | 株式会社スマートエナジーサービス | 太陽電池モジュールのモニタリング方法、及び太陽電池モジュールモニタリングシステム |
CN112399138A (zh) * | 2019-08-19 | 2021-02-23 | 北京天诚同创电气有限公司 | 光伏电站的视频监控方法和系统 |
CN112449147A (zh) * | 2019-08-29 | 2021-03-05 | 北京天诚同创电气有限公司 | 光伏电站视频集群监控系统及其图像处理方法 |
CN111462316A (zh) * | 2020-04-20 | 2020-07-28 | 国网河北省电力有限公司培训中心 | 一种光伏电站三维全景监视方法和装置 |
CN213661790U (zh) * | 2020-11-05 | 2021-07-09 | 国网甘肃省电力公司甘南供电公司 | 一种光伏电站的监控装置 |
CN113902976A (zh) * | 2021-10-12 | 2022-01-07 | 西安咸林能源科技有限公司 | 一种故障电池板位置标识处理方法和系统 |
CN114387466A (zh) * | 2021-12-03 | 2022-04-22 | 武汉纺织大学 | 一种太阳能电池片色差检测方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115760728A (zh) * | 2022-11-07 | 2023-03-07 | 广东祥利塑料有限公司 | 基于数据处理的耐辐照橡胶材料的性能分析方法及系统 |
CN115578696A (zh) * | 2022-11-29 | 2023-01-06 | 广东美赛尔细胞生物科技有限公司 | 一种冻干粉生产跟踪系统的数据处理方法 |
CN115620210A (zh) * | 2022-11-29 | 2023-01-17 | 广东祥利科技有限公司 | 基于图像处理的电子线料的性能确定方法及系统 |
CN115588157A (zh) * | 2022-12-12 | 2023-01-10 | 广东祥利科技有限公司 | 交联低烟低卤聚烯烃材料的性能数据处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114978037B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114978037B (zh) | 太阳能电池性能数据监控方法及系统 | |
CN111242097B (zh) | 一种人脸识别方法、装置、计算机可读介质及电子设备 | |
EP3709266A1 (en) | Human-tracking methods, apparatuses, systems, and storage media | |
CN111667001B (zh) | 目标重识别方法、装置、计算机设备和存储介质 | |
EP3073443B1 (en) | 3d saliency map | |
CN116168351B (zh) | 电力设备巡检方法及装置 | |
CN114140712A (zh) | 一种自动图像识别分发系统及方法 | |
CN115620243B (zh) | 基于人工智能的污染源监测方法、系统及云平台 | |
CN115001394B (zh) | 基于人工智能的太阳能电池状态监测方法及系统 | |
CN115100541B (zh) | 一种卫星遥感数据的处理方法、系统及云平台 | |
CN115620083A (zh) | 模型训练方法、人脸图像质量评价方法、设备及介质 | |
CN115272972A (zh) | 一种基于遥感的人居环境监控方法及系统 | |
CN112819859B (zh) | 一种应用于智慧安防的多目标跟踪方法及装置 | |
CN115330140A (zh) | 一种基于数据挖掘的建筑风险预测方法及其预测系统 | |
CN115375886A (zh) | 一种基于云计算服务的数据采集方法及系统 | |
CN113822155A (zh) | 一种聚类辅助的弱监督视频异常检测方法和装置 | |
CN115700821B (zh) | 一种基于图像处理的细胞识别方法及系统 | |
CN115620210B (zh) | 基于图像处理的电子线料的性能确定方法及系统 | |
CN115082709B (zh) | 遥感大数据处理方法、系统及云平台 | |
CN114978040B (zh) | 基于太阳能电池数据的衰减状况分析方法及系统 | |
CN115661419B (zh) | 实景三维增强现实可视化方法及系统 | |
CN111625672B (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
CN113569887B (zh) | 图片识别模型训练和图片识别方法、装置和存储介质 | |
Aing et al. | Faster and finer pose estimation for object pool in a single rgb image | |
CN116665059A (zh) | 一种建筑区遥感图像处理方法及系统 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: No. 43 Bailing South Road, Quzhou City, Zhejiang Province 324022 Patentee after: Yidao New Energy Technology Co.,Ltd. Address before: 324022 room 604, building 3, Donggang Third Road, green industry cluster, Qujiang District, Quzhou City, Zhejiang Province Patentee before: A New Energy Technology (Quzhou) Co.,Ltd. |