CN115457119B - 汇流条的标注方法、装置、计算机设备及可读存储介质 - Google Patents
汇流条的标注方法、装置、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN115457119B CN115457119B CN202211154218.3A CN202211154218A CN115457119B CN 115457119 B CN115457119 B CN 115457119B CN 202211154218 A CN202211154218 A CN 202211154218A CN 115457119 B CN115457119 B CN 115457119B
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- photovoltaic panel
- bus bar
- images
- 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.)
- Active
Links
- 238000002372 labelling Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000001514 detection method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种汇流条的标注方法、装置、计算机设备及可读存储介质。该方法包括:对光伏板图像进行切分,得到多张第一子图像;其中,每张第一子图像中均包括一个汇流条;对每张第一子图像中汇流条进行标注,得到汇流条在对应第一子图像的第一标注信息;根据第一子图像在光伏板图像上的第一位置信息、第一标注信息生成所述第一子图像的所述汇流条在所述光伏板图像上的第二标注信息。本发明通过将光伏板图像切分多个小图像,并在小图像上对汇流条进行标注,以间接实现对光伏板图像上的汇流条进行标注,不仅提高了光伏板上汇流条的标注的效率,节省了大量的标注时间,而且避免了光伏板图像上出现汇流条标注遗漏的问题。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种汇流条的标注方法、装置、计算机设备及可读存储介质。
背景技术
目前,在对光伏板进行检查和维护时,通常以拍摄光伏板图像的方式对光伏板中的汇流条进行缺陷检查。而前期在采集光伏板图像数据的过程中,需要在光伏板图像上找到所有的汇流条并进行标注,然而,由于光伏板的尺寸较大,而汇流条分布在光伏板中的不同位置,同时汇流条相对于光伏板尺寸较小,导致在寻找汇流条的标注位置这一过程中,浪费了大量的时间,极大的降低了汇流条的标注效率。
发明内容
针对现有技术的不足,本发明提供了一种汇流条的标注方法、装置、计算机设备及可读存储介质,旨在解决现有技术中汇流条的标注耗费时间较多、效率较低的技术问题。
第一方面,本发明实施例提供了一种汇流条的标注方法,其包括:
对光伏板图像进行切分,得到多张第一子图像;其中,每张所述第一子图像中均包括一个汇流条;
对每张所述第一子图像中所述汇流条进行标注,得到所述汇流条在对应所述第一子图像的第一标注信息;
根据所述第一子图像在所述光伏板图像上的第一位置信息、所述第一标注信息生成所述第一子图像的所述汇流条在所述光伏板图像上的第二标注信息。
第二方面,本发明实施例提供了一种汇流条的标注装置,其包括:
第一切分单元,用于对光伏板图像进行切分,得到多张第一子图像;其中,每张所述第一子图像中均包括一个汇流条;
标注单元,用于对每张所述第一子图像中所述汇流条进行标注,得到所述汇流条在对应所述第一子图像的第一标注信息;
生成单元,用于根据所述第一子图像在所述光伏板图像上的第一位置信息、所述第一标注信息生成所述第一子图像的所述汇流条在所述光伏板图像上的第二标注信息。
第三方面,本发明实施例又提供了一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如上述第一方面所述的汇流条的标注方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其中,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的汇流条的标注方法。
本发明实施例提供了一种汇流条的标注方法、装置、计算机设备及存储介质,该方法通过将光伏板图像切分成多张包含一个汇流条的第一子图像,并在每张第一子图像上对汇流条的进行标注以得到汇流条在对应第一子图像上的第一标注信息,最后根据第一子图像在光伏板图像上的第一位置信息、第一标注信息生成汇流条在光伏板图像上的第二标注信息。本发明通过将光伏板图像切分多个小图像,并在小图像上对汇流条进行标注,以间接实现对光伏板图像上的汇流条进行标注,不仅提高了光伏板上汇流条的标注的效率,节省了大量的标注时间,而且避免了光伏板图像上出现汇流条标注遗漏的问题。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的汇流条的标注方法的应用场景图;
图2为本发明实施例提供的汇流条的标注方法的流程示意图;
图3为本发明实施例提供的汇流条的标注方法中的光伏板图像;
图4为本发明实施例提供的汇流条的标注方法中的第一子图像;
图5为本发明实施例提供的汇流条的标注方法的一流程示意图;
图6为本发明实施例提供的汇流条的标注方法中切分后的光伏板图像;
图7为本发明实施例提供的汇流条的标注方法的另一流程示意图;
图8为本发明实施例提供的汇流条的标注方法的另一流程示意图;
图9为本发明实施例提供的汇流条的标注方法中三种类型的第一子图像;
图10为本发明实施例提供的汇流条的标注方法的另一流程示意图;
图11为本发明实施例提供的汇流条的标注方法的另一流程示意图;
图12为本发明实施例提供的汇流条的标注方法中标注后的第一子图像;
图13为本发明实施例提供的汇流条的标注装置的示意图;
图14为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
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,所描述的实施例是本发明一部分实施例,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,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、搜索类应用、即时通信工具等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的汇流条的标注方法一般由服务器执行,相应地,汇流条的标注装置一般配置于终端设备101、102、103中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
请参阅图2,图2示出了汇流条的标注方法的具体实施方式。
需注意的是,若有实质上相同的结果,本发明的方法并不以图2所示的流程顺序为限,该方法包括如下步骤:
如图2所示,该方法包括以下步骤S110~S130。
S110、对光伏板图像进行切分,得到多张第一子图像;其中,每张所述第一子图像中均包括一个汇流条。
具体的,如图3和图4所示,光伏板图像包括第一子图像,即第一子图像为光伏板图像的一部分。光伏板图像在切分成第一子图像后,每张第一子图像中均包括一个汇流条,且光伏板图像中的一个汇流条对应一个第一子图像。
在本实施例中,光伏板图像的切分可以采用目标检测技术以检测出光伏板图像中的所有电池片,并可以在检测出电池片在光伏板图像中所在位置的基础上对光伏板图像的切分,进而实现每张第一子图像中均存在一个汇流条。其中,目标检测技术可以为R-CNN、SPP、Fast R-CNN、Faster R-CNN、YOLO、SSD等深度学习目标检测算法。
在其他发明实施例中,如图5所示,步骤S110包括子步骤S111、S112和S113。
S111、对所述光伏板图像进行切分,得到多张第二子图像;其中,每张所述第二子图像中均包括一个电池片;
S112、对所述第二子图像进行分组,得到多个图像组;其中,每个所述图像组包括多张所述第二子图像;
S113、将每个所述图像组中的多张所述第二子图像进行合并,得到所述第一子图像。
具体的,第二子图像同样也为光伏板图像的一部分,所有的第二子图像可以组成光伏板图像,每张第二子图像中均包括一个电池片,光伏板图像中的一个电池片对应一个第二子图像。其中,多张第二子图像在拼接成第一子图像时,每张第二子图像中均包含不完整的汇流条,同时在选取多张第二子图像进行拼接时,拼接成的第一子图像中需存在完整的汇流条。
由于光伏板图像的尺寸较大,而汇流条在光伏板图像上的尺寸较小,而且排列的位置多种多样,若直接采用目标检测技术将光伏板图像切分成多个含有汇流条的第一子图像,其精确度较低,而且在前期训练对应的检测模型时,仍然需要采用人工手段在光伏板图像上标注汇流条,因此,直接采用目标检测技术将光伏板图像切分成多个含有汇流条的第一子图像无法达到预设的精确度。
如图6所示,由于光伏板图像中的电池片在光伏板上成阵列排布,且光伏板图像中的四个角以及每个交叉的地方均存在一个电池片,因此,本实施例采用预先训练好的切图模型将光伏板图像切分成多张含有一个电池片的第二子图像,并根据电池片的分布信息将第二子图像进行分组以得到多个图像组,最后将每一图像组中的多张不同的第二子图像进行合并,便可以得到第一子图像。其中,切图模型可以采用深度学习目标检测算法,训练数据可以为标注有电池片的位置信息的光伏板图像集,切图模型的输出可以为光伏板中各个电池片的预测位置信息,切图模型训练完成后,便可以得到bigcut.pt格式的文件。
在其他发明实施例中,如图7所示,子步骤S111包括子步骤S1111和S1112。
S1111、对所述光伏板图像进行目标检测,得到所述光伏板图像中每个所述电池片的第二位置信息;
S1112、根据所述第二位置信息对所述光伏板图像进行切分,得到多张所述第二子图像。
在本实施例中,第二位置信息为每个电池片在光伏板图像中的坐标信息loc,坐标信息loc包括电池片左上角的坐标信息(x1,y1)、右下角的坐标信息(x2,y2)、所在的行row以及所在的列col,坐标信息loc的数据形式可以表示为:loc=[x1,y1,x2,y2,row,col]。
具体的,目标检测技术可以为R-CNN、SPP、Fast R-CNN、Faster R-CNN、YOLO、SSD等深度学习目标检测算法。本实施例采用Yolov5对所述光伏板图像进行目标检测以获取光伏板图像中每个电池片的第二位置信息,然后在每个电池片的第二位置信息的基础上对光伏板图像进行切分,得到多张第二子图像。
在其他发明实施例中,如图8所示,子步骤S112包括子步骤S1121和S1122。
S1121、获取所述汇流条在所述光伏板图像中的分布信息;
S1122、根据所述分布信息对每张所述第二子图像进行分组,得到多个所述图像组。
在本实施例中,汇流条在光伏板上的分布决定着如何对第二子图像进行分组,同时汇流条在光伏板上的分布由光伏板上电池片的连接方式有关,因此在获取汇流条在光伏板图像中的分布信息之前,需获取光伏板图像中电池片的连接方式,以得到汇流条在光伏板图像中的分布信息,并通过汇流条在光伏板中的分布信息可以确定图像组的组数,进而便可以确定每一图像组对应的第二子图像。例如,若电池片在光伏板上的排布方式为6×20,则可以确定光伏板图像中存在如图9所示的三个种类的第一子图像,此时便可将第二子图像分成三个图像组。其中,光伏板图像上第一列电池片的1-2行、3-4行、5-6行左侧均各自存在一个汇流条,此处两张上下相邻的第二子图像可以合并成第一种类的子图像;光伏板图像中相邻两列电池片之间只有第10列和第11列的电池片中间存在6个汇流条,此处两张左右相邻的第二子图像可以合并成第二种类的子图像;光伏板图像中的最后一列电池片的1-2行、3-4行、5-6行右侧均各自存在一个汇流条,此处上下相邻的第二子图像可以合并成第三种类的子图像。
需要说明的是,不同型号的光伏板中电池片的行数或列数可能出现变化,导致光伏板中电池片的连接方式也不一样能够,进而会导致光伏板中汇流条的分布与本申请提及汇流条在光伏板中的分布不同,故还需针对不同型号光伏板中的实际汇流条出现位置进行重新确定汇流条在光伏板中的分布信息。
可以理解,多个图像组中可以包含不存在汇流条信息的第二图像,也可以全部为存在汇流条信息的第二图像。当多个图像组中全部为存在汇流条信息的第二图像时,只需在对第二图像进行分组前,预先剔除掉不存在汇流条信息的第二图像即可。
在其他发明实施例中,如图10所示,子步骤S113包括子步骤S1131和S1132。
S1131、获取每个所述图像组中相邻的多张所述第二子图像;
S1132、将相邻的多张所述第二子图像进行合并,得到所述第一子图像。
具体的,相邻的多张第二子图像所形成的图像组中任意一张第二子图像必定与该图像组中其他第二子图像在光伏板图像中相邻。通常光伏板上的部分汇流条位于两个电池片之间,其余部分的汇流条则位于光伏板边缘位置出的电池片附近,因此,在获取到每个图像组中相邻的两张第二子图像后,还需进一步对即将进行组合的两张第二子图像进行筛选,以得到可以组合成第一子图像的两张第二子图像。例如,若电池片在光伏板上的排布方式为6×20,此时光伏板图像中相邻两列电池片之间只有第10列和第11列的电池片中间存在汇流条,此时便需要保留第10列和第11列的电池片所在的第二子图像,然后将左右相邻两张第二子图像进行合并以得到第一子图像,最终便可以得到如图4所示的12张第一子图像,并将12张第一子图像保存在Small文件夹中。
在其他发明实施例中,如图11所示,子步骤S1132之后,还包括子步骤S11321和S11322。
S11321、获取所述第二子图像在所述光伏板图像中的第三位置信息;
S11322、根据所述第三位置信息对所述第一子图像进行命名,得到所述第一子图像的名称。
在本实施例中,第三位置信息为第二子图像在光伏板图像上的坐标信息,第三位置信息可以由第一子图像的多个点在光伏板图像上的坐标信息组成,第一子图像的多个点可以为第二子图像的多个边角点。其中,本实施例中之所以要通过第三位置信息对第一子图像进行命名,其主要是便于后续从第一子图像的名称中快速获取第一子图像在光伏板图像上的坐标信息。由于第一子图像是由多张第二子图像拼接得到,因此,只需通过第一子图像所对应的第二子图像在光伏板图像中的第三位置信息,便可以得到第一子图像在光伏板图像上的坐标信息,进而便可以对第一子图像进行命名,以得到第一子图像的名称。第一子图像进行命名的具体过程可以为:根据第三位置信息生成第一子图像在光伏板图像上的坐标信息,根据该坐标信息、光伏板图像名称、特定字符以及第一子图像中电池片的排布信息生成所述第一子图像的名称。
例如,两张相邻的第二子图像合并成第一子图像后,每张第一子图像的文件名称的命名方式可以为:光伏板图像名称+HLT+第一子图像左上角在光伏板图像中的位置信息+两个第二子图像中的电池片在光伏板图像中所在的行和列。
S120、对每张所述第一子图像中所述汇流条进行标注,得到所述汇流条在对应所述第一子图像的第一标注信息。
在本实施例中,第一标注信息为汇流条在所在的第一图像上的标签信息,第一标注信息包括汇流条在对应第一子图像中的坐标信息,本实施例可以采用Labelimg标注工具对每张第一子图像中的汇流条进行标注,每标注完一张第一子图像中的汇流条时,均会在Labelimg标注工具中生成一个XML文件,该XML文件包括汇流条标签名称(huiliutiao)、汇流条标注框的坐标信息,该XML文件即即为汇流条在对应第一子图像的第一标注信息,同时该XML文件的文件名与对应的第一子图像的文件名称一致,即一个XML文件对应一个标签文件,其对应着与其有相同文件名称的第一子图像的标注信息。另外,所有的第一子图像标注完成后,可以将其与所对应的12个XML文件共同保存至Small文件夹中。
例如,当电池片在光伏板上的排布方式为6×20时,光伏板图像中第一行第一列、第二行第一列的电池片左边的汇流条在采用Labelimg标注工具进行标注后,便可以得到如图12所示的标注有汇流条的第一子图像。
可以理解,本实施例提及的标注工具并不仅仅局限于Labelimg标注工具,本发明还可以采用Labelme、VOTT等标注工具进行替换。
在其他发明实施例中,步骤S120之前,还包括:对所述第一子图像的名称进行解析,得到所述第一子图像在所述光伏板图像上的第一位置信息。
在本实施例中,第一子图像的名称中包含了第一子图像在光伏板图像上的第一位置信息,因此,通过对第一子图像的名称进行解析,便可以得到第一子图像在光伏板图像上的第一位置信息。
S130、根据所述第一子图像在所述光伏板图像上的第一位置信息、所述第一标注信息生成所述汇流条在所述光伏板图像上的第二标注信息。
具体的,第一位置信息为第一子图像在光伏板图像上的坐标信息,第一位置信息可以从光伏板图像切分成多个第一子图像后获得,第一位置信息可以由第一子图像的多个点在光伏板图像上的坐标信息组成,第一子图像的多个点可以为第一子图像的多个边角点。第二标注信息为汇流条在光伏板图像上的标签信息,第二标注信息主要包括汇流条在光伏板图像上的坐标信息,生成汇流条在光伏板图像上的坐标信息,便可以快速生成第二标注信息。其中,汇流条在光伏板图像上的坐标信息的具体过程为:获取第一标注信息中汇流条在对应第一子图像中的坐标信息,并与第一位置信息进行计算,便可以得到汇流条在光伏板图像上的坐标信息,同时将该坐标信息与第一标注信息进行汇总,便可以得到汇流条在光伏板图像上的第二标注信息。
在本实施例中,第一位置信息为第一子图像在光伏板图像中的坐标信息,汇流条的在对应第一子图像中的坐标信息可以从可以通过第一标注信息中获取,即可以从标有“huiliutiao”中获取,本实施例中的第一标注信息由标注工具自动生成的数据信息,第一标注信息包括汇流条所在的矩形框的左上角、右下角两个点的坐标信息,第一标注信息可以为XML文件,同时一个XML文件的文件名与对应的第一子图像的文件名称一致,因此可以预先通过提取XML文件的文件名,并通过预先设定的分割规则对XML文件的文件名进行分割以提取,从而获取第一子图像在光伏板图像中的第一位置信息。
其中,XML文件的文件名的分割规则可以根据XML文件的文件名的命名规则进行设定,也可以根据对应第一子图像的命名规则进行设定。例如,若第一子图像的文件名称的命名方式可以为:光伏板图像名称+HLT+第一子图像左上角在光伏板图像中的位置信息+两个第二子图像中的电池片在光伏板图像中所在的行和列,则可以采用“HLT”字段对xml文件的文件名进行分割,以提取出第一子图像左上角在光伏板图像中的位置信息,该位置信息便可作为第一子图像在光伏板图像中的第一位置信息。
具体的,在获取到第一位置信息、汇流条的在对应第一子图像中的坐标信息后,便可计算出汇流条在光伏板图像中的坐标信息,其计算公式可以为:defect_new_xmin=xmin+defect_x,defect_new_ymin=ymin+defect_y,defect_new_xmax=xmax+defect_x,defect_new_ymax=ymax+defect_y,其中,defect_new_xmin、defect_new_ymin、defect_new_xmax以及defect_new_ymax用于表征汇流条在光伏板图像中的坐标信息,defect_x、defect_y用于表征第一子图像在光伏板图像中的第一位置信息,(xmin,ymin)为汇流条所在的矩形框的左上角在对应第一子图像中的坐标信息,(xmax,ymax)为汇流条所在的矩形框的右下角在对应第一子图像中的坐标信息。
另外,在计算出汇流条在光伏板图像中的第二位置信息之后,需将每个汇流条的坐标信息合并到一个XML文件中以得到一个名称为PIC_NAME.XML文件,该XML文件即为光伏板图像中标注有所有汇流条的标注信息。
在本发明实施例所提供的汇流条的标注方法中,通过对光伏板图像进行切分,得到多张第一子图像;其中,每张所述第一子图像中均包括一个汇流条;对每张所述第一子图像中所述汇流条进行标注,得到所述汇流条在对应所述第一子图像的第一标注信息;根据所述第一子图像在所述光伏板图像上的第一位置信息、所述第一标注信息生成所述汇流条在所述光伏板图像上的第二标注信息。本发明通过将光伏板图像切分多个小图像,并在小图像上对汇流条进行标注,不仅提高了光伏板上汇流条的标注的效率,节省了大量的标注时间,而且避免了光伏板图像上出现汇流条标注遗漏的问题。
本发明实施例还提供了一种汇流条的标注装置,该装置用于执行前述汇流条的标注方法的任一实施例。
具体地,请参阅图13,图13是本发明实施例提供的汇流条的标注装置的示意性框图。
如图13所示,所述的汇流条的标注装置,该装置包括:第一切分单元110、标注单元120和生成单元130。
第一切分单元110,用于对光伏板图像进行切分,得到多张第一子图像;其中,每张所述第一子图像中均包括一个汇流条。
在其他发明实施例中,所述第一切分单元110包括:第二切分单元、第一分组单元和第一合并单元。
第二切分单元,用于对所述光伏板图像进行切分,得到多张第二子图像;其中,每张所述第二子图像中均包括一个电池片;第一分组单元,用于对所述第二子图像进行分组,得到多个图像组;其中,每个所述图像组包括多张所述第二子图像;第一合并单元,用于将每个所述图像组中的多张所述第二子图像进行合并,得到所述第一子图像。
在其他发明实施例中,所述第二切分单元包括:目标检测单元和第二切分单元。
目标检测单元,用于对所述光伏板图像进行目标检测,得到所述光伏板图像中每个所述电池片的第二位置信息;第二切分单元,用于根据所述第二位置信息对所述光伏板图像进行切分,得到多张所述第二子图像。
在其他发明实施例中,所述第一分组单元包括:第一获取单元和第二分组单元。
第一获取单元,用于获取所述汇流条在所述光伏板图像中的分布信息;第二分组单元,用于根据所述分布信息对所述第二子图像进行分组,得到多个所述图像组。
在其他发明实施例中,所述第一合并单元包括:第二获取单元和第二合并单元。
第二获取单元,用于获取所述图像组中相邻的多张所述第二子图像;第二合并单元,用于将相邻的多张所述第二子图像进行合并,得到所述第一子图像。
在其他发明实施例中,汇流条的标注装置还包括:第三获取单元和命名单元。
第三获取单元,用于获取所述第二子图像在所述光伏板图像中的第三位置信息;命名单元,用于根据所述第三位置信息对所述第一子图像进行命名,得到所述第一子图像的名称。
标注单元120,用于对每张所述第一子图像中所述汇流条进行标注,得到所述汇流条在对应所述第一子图像的第一标注信息。
生成单元130,用于根据所述第一子图像在所述光伏板图像上的第一位置信息、所述第一标注信息生成所述汇流条在所述光伏板图像上的第二标注信息。
在其他发明实施例中,汇流条的标注装置还包括:解析单元。
解析单元,用于对所述第一子图像的名称进行解析,得到所述第一子图像在所述光伏板图像上的第一位置信息。
本发明实施例所提供的汇流条的标注装置用于执行上述对光伏板图像进行切分,得到多张第一子图像;其中,每张所述第一子图像中均包括一个汇流条;对每张所述第一子图像中所述汇流条进行标注,得到所述汇流条在对应所述第一子图像的第一标注信息;根据所述第一子图像在所述光伏板图像上的第一位置信息、所述第一标注信息生成所述汇流条在所述光伏板图像上的第二标注信息。
请参阅图14,图14是本发明实施例提供的计算机设备的示意性框图。
参阅图14,该设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括存储介质503和内存储器504。
该存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时,可使得处理器502执行汇流条的标注方法。
该处理器502用于提供计算和控制能力,支撑整个设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行汇流条的标注方法。
该网络接口505用于进行网络通信,如提供数据信息的传输等。本领域技术人员可以理解,图14中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的设备500的限定,具体的设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下功能:对光伏板图像进行切分,得到多张第一子图像;其中,每张所述第一子图像中均包括一个汇流条;对每张所述第一子图像中所述汇流条进行标注,得到标注后的第一子图像;将所述标注后的第一子图像进行合并,得到标注有所述汇流条的光伏板图像。
本领域技术人员可以理解,图14中示出的设备500的实施例并不构成对设备500具体构成的限定,在其他实施例中,设备500可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。例如,在一些实施例中,设备500可以仅包括存储器及处理器502,在这样的实施例中,存储器及处理器502的结构及功能与图14所示实施例一致,在此不再赘述。
应当理解,在本发明实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器502、数字信号处理器502(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器502可以是微处理器502或者该处理器502也可以是任何常规的处理器502等。
在本发明的另一实施例中提供计算机存储介质。该存储介质可以为非易失性的计算机可读存储介质,也可以是易失性的存储介质。该存储介质存储有计算机程序5032,其中计算机程序5032被处理器502执行时实现以下步骤:对光伏板图像进行切分,得到多张第一子图像;其中,每张所述第一子图像中均包括一个汇流条;对每张所述第一子图像中所述汇流条进行标注,得到所述汇流条在对应所述第一子图像的第一标注信息;根据所述第一子图像在所述光伏板图像上的第一位置信息、所述第一标注信息生成所述汇流条在所述光伏板图像上的第二标注信息。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为逻辑功能划分,实际实现时可以有另外的划分方式,也可以将具有相同功能的单元集合成一个单元,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。另外,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、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述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发明实施例方案的目的。
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,也可以是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。
所述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设备500(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种汇流条的标注方法,其特征在于,包括:
对光伏板图像进行切分,得到多张第一子图像;其中,每张所述第一子图像中均包括一个汇流条;
对每张所述第一子图像中所述汇流条进行标注,得到所述汇流条在对应所述第一子图像的第一标注信息;
根据所述第一子图像在所述光伏板图像上的第一位置信息、所述第一标注信息生成所述汇流条在所述光伏板图像上的第二标注信息;
其中,所述对光伏板图像进行切分,得到多张第一子图像,包括:
对所述光伏板图像进行切分,得到多张第二子图像;其中,每张所述第二子图像中均包括一个电池片;
对所述第二子图像进行分组,得到多个图像组;其中,每个所述图像组包括多张所述第二子图像;
将每个所述图像组中的多张所述第二子图像进行合并,得到所述第一子图像。
2.根据权利要求1所述的汇流条的标注方法,其特征在于,所述对所述光伏板图像进行切分,得到多张第二子图像,包括:
对所述光伏板图像进行目标检测,得到所述光伏板图像中每个所述电池片的第二位置信息;
根据所述第二位置信息对所述光伏板图像进行切分,得到多张所述第二子图像。
3.根据权利要求1所述的汇流条的标注方法,其特征在于,所述对每张所述第二子图像进行分组,得到多个图像组,包括:
获取所述汇流条在所述光伏板图像中的分布信息;
根据所述分布信息对所述第二子图像进行分组,得到多个所述图像组。
4.根据权利要求1所述的汇流条的标注方法,其特征在于,所述将每个所述图像组中的多张所述第二子图像进行合并,得到所述第一子图像,包括:
获取所述图像组中相邻的多张所述第二子图像;
将相邻的多张所述第二子图像进行合并,得到所述第一子图像。
5.根据权利要求1所述的汇流条的标注方法,其特征在于,在所述将每个所述图像组中的多张所述第二子图像进行合并,得到所述第一子图像之后,还包括:
获取所述第二子图像在所述光伏板图像中的第三位置信息;
根据所述第三位置信息对所述第一子图像进行命名,得到所述第一子图像的名称。
6.根据权利要求1所述的汇流条的标注方法,其特征在于,在所述根据所述第一子图像在所述光伏板图像上的第一位置信息、所述第一标注信息生成所述汇流条在所述光伏板图像上的第二标注信息之前,还包括:
对所述第一子图像的名称进行解析,得到所述第一子图像在所述光伏板图像上的第一位置信息。
7.一种汇流条的标注装置,其特征在于,包括:
第一切分单元,用于对光伏板图像进行切分,得到多张第一子图像;其中,每张所述第一子图像中均包括一个汇流条;
标注单元,用于对每张所述第一子图像中所述汇流条进行标注,得到所述汇流条在对应所述第一子图像的第一标注信息;
生成单元,用于根据所述第一子图像在所述光伏板图像上的第一位置信息、所述第一标注信息生成所述汇流条在所述光伏板图像上的第二标注信息;
其中,第一切分单元包括:第二切分单元、第一分组单元和第一合并单元;
第二切分单元,用于对所述光伏板图像进行切分,得到多张第二子图像;其中,每张所述第二子图像中均包括一个电池片;
第一分组单元,用于对所述第二子图像进行分组,得到多个图像组;其中,每个所述图像组包括多张所述第二子图像;
第一合并单元,用于将每个所述图像组中的多张所述第二子图像进行合并,得到所述第一子图像。
8.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的汇流条的标注方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至6中任一项所述的汇流条的标注方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211154218.3A CN115457119B (zh) | 2022-09-21 | 2022-09-21 | 汇流条的标注方法、装置、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211154218.3A CN115457119B (zh) | 2022-09-21 | 2022-09-21 | 汇流条的标注方法、装置、计算机设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115457119A CN115457119A (zh) | 2022-12-09 |
CN115457119B true CN115457119B (zh) | 2023-10-27 |
Family
ID=84307443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211154218.3A Active CN115457119B (zh) | 2022-09-21 | 2022-09-21 | 汇流条的标注方法、装置、计算机设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115457119B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115805397B (zh) * | 2023-02-16 | 2023-07-04 | 唐山海泰新能科技股份有限公司 | 光伏组件电池片焊接检测系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001251763A (ja) * | 1999-12-28 | 2001-09-14 | Toshiba Syst Technol Corp | 電力系統監視制御装置、電力系統設備情報生成装置、および記憶媒体 |
CN111047564A (zh) * | 2019-11-28 | 2020-04-21 | 戎得(上海)光伏科技有限公司 | 一种应用于光伏电站现场的el缺陷检测方法 |
CN111462178A (zh) * | 2020-03-24 | 2020-07-28 | 深圳数联天下智能科技有限公司 | 基于热成像的活体流向检测方法、装置、设备及存储介质 |
EP3690797A2 (en) * | 2019-01-31 | 2020-08-05 | Stradvision, Inc. | Learning method and learning device for learning automatic labeling device capable of auto-labeling image of base vehicle using images of nearby vehicles, and testing method and testing device using the same |
WO2021139625A1 (zh) * | 2020-01-07 | 2021-07-15 | 广州虎牙科技有限公司 | 图像处理方法、图像分割模型训练方法及相关装置 |
CN113449702A (zh) * | 2021-08-31 | 2021-09-28 | 天津联图科技有限公司 | 遥感图像的目标检测方法、装置、存储介质及电子设备 |
CN113936177A (zh) * | 2021-10-20 | 2022-01-14 | 广东皓行科技有限公司 | 图像处理方法、识别方法、产量估算方法以及电子设备 |
WO2022020787A1 (en) * | 2020-07-24 | 2022-01-27 | Schneider Electric USA, Inc. | Electrical equipment management |
CN114549393A (zh) * | 2021-08-03 | 2022-05-27 | 正泰集团研发中心(上海)有限公司 | 图像标注方法、装置、设备及计算机存储介质 |
CN114663393A (zh) * | 2022-03-22 | 2022-06-24 | 聚时科技(上海)有限公司 | 一种基于卷积神经网络的光伏组件间距不良缺陷检测方法 |
-
2022
- 2022-09-21 CN CN202211154218.3A patent/CN115457119B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001251763A (ja) * | 1999-12-28 | 2001-09-14 | Toshiba Syst Technol Corp | 電力系統監視制御装置、電力系統設備情報生成装置、および記憶媒体 |
EP3690797A2 (en) * | 2019-01-31 | 2020-08-05 | Stradvision, Inc. | Learning method and learning device for learning automatic labeling device capable of auto-labeling image of base vehicle using images of nearby vehicles, and testing method and testing device using the same |
CN111047564A (zh) * | 2019-11-28 | 2020-04-21 | 戎得(上海)光伏科技有限公司 | 一种应用于光伏电站现场的el缺陷检测方法 |
WO2021139625A1 (zh) * | 2020-01-07 | 2021-07-15 | 广州虎牙科技有限公司 | 图像处理方法、图像分割模型训练方法及相关装置 |
CN111462178A (zh) * | 2020-03-24 | 2020-07-28 | 深圳数联天下智能科技有限公司 | 基于热成像的活体流向检测方法、装置、设备及存储介质 |
WO2022020787A1 (en) * | 2020-07-24 | 2022-01-27 | Schneider Electric USA, Inc. | Electrical equipment management |
CN114549393A (zh) * | 2021-08-03 | 2022-05-27 | 正泰集团研发中心(上海)有限公司 | 图像标注方法、装置、设备及计算机存储介质 |
CN113449702A (zh) * | 2021-08-31 | 2021-09-28 | 天津联图科技有限公司 | 遥感图像的目标检测方法、装置、存储介质及电子设备 |
CN113936177A (zh) * | 2021-10-20 | 2022-01-14 | 广东皓行科技有限公司 | 图像处理方法、识别方法、产量估算方法以及电子设备 |
CN114663393A (zh) * | 2022-03-22 | 2022-06-24 | 聚时科技(上海)有限公司 | 一种基于卷积神经网络的光伏组件间距不良缺陷检测方法 |
Non-Patent Citations (2)
Title |
---|
Defects Inspection in Polycrystalline Solar Cells Electroluminescence Images Using Deep Learning;MUHAMMAD RAMEEZ UR RAHMAN 等;《IEEE Access》;第8卷;40547-40558 * |
一种光伏组件电致发光图像处理方法初探;戴穗 等;《广东科技》;62-67 * |
Also Published As
Publication number | Publication date |
---|---|
CN115457119A (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109685870B (zh) | 信息标注方法及装置、标注设备及存储介质 | |
US20130004087A1 (en) | Method and system for webpage regression testing | |
US20200387553A1 (en) | Digitization of technical documentation driven by machine learning | |
CN111373740A (zh) | 使用选择界面将横向视频转换成纵向移动布局的方法 | |
CN112329777B (zh) | 基于方向检测的文字识别方法、装置、设备及介质 | |
CN115457119B (zh) | 汇流条的标注方法、装置、计算机设备及可读存储介质 | |
CN111078552A (zh) | 页面显示异常的检测方法、装置及存储介质 | |
US20210406615A1 (en) | Learning device, classification device, learning method, classification method, learning program, and classification program | |
CN111309618A (zh) | 页面元素定位方法、页面测试方法及相关装置 | |
JP2021103552A (ja) | 構造化文書情報の標識方法、構造化文書情報の標識装置、電子機器、コンピュータ可読記憶媒体及びコンピュータプログラム | |
CN113657361A (zh) | 页面异常检测方法、装置及电子设备 | |
CN106776342B (zh) | 一种对移动应用的内存对象进行分析的方法和装置 | |
CN115546809A (zh) | 基于单元格约束的表格结构识别方法及其应用 | |
CN110908907A (zh) | Web页面测试方法、装置、设备及存储介质 | |
US20180189248A1 (en) | Automated data extraction from a chart | |
CN104615728A (zh) | 一种网页正文提取方法及装置 | |
CN115004247A (zh) | 训练用于机器人过程自动化的光学字符检测和识别模型 | |
CN114724170A (zh) | 一种bom的生成方法、装置、电子设备及存储介质 | |
CN110908570B (zh) | 图像处理方法、装置、终端及存储介质 | |
CN103577055B (zh) | 图形用户界面的定位显示系统及方法 | |
CN106155455A (zh) | 界面中对象的控制方法和装置 | |
CN112395189A (zh) | 测试视频自动识别方法、装置、设备及存储介质 | |
JP6855720B2 (ja) | 情報処理装置及び情報処理プログラム | |
CN116340676B (zh) | 一种在网页浏览器中对比展示图片的方法 | |
CN116612474B (zh) | 对象检测方法、装置、计算机设备及计算机可读存储介质 |
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 |