CN116109604A - 用于TOPCon结构太阳能电池板的栅线检测方法 - Google Patents
用于TOPCon结构太阳能电池板的栅线检测方法 Download PDFInfo
- Publication number
- CN116109604A CN116109604A CN202310142680.XA CN202310142680A CN116109604A CN 116109604 A CN116109604 A CN 116109604A CN 202310142680 A CN202310142680 A CN 202310142680A CN 116109604 A CN116109604 A CN 116109604A
- Authority
- CN
- China
- Prior art keywords
- target peak
- peak point
- point
- points
- temperature
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 230000002159 abnormal effect Effects 0.000 claims abstract description 47
- 230000005856 abnormality Effects 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 238000002329 infrared spectrum Methods 0.000 abstract description 2
- 239000000306 component Substances 0.000 description 13
- 230000000694 effects Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/30108—Industrial image inspection
-
- 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
本发明涉及基于红外光谱的光伏系统故障识别技术领域,具体涉及用于TOPCon结构太阳能电池板的栅线检测方法,包括:生成红外图像的温度点云图像;计算每个目标峰值点的峰度;对所有目标峰值点进行聚类获得多个聚类簇,计算每个目标峰值点的异常程度;根据每个目标峰值点的温度梯度方向以及所属的聚类簇的主成分方向,获得第一夹角和第一距离;根据异常程度、第一夹角以及第一距离计算目标峰值点的可能程度;根据可能程度获得所有异常峰值点,作为太阳能电池板的故障识别结果。本发明根据可能程度获得由于栅线断裂导致的温度异常所形成的目标峰值点,克服了无人机处于运动状态而导致拍摄的红外图像不准确的问题,可准确识别出太阳能电池板的故障区域。
Description
技术领域
本发明涉及基于红外光谱的光伏系统故障识别技术领域,具体涉及用于TOPCon结构太阳能电池板的栅线检测方法。
背景技术
太阳能电池板是通过吸收太阳光,将太阳辐射能通过光电效应或者光化学效应直接或间接转换成电能的装置,太阳能电池板作为太阳能发电系统的核心组成部件,决定了太阳能的转换效率,而且太阳能电池板主要设置在高原、海岛、牧区、边防哨所等条件恶劣的地方,因此,需要进行定期检修,进行故障识别。太阳能电池板上常见的故障是栅线发生断裂而导致的短路,因此通过对太阳能电池板的栅线进行检测,来判断太阳能电池板上的单晶块是否出现了故障。
在现有技术中,通过红外热图像对太阳能电池板的栅线进行检测,根据红外热图像中生成对应的温度曲线,然后设置温度阈值来判断太阳能电池板的栅线区域是否发生了异常。但是在通过无人机拍摄太阳能电池板的图像时,为了提高工作效率,需要无人机一直是处于运动状态,因此,会因为无人机的抖动导致测得的太阳能电池板的红外热图像中的温度不准确,导致根据阈值无法准确的判断温度异常区域,进而不能对太阳能电池板的故障进行准确地识别。
发明内容
本发明提供用于TOPCon结构太阳能电池板的栅线检测方法,以解决现有的问题。
本发明的用于TOPCon结构太阳能电池板的栅线检测方法采用如下技术方案:
本发明一个实施例提供了用于TOPCon结构太阳能电池板的栅线检测方法,该方法包括以下步骤:
通过无人机拍摄太阳能电池板的红外图像,对红外图像进行预处理;生成红外图像的温度点云图像;
将温度点云图像中的局部极大值点作为峰值点,获得温度点云图像中的所有峰值点;根据正常温度阈值和异常温度阈值对所有峰值点划分获得所有目标峰值点和异常峰值点;
计算每个目标峰值点的峰度;对所有目标峰值点进行聚类,获得多个聚类簇,将聚类簇中所有目标峰值点中温度最大的目标峰值点记为聚类簇的最高峰值点;根据每个目标峰值点所属的聚类簇的最高峰值点以及每个目标峰值点的峰度计算每个目标峰值点的异常程度;
获得每个聚类簇的主成分方向,获得每个目标峰值点的温度梯度方向;根据每个目标峰值点的温度梯度方向以及每个目标峰值点所属的聚类簇的主成分方向,获得每个目标峰值点的第一夹角和第一距离;
根据目标峰值点的异常程度、第一夹角以及第一距离计算目标峰值点的可能程度;
将可能程度大于可能阈值的目标峰值点划分为异常峰值点,获得所有异常峰值点,将所有异常峰值点作为太阳能电池板的故障识别结果。
进一步地,所述根据正常温度阈值和异常温度阈值对所有峰值点划分获得所有目标峰值点和异常峰值点,包括的具体步骤如下:
将温度大于正常温度阈值且小于异常温度阈值的峰值点记为目标峰值点,将温度大于异常温度阈值的峰值点记为异常峰值点。
进一步地,所述计算每个目标峰值点的峰度,包括的具体步骤如下:
第 个目标峰值点的峰度的计算公式为:
式中,表示第个目标峰值点的峰度,表示第个目标峰值点的温度与正常温度阈值的差值,获得距离第个目标峰值点最近的正常像素点C,表示第个目标峰值点与正常像素点C的欧式距离。
进一步地,所述异常程度的表达式为:
式中,表示第个目标峰值点的异常程度,表示第个目标峰值点的峰度,表示以自然常数为底的指数函数,表示第个目标峰值点到第个目标峰值点所属的聚类簇的最高峰值点的欧式距离,表示第个目标峰值点所属的聚类簇的最高峰值点的温度与正常温度阈值的差值,表示第个目标峰值点的温度与正常温度阈值的差值,表示取绝对值。
进一步地,所述获得每个聚类簇的主成分方向,包括的具体步骤如下:
对于任意一个聚类簇,获得聚类簇中的所有目标峰值点的坐标,对所有目标峰值点的坐标进行主成分分析,获得聚类簇的主成分方向。
进一步地,所述根据每个目标峰值点的温度梯度方向以及每个目标峰值点所属的聚类簇的主成分方向,获得每个目标峰值点的第一夹角和第一距离,包括的具体步骤如下:
计算每个目标峰值点的温度梯度方向与每个目标峰值点所属的聚类簇的主成分方向的夹角,作为每个目标峰值点的第一夹角;计算每个目标峰值点到每个目标峰值点所属的聚类簇的主成分方向所在的直线的距离,作为每个目标峰值点的第一距离。
进一步地,所述可能程度的表达式为:
式中, 表示第个目标峰值点的可能程度,表示第个目标峰值点的异常程度,表示第个目标峰值点的第一距离,表示以自然常数为底的指数函数,表示第个目标峰值点的第一夹角,表示取绝对值。
进一步地,所述获得每个目标峰值点的温度梯度方向,包括的具体步骤如下:
结合目标峰值点周围像素点的温度,通过sobel算子计算每个目标峰值点的温度梯度方向。
本发明的技术方案的有益效果是:由于无人机一直是处于运动状态,导致无人机拍摄的红外图像无法准确的体现太阳能电池板的真实温度,使得直接通过温度阈值无法对太阳能电池板的故障进行准确地识别,本发明通过生成红外图像的温度点云图像,将无法准确判断的峰值点作为目标峰值点,根据目标峰值点的峰度以及与最高峰值点的差异获得目标峰值点的异常程度,结合栅线的分布特点以及目标峰值点的温度梯度方向得到获得目标峰值点的可能程度,根据可能程度判断目标峰值点是否是由于栅线断裂导致的温度异常所形成的,克服了由于无人机处于运动状态而导致拍摄的红外图像不准确的问题,准确识别出太阳能电池板的故障区域。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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为本发明的用于TOPCon结构太阳能电池板的栅线检测方法的步骤流程图;
图2为本发明提供的无人机在静止状态下拍摄的红外图像;
图3为本发明提供的无人机在运动状态下拍摄的红外图像。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的用于TOPCon结构太阳能电池板的栅线检测方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的用于TOPCon结构太阳能电池板的栅线检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的用于TOPCon结构太阳能电池板的栅线检测方法的步骤流程图,该方法包括以下步骤:
S001.通过无人机拍摄太阳能电池板的红外图像,对红外图像进行预处理。
需要说明的是,正常的太阳能电池板表面的温度是比较均匀的,不会出现较大的温度变化,温度均匀表现为红外图像亮度均匀;当太阳能电池板的某个区域出现栅线断裂时,该区域会发生短路,造成该区域的温度相较于太阳能电池板表面的其他区域过高,该区域温度过高表现为红外图像上会形成一个亮点。因此,可以通过红外热图像对太阳能电池板的栅线进行检测。
通过无人机搭载短波红外相机拍摄太阳能电池板的红外图像,红外图像中每个像素点的灰度值代表了太阳能电池板对应位置的温度,因此,通过红外图像的灰度值可以获取对应位置的温度;通过矢量中值滤波算法对红外图像进行去噪处理,矢量中值滤波算法为现有技术,此处不予以详细概述。
S002.生成红外图像的温度点云图像,获得温度点云图像中的所有峰值点。
需要说明的是,在现有技术中,结合栅线断裂对应的区域相较于周围区域的温度较高,根据红外热图像生成对应的温度曲线,通过设置温度阈值结合温度曲线来判断太阳能电池板的栅线是否异常,实现通过红外热图像对太阳能电池板的栅线进行检测,因此,拍摄的红外热图像的准确性决定了对太阳能电池板的栅线进行检测的准确性。通过无人机拍摄太阳能电池板的红外图像时,为了提高工作效率,需要无人机一直是处于运动状态,而运动状态的拍摄的红外图像比静止状态拍摄的红外图像的质量差,图2为无人机在静止状态下拍摄的红外图像,图3为无人机在运动状态下拍摄的红外图像,红外图像中越暗的像素点的温度越高,静止状态下拍摄的红外图像一些温度较高的区域在运动状态下拍摄的红外图像中丢失了,因此会导致拍摄的红外图像体现出来的温度与太阳能电池板的实际温度不同,进而导致通过红外热图像对太阳能电池板的栅线进行检测的结果不准确。为了使通过红外热图像对太阳能电池板的栅线进行检测的结果准确,本实施例生成红外图像的温度点云图像,根据温度点云图像获得峰值点,对所有峰值点进行分析,进而确定异常。
具体为:将红外图像中像素点的位置坐标作为x轴和y轴,将像素点的温度作为z轴,将红外图像中所有像素点映射到x轴、y轴以及z轴组成的三维空间中,获得红外图像的温度点云图像;温度点云图像实质上是以x轴和y轴为自变量,以z轴为因变量的离散分布函数。
将温度点云图像中的局部极大值点作为峰值点,获得温度点云图像中的所有峰值点,将温度点云图像中所有温度等于正常温度阈值的像素点记为正常像素点。
在本实施例中,正常温度阈值为25°,正常温度阈值为经验阈值,在其他实施例中,实施人员可根据具体实施环境自行调整正常温度阈值。
S003.对所有峰值点进行划分获得目标峰值点。
需要说明的是,在对温度点云图像中的所有峰值点进行划分时,除了能够直接划分的正常峰值点和异常峰值点,还有一些温度介于正常温度阈值和异常温度阈值之间的峰值点,这些峰值点可能属于太阳能电池板的正常区域也可能是异常区域,但是由于运动状态的无人机的晃动,而使这些峰值点的温度在红外图像中介于正常温度阈值和异常温度阈值之间,进而导致无法准确地判断这些峰值点是否属于异常区域。
在本实施例中,将温度小于正常温度阈值的峰值点记为正常峰值点,正常峰值点属于太阳能电池板中的正常区域,即太阳能电池板上的正常工作的区域;将温度大于异常温度阈值的峰值点记为异常峰值点,异常峰值点属于太阳能电池板中的异常区域,即太阳能电池板上栅线发生断裂的区域;将温度大于正常温度阈值且小于异常温度阈值的峰值点记为目标峰值点,对于目标峰值点,需要通过进一步分析,判断目标峰值点是否属于异常区域。
在本实施例中,异常温度阈值为50°,异常温度阈值为经验阈值,在其他实施例中,实施人员可根据具体实施环境自行调整异常温度阈值。
S004.计算目标峰值点的峰度,根据峰度计算目标峰值点的异常程度。
1、计算目标峰值点的峰度。
对于第个目标峰值点,该目标峰值点的峰度的计算公式为:
式中, 表示第 个目标峰值点的峰度, 表示第个目标峰值点的温度与正常温度阈值的差值,获得在xy平面上距离第个目标峰值点最近的正常像素点C, 表示第个目标峰值点与正常像素点C在xy平面上的欧式距离。
对于第个目标峰值点, 表示第 个目标峰值点的坡度,该目标峰值点的坡度越大,说明该目标峰值点的温度发生的变化越剧烈,即该目标峰值点的温度是骤然上升的;表示该目标峰值点与正常像素点在空间中的距离,距离越大,说明该目标峰值点的温度越高。
2、根据峰度计算目标峰值点的异常程度。
需要说明的是,在太阳能电池板上,由于栅线断裂而导致的温度异常会发生温度扩散,因此,会出现多个连续的目标峰值点,而不仅仅是单个目标峰值点,通过聚类将可能属于同一个栅线断裂而产生的目标峰值点聚为一类,该聚类簇中,最大的温度对应的目标峰值点很可能是栅线断裂处,对于该聚类簇中的其他目标峰值点,与最大的温度对应的目标峰值点的距离越近且温度差异越接近,则越可能是栅线断裂处。
在本实施例中,对所有目标峰值点进行密度聚类,获得多个聚类簇;对于任意一个聚类簇,将该聚类簇中所有目标峰值点中温度最大的目标峰值点记为该聚类簇的最高峰值点。
因为最少需要两个目标峰值点才能形成连续峰,因此,设置密度聚类算法的参数,其中,聚类半径为3,最小聚类数为2,密度聚类算法的参数为经验值,因此,在其他实施例中,实施者可根据具体实施情况自行设定度聚类算法的参数。
对于第个目标峰值点,该目标峰值点的异常程度的计算公式为:
式中, 表示第个目标峰值点的异常程度,表示第 个目标峰值点的峰度,表示以自然常数为底的指数函数,获取第 个目标峰值点所属的聚类簇,表示在xy平面上第个目标峰值点到该聚类簇的最高峰值点的欧式距离,表示该聚类簇的最高峰值点的温度与正常温度阈值的差值,表示第个目标峰值点的温度与正常温度阈值的差值,表示取绝对值。
由于聚类簇的最高峰值点很可能是聚类簇对应的区域中的栅线断裂处,因此,对于第个目标峰值点,该目标峰值点与最高峰值点的欧式距离越小,则该目标峰值点越可能是聚类簇对应的区域中的栅线断裂处,该目标峰值点的异常程度越大;该目标峰值点的温度差值与最高峰值点的温度差值的差值 越小,则该目标峰值点越可能是聚类簇对应的区域中的栅线断裂处,该目标峰值点的异常程度越大;同时,目标峰值点的峰度越大,则说明该目标峰值点的温度越大且温度变化越快,因此,该目标峰值点的异常程度越大。
S005.根据异常程度计算目标峰值点的可能程度。
需要说明的是,栅线在太阳能电池板上规律的平行分布,因此,由于栅线断裂导致的温度异常所形成的目标峰值点也应该在栅线两侧分布,且距离栅线越近,温度越高,距离栅线越远温度越低,因此,由于栅线断裂导致的温度异常所形成的目标峰值点的温度梯度方向应该和栅线垂直,反之,目标峰值点的温度梯度方向和栅线的夹角越接近直角,则目标峰值点越可能是由于栅线断裂导致的温度异常所形成的。
对于任意一个聚类簇中的所有目标峰值点,获得所有目标峰值点在xy平面上的坐标,对所有目标峰值点的坐标进行主成分分析,获得该聚类簇的主成分方向,此处获得的主成分方向与实际的栅线的方向接近。
结合目标峰值点周围像素点的温度,通过sobel算子计算每个目标峰值点的温度梯度方向。
计算目标峰值点的温度梯度方向与目标峰值点所属的聚类簇的主成分方向的夹角,作为目标峰值点的第一夹角;计算在xy平面上目标峰值点到目标峰值点所属的聚类簇的主成分方向所在的直线的距离,作为目标峰值点的第一距离。
对于第个目标峰值点,该目标峰值点的可能程度的计算公式为:
式中,表示第个目标峰值点的可能程度,表示第个目标峰值点的异常程度,表示第个目标峰值点的第一距离, 表示以自然常数为底的指数函数, 表示第个目标峰值点的第一夹角, 表示取绝对值。
目标峰值点的异常程度越大,则该目标峰值点越可能是由于栅线断裂导致的温度异常所形成的,因此,该目标峰值点的可能程度越大;在xy平面上第 个目标峰值点到聚类簇的主成分方向所在的直线的距离越小即第个目标峰值点的第一距离越小,则该目标峰值点越靠近栅线,则该目标峰值点越可能是由于栅线断裂导致的温度异常所形成的,因此,该目标峰值点的可能程度越大;目标峰值点的温度梯度方向与聚类簇的主成分方向的夹角越接近直角即第个目标峰值点的第一夹角越接近90°,则目标峰值点越可能是由于栅线断裂导致的温度异常所形成的,因此,该目标峰值点的可能程度越大。
S006.根据可能程度判断目标峰值点是否为异常峰值点。
如果目标峰值点的可能程度大于可能阈值,则说明目标峰值点是由于栅线断裂导致的温度异常所形成的,因此,该目标峰值点属于异常峰值点,获得所有异常峰值点,将所有异常峰值点作为太阳能电池板的故障识别结果,后续进行人工维修。
在本实施例中,可能阈值为0.87,在其他实施例中,实施人员可根据具体实施环境自行设置可能阈值。
本发明实施例针对由于无人机一直是处于运动状态,导致无人机拍摄的红外图像无法准确的体现太阳能电池板的真实温度,使得无法直接通过温度阈值对太阳能电池板的故障进行准确地识别问题,本发明通过生成红外图像的温度点云图像,将无法准确划分的峰值点作为目标峰值点,根据目标峰值点的峰度以及与最高峰值点的差异获得目标峰值点的异常程度,结合栅线的分布特点以及目标峰值点的温度梯度方向得到获得目标峰值点的可能程度,根据可能程度判断目标峰值点是否是由于栅线断裂导致的温度异常所形成的,克服了由于无人机处于运动状态而导致拍摄的红外图像不准确的问题,准确识别出太阳能电池板的故障区域。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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 (8)
1.用于TOPCon结构太阳能电池板的栅线检测方法,其特征在于,该方法包括以下步骤:
通过无人机拍摄太阳能电池板的红外图像,对红外图像进行预处理;生成红外图像的温度点云图像;
将温度点云图像中的局部极大值点作为峰值点,获得温度点云图像中的所有峰值点;根据正常温度阈值和异常温度阈值对所有峰值点划分获得所有目标峰值点和异常峰值点;
计算每个目标峰值点的峰度;对所有目标峰值点进行聚类,获得多个聚类簇,将聚类簇中所有目标峰值点中温度最大的目标峰值点记为聚类簇的最高峰值点;根据每个目标峰值点所属的聚类簇的最高峰值点以及每个目标峰值点的峰度计算每个目标峰值点的异常程度;
获得每个聚类簇的主成分方向,获得每个目标峰值点的温度梯度方向;根据每个目标峰值点的温度梯度方向以及每个目标峰值点所属的聚类簇的主成分方向,获得每个目标峰值点的第一夹角和第一距离;
根据目标峰值点的异常程度、第一夹角以及第一距离计算目标峰值点的可能程度;
将可能程度大于可能阈值的目标峰值点划分为异常峰值点,获得所有异常峰值点,将所有异常峰值点作为太阳能电池板的故障识别结果。
2.根据权利要求1所述的用于TOPCon结构太阳能电池板的栅线检测方法,其特征在于,所述根据正常温度阈值和异常温度阈值对所有峰值点划分获得所有目标峰值点和异常峰值点,包括的具体步骤如下:
将温度大于正常温度阈值且小于异常温度阈值的峰值点记为目标峰值点,将温度大于异常温度阈值的峰值点记为异常峰值点。
3.根据权利要求1所述的用于TOPCon结构太阳能电池板的栅线检测方法,其特征在于,所述计算每个目标峰值点的峰度,包括的具体步骤如下:
第 个目标峰值点的峰度的计算公式为:式中,表示第个目标峰值点的峰度,表示第个目标峰值点的温度与正常温度阈值的差值,获得距离第个目标峰值点最近的正常像素点C,表示第个目标峰值点与正常像素点C的欧式距离。
4.根据权利要求1所述的用于TOPCon结构太阳能电池板的栅线检测方法,其特征在于,所述异常程度的表达式为:
式中,表示第个目标峰值点的异常程度,表示第个目标峰值点的峰度,表示以自然常数为底的指数函数,表示第个目标峰值点到第个目标峰值点所属的聚类簇的最高峰值点的欧式距离,表示第个目标峰值点所属的聚类簇的最高峰值点的温度与正常温度阈值的差值,表示第个目标峰值点的温度与正常温度阈值的差值,表示取绝对值。
5.根据权利要求1所述的用于TOPCon结构太阳能电池板的栅线检测方法,其特征在于,所述获得每个聚类簇的主成分方向,包括的具体步骤如下:
对于任意一个聚类簇,获得聚类簇中的所有目标峰值点的坐标,对所有目标峰值点的坐标进行主成分分析,获得聚类簇的主成分方向。
6.根据权利要求1所述的用于TOPCon结构太阳能电池板的栅线检测方法,其特征在于,所述根据每个目标峰值点的温度梯度方向以及每个目标峰值点所属的聚类簇的主成分方向,获得每个目标峰值点的第一夹角和第一距离,包括的具体步骤如下:
计算每个目标峰值点的温度梯度方向与每个目标峰值点所属的聚类簇的主成分方向的夹角,作为每个目标峰值点的第一夹角;计算每个目标峰值点到每个目标峰值点所属的聚类簇的主成分方向所在的直线的距离,作为每个目标峰值点的第一距离。
7.根据权利要求1所述的用于TOPCon结构太阳能电池板的栅线检测方法,其特征在于,所述可能程度的表达式为:
式中,表示第个目标峰值点的可能程度,表示第个目标峰值点的异常程度,表示第个目标峰值点的第一距离,表示以自然常数为底的指数函数,表示第个目标峰值点的第一夹角,表示取绝对值。
8.根据权利要求1所述的用于TOPCon结构太阳能电池板的栅线检测方法,其特征在于,所述获得每个目标峰值点的温度梯度方向,包括的具体步骤如下:
结合目标峰值点周围像素点的温度,通过sobel算子计算每个目标峰值点的温度梯度方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310142680.XA CN116109604B (zh) | 2023-02-21 | 2023-02-21 | 用于TOPCon结构太阳能电池板的栅线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310142680.XA CN116109604B (zh) | 2023-02-21 | 2023-02-21 | 用于TOPCon结构太阳能电池板的栅线检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116109604A true CN116109604A (zh) | 2023-05-12 |
CN116109604B CN116109604B (zh) | 2023-11-07 |
Family
ID=86263730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310142680.XA Active CN116109604B (zh) | 2023-02-21 | 2023-02-21 | 用于TOPCon结构太阳能电池板的栅线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116109604B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170277966A1 (en) * | 2016-03-28 | 2017-09-28 | General Dynamics Mission Systems, Inc. | System and methods for automatic solar panel recognition and defect detection using infrared imaging |
KR101806217B1 (ko) * | 2017-06-20 | 2017-12-07 | 한국건설기술연구원 | 태양광 어레이의 열적외선 영상으로부터 오작동 패널을 자동 검출하는 방법 및 장치 |
WO2021092815A1 (zh) * | 2019-11-13 | 2021-05-20 | 深圳市大疆创新科技有限公司 | 识别方法、测温方法、设备及存储介质 |
CN112991264A (zh) * | 2021-02-05 | 2021-06-18 | 西安理工大学 | 一种单晶硅光伏电池裂纹缺陷的检测方法 |
CN113298178A (zh) * | 2021-06-11 | 2021-08-24 | 国家电网有限公司 | 基于热红外图像的变电站高压设备故障识别方法 |
WO2022178680A1 (zh) * | 2021-02-23 | 2022-09-01 | 华为数字能源技术有限公司 | 一种光伏电池检测方法、装置、系统、介质及芯片 |
CN115330767A (zh) * | 2022-10-12 | 2022-11-11 | 南通南辉电子材料股份有限公司 | 一种腐蚀箔生产异常识别方法 |
CN115375588A (zh) * | 2022-10-25 | 2022-11-22 | 山东旗胜电气股份有限公司 | 基于红外成像的电网变压器故障识别方法 |
WO2022262054A1 (zh) * | 2021-06-18 | 2022-12-22 | 腾讯云计算(北京)有限责任公司 | 图像处理方法、装置、设备及存储介质 |
CN115511889A (zh) * | 2022-11-23 | 2022-12-23 | 江苏惠汕新能源集团有限公司 | 一种太阳能电池板支架表面焊接缺陷检测方法 |
-
2023
- 2023-02-21 CN CN202310142680.XA patent/CN116109604B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170277966A1 (en) * | 2016-03-28 | 2017-09-28 | General Dynamics Mission Systems, Inc. | System and methods for automatic solar panel recognition and defect detection using infrared imaging |
KR101806217B1 (ko) * | 2017-06-20 | 2017-12-07 | 한국건설기술연구원 | 태양광 어레이의 열적외선 영상으로부터 오작동 패널을 자동 검출하는 방법 및 장치 |
WO2021092815A1 (zh) * | 2019-11-13 | 2021-05-20 | 深圳市大疆创新科技有限公司 | 识别方法、测温方法、设备及存储介质 |
CN112991264A (zh) * | 2021-02-05 | 2021-06-18 | 西安理工大学 | 一种单晶硅光伏电池裂纹缺陷的检测方法 |
WO2022178680A1 (zh) * | 2021-02-23 | 2022-09-01 | 华为数字能源技术有限公司 | 一种光伏电池检测方法、装置、系统、介质及芯片 |
CN113298178A (zh) * | 2021-06-11 | 2021-08-24 | 国家电网有限公司 | 基于热红外图像的变电站高压设备故障识别方法 |
WO2022262054A1 (zh) * | 2021-06-18 | 2022-12-22 | 腾讯云计算(北京)有限责任公司 | 图像处理方法、装置、设备及存储介质 |
CN115330767A (zh) * | 2022-10-12 | 2022-11-11 | 南通南辉电子材料股份有限公司 | 一种腐蚀箔生产异常识别方法 |
CN115375588A (zh) * | 2022-10-25 | 2022-11-22 | 山东旗胜电气股份有限公司 | 基于红外成像的电网变压器故障识别方法 |
CN115511889A (zh) * | 2022-11-23 | 2022-12-23 | 江苏惠汕新能源集团有限公司 | 一种太阳能电池板支架表面焊接缺陷检测方法 |
Non-Patent Citations (4)
Title |
---|
A.W. KANDEAL ET AL.: "Infrared thermography-based condition monitoring of solar photovoltaic systems: A mini review of recent advances", 《SOLAR ENERGY》, pages 33 - 43 * |
HUI ZOU ET AL.: "A novel intelligent fault diagnosis method for electrical equipment using infrared thermography", 《INFRARED PHYSICS&TECHNOLOGY》, pages 29 - 35 * |
周咏晨;邹翔宇;蓝耕;王火根;: "基于无人机红外热像的电缆隐患点智能检测", 计算机系统应用, vol. 29, no. 08, pages 249 - 254 * |
黄嘉明;胡欣欣;韦亦龙;史筱川;周灏;李剑;: "一种基于红外图像的电缆终端异常发热自动诊断方法", 广东电力, vol. 33, no. 03, pages 103 - 110 * |
Also Published As
Publication number | Publication date |
---|---|
CN116109604B (zh) | 2023-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110031477B (zh) | 基于图像监控数据的桥梁关键构件病害预警系统及方法 | |
CN111650204B (zh) | 基于级联目标检测的输电线路金具缺陷检测方法及系统 | |
CN107179479A (zh) | 基于可见光图像的输电导线散股缺陷检测方法 | |
CN115184726B (zh) | 一种智能电网故障实时监测定位系统及方法 | |
CA3164201A1 (en) | Method and apparatus for detecting yaw-to-wind abnormality, and device and storage medium thereof | |
CN105516661B (zh) | 鱼眼相机与ptz相机相结合的主从目标监控方法 | |
CN109931909A (zh) | 一种基于无人机的海上风机塔柱状态巡检方法和装置 | |
CN115512252B (zh) | 基于无人机的电网巡检自动化方法及系统 | |
CN116109604B (zh) | 用于TOPCon结构太阳能电池板的栅线检测方法 | |
CN116739558A (zh) | 一种基于激光点云建模的树障隐患预警方法 | |
CN110059592B (zh) | 一种基于多相机的镜场云遮挡检测方法及装置 | |
CN116091493B (zh) | 一种用于输电线树障隐患的测距方法 | |
CN116091494A (zh) | 一种输电机械外破隐患测距方法 | |
Rogotis et al. | Early defect diagnosis in installed PV modules exploiting spatio-temporal information from thermal images | |
Zan et al. | Defect Identification of Power Line Insulator Based on an Improved yolov4-tiny Algorithm | |
CN112326039B (zh) | 一种光伏电站巡检辅助系统 | |
CN113406091A (zh) | 一种用于风机叶片检测的无人机系统及控制方法 | |
CN112434606A (zh) | 基于双光一体的太阳能电池板rgb图像识别方法和装置 | |
Yang et al. | A measurement method of the shortest distance between ultrahigh ships and transmission lines based on binocular vision | |
Özer et al. | An approach based on deep learning methods to detect the condition of solar panels in solar power plants | |
CN110781758A (zh) | 一种受电弓结构异常动态视频监测方法及装置 | |
JP2003098270A (ja) | 発雷判定システム | |
Gang et al. | Research on key technology of infrared detection of power equipment | |
CN117853415A (zh) | 一种适用于智能电厂运行的安全预警方法及系统 | |
Lu et al. | Research on detection of insulator damage based on improved YOLOv4-tiny network |
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 |