CN116388668B - 一种具有跨板行走机构的光伏组件清扫机器人及清扫方法 - Google Patents
一种具有跨板行走机构的光伏组件清扫机器人及清扫方法 Download PDFInfo
- Publication number
- CN116388668B CN116388668B CN202310328577.4A CN202310328577A CN116388668B CN 116388668 B CN116388668 B CN 116388668B CN 202310328577 A CN202310328577 A CN 202310328577A CN 116388668 B CN116388668 B CN 116388668B
- Authority
- CN
- China
- Prior art keywords
- photovoltaic module
- cleaning
- robot
- chassis
- image
- 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
- 238000004140 cleaning Methods 0.000 title claims abstract description 111
- 230000007246 mechanism Effects 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 38
- 239000002131 composite material Substances 0.000 claims abstract description 12
- 238000001179 sorption measurement Methods 0.000 claims abstract description 12
- 150000001875 compounds Chemical class 0.000 claims abstract description 8
- 239000000428 dust Substances 0.000 claims description 44
- 230000003749 cleanliness Effects 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 9
- 230000009191 jumping Effects 0.000 claims description 9
- 238000009825 accumulation Methods 0.000 claims description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 6
- 238000007789 sealing Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 239000003344 environmental pollutant Substances 0.000 claims description 3
- 231100000719 pollutant Toxicity 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 239000012530 fluid Substances 0.000 claims description 2
- 238000011086 high cleaning Methods 0.000 abstract description 3
- 238000003384 imaging method Methods 0.000 abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000007689 inspection Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B1/00—Cleaning by methods involving the use of tools
- B08B1/10—Cleaning by methods involving the use of tools characterised by the type of cleaning tool
- B08B1/12—Brushes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B1/00—Cleaning by methods involving the use of tools
- B08B1/30—Cleaning by methods involving the use of tools by movement of cleaning members over a surface
- B08B1/32—Cleaning by methods involving the use of tools by movement of cleaning members over a surface using rotary cleaning members
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B15/00—Preventing escape of dirt or fumes from the area where they are produced; Collecting or removing dirt or fumes from that area
- B08B15/04—Preventing escape of dirt or fumes from the area where they are produced; Collecting or removing dirt or fumes from that area from a small area, e.g. a tool
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D55/00—Endless track vehicles
- B62D55/06—Endless track vehicles with tracks without ground wheels
- B62D55/065—Multi-track vehicles, i.e. more than two tracks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- H02S40/00—Components or accessories in combination with PV modules, not provided for in groups H02S10/00 - H02S30/00
- H02S40/10—Cleaning arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Chemical & Material Sciences (AREA)
- Databases & Information Systems (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Combustion & Propulsion (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Electric Vacuum Cleaner (AREA)
- Cleaning In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种具有跨板行走机构的光伏组件清扫机器人及清扫方法,其中机器人包括:底盘、壳体、行走机构、吸附机构、扫描机构、视频成像仪、红外检测传感器以及复合清洗头;壳体位于底盘的顶部,且与底盘相连接;行走机构与底盘相连接;吸附机构包括:涡扇和支撑结构;支撑结构围绕形成负压腔,涡扇设置于负压腔内;支撑结构与底盘相连接;扫描机构设置于壳体的顶部;视频成像仪位于壳体的内部;红外检测传感器设置于底盘的底部;复合清洗头设置于底盘的底部。本发明中清扫机器人的清洁效率高,运行安全性高。
Description
技术领域
本发明涉及光伏电站智能运维技术领域,更具体的说是涉及一种具有跨板行走机构的光伏组件清扫机器人及清扫方法。
背景技术
近年来,太阳能已经成为我国主要发展的清洁能源之一。在政策引导和市场需求的双轮驱动下,光伏产业已成为我国可以同国际竞争、并有望达到国际领先水平的新兴产业及推动能源变革的重要引擎。据统计,光伏组件上平均每3个月累积的灰尘可遮挡3%-5%的太阳光,太阳光透射效果也随着污垢的堆积而降低。若光伏电站不采取有效的清洁运维措施,兆瓦级的光伏发电系统因积灰、污渍等覆盖而损失的发电量每年可达到40万度,经济损失严重。另外,如果光伏组件存在热斑、开路短路、裂缝等故障,也会导致系统发电效率下降。因此,通过科学高效地清洁光伏组件以及悉心地维护光伏组件来提升光伏电站的总体效益,受到业界高度关注。
目前市面上比较成熟的光伏组件清洁方式主要分为两种:第一种是人工清洁,包括手工清洗、高压水枪清洗以及工程车辆清洗等;第二种是光伏组件智能清扫机器人清洗。其中,手工清洗易造成光伏组件隐裂和二次伤害,也可能在光伏组件表面留有部分划痕,并且清洁速度较慢;高压水枪清洗用水量大,而且水压过大也会造成光伏组件隐裂;工程车辆清洗受地形影响大,且水洗后光伏组件自行晾干会形成水渍,时间长会产生热斑效应。而现有的光伏组件智能清扫机器人又可细分为两类:第一类是导轨式机械清洗装置;第二类是附着于板面(光伏组件表面)的智能清扫机器人。专利号为US9130502B1的美国专利提供了一种光伏组件清洗机,其属于第一类。该清洗机的清洁装置设有鼓风机和机械刷,清除污物效果会比较好。但其需要在光伏组件上设置导轨,清洁装置上的滚轮沿导轨移动,此布局方式比较复杂,成本较高,耗能较大。公开号为CN108940967A的专利申请提供了一种适用于光伏组件的自动化清洁系统,其属于第二类。该系统的清洁装置为可移动清洁机器人,所述清洁机器人通过牵引装置在光伏组件上移动,并且在清洁机器人上设置有喷水装置和储水箱,使用喷水装置进行清洁会比较彻底地清除污渍。但由于其整体重量较大,使清洁效率降低,其结构复杂导致运行稳定性相对较低。公开号为CN110653188A的专利申请提供了一种履带式光伏运维装置,其也属于第二类。该装置为履带式光伏组件清扫机器人,直流无刷减速电机提供动力用于机器人在光伏组件上移动,清洁机构的工业用刷用于清理光伏组件表面,运行速度较快,清洁效率较高。但由于其采用工业刚性刷头且未考虑到光伏组件表面带有坡度时的安全移动问题,易对板面(光伏组件表面)造成损伤,适应性不强,运行安全性相对较低。上述三种光伏组件智能清扫机器人均为独立个体,并不能与光伏电站的智能运维平台配合使用,其工作效率明显降低。
因此,研究出一种清洁效率高,运行安全性高的具有跨板行走机构的光伏组件清扫机器人及清扫方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种清洁效率高,运行安全性高的具有跨板行走机构的光伏组件清扫机器人及清扫方法。
为了实现上述目的,本发明采用如下技术方案:
一种具有跨板行走机构的光伏组件清扫机器人,包括:
底盘,
壳体,所述壳体位于底盘的顶部,且与底盘相连接;
行走机构,所述行走机构与底盘相连接;
吸附机构,所述吸附机构包括:涡扇和支撑结构;所述支撑结构围绕形成负压腔,所述涡扇设置于负压腔内;所述支撑结构与底盘相连接;
扫描机构,所述扫描机构设置于所述壳体的顶部;
视频成像仪,所述视频成像仪位于所述壳体的内部;
红外检测传感器,所述红外检测传感器设置于所述底盘的底部;
复合清洗头,所述复合清洗头设置于所述底盘的底部。
采用上述技术方案的有益效果是,本发明中通过行走机构带动机器人进行跨板行走,对光伏组件的表面进行巡视,并且红外检测传感器可以对机器人在光伏组件上的位置进行检测,防止机器人跌落,安全性更强;同时视频成像仪可以光伏组件表面的洁净度进行检测,当到达需要洁净的程度时才进行清洁,可以提高结净效率。
优选的,所述行走机构包括:履带、驱动电机以及驱动轮;所述驱动电机与驱动轮连接,所述驱动轮与履带连接,并带动履带转动。
优选的,所述支撑结构的底部连接有密封条,涡扇的输出端与电机相连接;所述电机与支撑结构相连接。密封条与光伏组件之间留有较小的间隙,密封条和支撑结构共同作用可以形成负压腔,保证机器人在光伏组件表面平稳行走。
优选的,所述扫描机构包括:激光扫描雷达和线激光三维成像仪;所述激光扫描雷达和线激光三维成像仪均设置于壳体的顶部。机器人在行进的过程中激光扫描雷达建模探测边缘设置虚拟墙,红外检测传感器探测是否悬空。
优选的,所述复合清洗头包括:外壳、连接轴、固定挡板、活动挡板、除尘风机以及毛刷;所述外壳的顶部和底部呈开口状;所述连接轴、固定挡板、活动挡板、除尘风机以及毛刷均设置于所述外壳的内部;所述固定挡板设有多个,且沿所述连接轴外圆周呈环形分布;所述固定挡板的表面开设槽口,所述活动挡板铰接于所述固定挡板的顶部,且覆盖所述槽口;所述除尘风机与连接轴相连接,且位于所述固定挡板的下方;所述连接轴内部设有转轴,所述毛刷连接于所述转轴的底部;所述外壳与底盘相连接。通过毛刷可以对光伏组件表面进行清洁。
优选的,所述外壳的顶部设置有滤尘网,所述滤尘网套设于所述连接轴的外部。滤尘网的设置可以将灰尘阻挡在固定挡板和滤尘网之间,对灰尘进行收集。
一种具有跨板行走机构的光伏组件清扫机器人的清扫方法,清扫步骤如下:
1)行走机构驱动机器人行走:驱动电机带动驱动轮转动,履带随驱动轮转动,驱动机器人行走;
2)红外检测传感器和激光扫描雷达检测机器人的位置:红外检测传感器设有多个,且分布于底盘的四周,红外检测传感器和激光扫描雷达共同检测机器人与光伏板组件边缘的距离,判断机器人是否位于光伏组件的表面;当机器人越出光伏组件时,红外检测传感器会向运维平台发出异常报警信号,运维平台向驱动电机发出反向运动的信号,机器人反向移动调整位置;当机器人位于光伏组件表面时,驱动电机带动机器人进行跨板行走;
3)激光三维成像仪检测光伏组件表面的积尘厚度:先对线激光三维成像仪初始化,设定积尘厚度阈值;然后启动线激光三维成像仪循环捕获光伏组件表面坐标信息,设定参考平面并解算三维坐标,分别计算光伏组件表面法线方向上灰尘顶部与参考平面的相对高度差,求取相对高度差的平均值;再然后,判断相对高度差的平均值是否大于积尘厚度阈值,若小于则跳转到“循环捕获光伏组件表面坐标信息”继续往下执行,若大于则启动自主清洁程序,通过复合清洗头对光伏组件的表面进行清洁;
4)视频成像仪检测光伏组件表面的清洁度:先将视频成像仪初始化并设定洁净度阈值;然后,启动视频成像仪,采集光伏组件的原始图像,经过图像逆透视变换、SIFT图像配准拼接对原始图像处理,再使用扩展型Mask R-CNN目标检测及实例分割算法对预处理后的图像进行处理,判断是否发现目标;若未发现,则跳转到“采集光伏组件原始图像”继续往下执行;若发现,则求取目标所有像素点所占权重,计算表面污染物遮蔽面积并推算光伏组件表面实时洁净度;然后,判断光伏组件表面实时洁净度是否已达到设定阈值,若未达到则跳转到“采集光伏组件原始图像”继续往下执行,若达到则启动自主清洁程序,通过复合清洗头对光伏组件的表面进行清洁。
优选的,所述步骤4)中图像逆透视变换可由图像坐标计算得到逆透视变换后的坐标,其关系式如下:
引入偏航角,其关系式如下:
其中(X,Y)表示消失点坐标,M表示图像宽度,N表示图像高度,AlphaV是水平视场角(Yaw轴)的一半,AlphaU是垂直视场角(Pitch轴)的一半,r和c分别是该像素由图像坐标变换到IPM坐标时X轴和Y轴的因子,U和V分别是图像坐标的X轴和Y轴。
优选的,所述步骤4)中SIFT图像配准拼接是对象识别和匹配中鲁棒性强的局部不变特征描述,为了使图像具有尺度空间不变性,SIFT利用高斯函数建立尺度空间,高斯函数公式如下:
其中,二维图像的空间尺度定义为L(x,y),原始图像为I(x,y);
为了在尺度空间中检测关键点,降低时间和空间复杂度,采用不同的高斯尺度空间差分与原始图像进行卷积运算,公式如下:
D(x,y,σ)=(G(x,y,kσ)-G(x,y,σ))*I(x,y)
=L(x,y,kσ)-L(x,y,σ)
其中,D为使用高斯差分算子进行极值检测;G为一个尺度的高斯函数;σ为高斯分布的标准差;
为了使关键点具有尺度不变性,利用图像的局部特征为每个点分配方向;其中,利用点邻域像素方向的梯度和分布如下:
通过以上步骤,每个关键点有三个因素:位置、比例和方向,从而可以确定SIFT特征区域,在提取SIFT特征向量后,得到两幅待拼接图的匹配点集,然后进行图像的配准,即将两张图像转换到同一坐标下。
优选的,所述步骤4)中扩展型Mask R-CNN目标检测及实例分割时,先输入需要处理的图片并进行对应的预处理操作,或者直接输入预处理后的图片;然后将其输入到预训练好的神经网络中获得对应的特征图;接着对这个特征图中的每一点设定预定的感兴趣区,从而获得多个候选感兴趣区;接着将这些候选的感兴趣区送入RPN网络进行二值分类和边框回归,过滤掉一部分候选的感兴趣区;接着,对这些剩下的感兴趣区进行聚集操作;最后对这些感兴趣区进行分类、边框回归和Mask生成。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种具有跨板行走机构的光伏组件清扫机器人及清扫方法,其有益效果为:
(1)本发明中通过复合清洁头的毛刷对光伏组件进行清洁,可以减少清洁过程中水资源的浪费,以达到高效运维、节约资源和降低电站维护成本;使得清洁方式不再受水资源浪费严重、效率低下、人工成本高等因素影响,避免了清洁过程中易形成二次伤害等问题;
(2)通过线激光三维成像仪可以对光伏组件表面的积尘后度进行检测,通过视频成像仪可以对光伏组件表面的洁净度进行检测,当达到需要清洁的程度时在进行清洁,可以提高机器人的清洁效率及适应性,提高光伏组件故障检测效率及准确性,并且减少光伏清洁机器人的自身耗能;
(3)采用推力负压的吸附机构,避免机器人跌落、运行不稳定等问题,实现了机器人的自由跨板运行;由于具有跨板行走机构的光伏组件清扫机器人自主生成并导出巡检报告,便于工作人员了解光伏电站整体状况并及时处理问题,使得电站总体效益明显提升。
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,还可以根据提供的附图获得其他的附图。
图1为本发明提供的机器人清扫方法的流程图;
图2为本发明提供的光伏组件表面积尘厚度检测的流程图;
图3为本发明提供的光伏组件表面洁净度检测的流程图;
图4为本发明提供的机器人内部结构的俯视图;
图5为本发明提供的机器人的内部结构示意图;
图6为本发明提供的复合清洗头的内部结构示意图;
图7为本发明提供的光伏组件表面积尘厚度测量原理图;
图8为本发明提供的扩展型Mask R-CNN的结构图。
其中,图中,
1-底盘;2-壳体;
3-行走机构;
31-履带;32-驱动电机;
4-吸附机构;
41-涡扇;42-支撑结构;
5-复合清洗头;
51-外壳;52-连接轴;53-固定挡板;54-活动挡板;55-除尘风机;56-毛刷;57-滤尘网;
6-视频成像仪;7-红外检测传感器。
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,所描述的实施例仅仅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。
本发明实施例公开了一种具有跨板行走机构的光伏组件清扫机器人,包括:
底盘1,
壳体2,壳体2位于底盘1的顶部,且与底盘1相连接;
行走机构3,行走机构3与底盘相连接;
吸附机构4,吸附机构4包括:涡扇41和支撑结构42;支撑结构42围绕形成负压腔,涡扇41设置于负压腔内;支撑结构42与底盘1相连接;
扫描机构,扫描机构设置于壳体2的顶部;
视频成像仪6,视频成像仪6位于壳体2的内部;
红外检测传感器7,红外检测传感器7设置于底盘1的底部;
复合清洗头5,复合清洗头5设置于底盘1的底部。红外检测传感器7设有四个,分别位于底盘1的四个角端;复合清洗头5设有五个,位于底盘1远离视频成像仪6的一端,且并排布置。
为了进一步地优化上述技术方案,行走机构3包括:履带31、驱动电机32以及驱动轮;驱动电机32与驱动轮连接,驱动轮与履带31连接,并带动履带31转动。行走机构3设有两个,分别设置于机器人的左右两侧。
为了进一步地优化上述技术方案,支撑结构42的底部连接有密封条,涡扇41的输出端与电机相连接;电机与支撑结构42相连接。密封条位于支撑结构42的底部图中未标识出;涡扇41在底盘1的中部位置分布有五个,支撑结构42围绕出五个负压腔,每个负压腔内有一个涡扇41;通过流体传感器检测负压腔内的流速,推算压力值;当有一个或者两个涡扇41处于光伏组件边缘或者跨越光伏组件时,压力值无法达到吸附效果,还有其他三个涡扇41进行吸附,使机器人的稳定较好;当超过三个负压腔内的压力值达不到设定值时,则会将信息推送到运维平台,控制机器人反向微距调整,直到满足运行条件。
为了进一步地优化上述技术方案,扫描机构包括:激光扫描雷达和线激光三维成像仪;激光扫描雷达和线激光三维成像仪均设置于壳体2的顶部。激光扫描雷达位于壳体2顶部的中心位置,两个对角处的红外检测传感器7与激光扫描雷达位于同一直线上。图7中A表示半导体激光器,B表示被测物体,C表示接收透镜,D表示线阵CCD传感器。
为了进一步地优化上述技术方案,复合清洗头5包括:外壳51、连接轴52、固定挡板53、活动挡板54、除尘风机55以及毛刷56;外壳51的顶部和底部呈开口状;连接轴52、固定挡板53、活动挡板54、除尘风机55以及毛刷56均设置于外壳51的内部;固定挡板53设有多个,且沿连接轴52外圆周呈环形分布;固定挡板53的表面开设槽口,活动挡板54铰接于固定挡板53的顶部,且覆盖槽口;除尘风机55与连接轴52相连接,且位于固定挡板53的下方;连接轴52内部设有转轴,毛刷56连接于转轴的底部;外壳51与底盘1相连接。固定挡板53呈上下交错布置,只在上层的固定挡板53上卡设有槽口。转轴连接有电机,转轴转动会带动毛刷56转动进行清扫过程。
为了进一步地优化上述技术方案,外壳51的顶部设置有滤尘网57,滤尘网57套设于连接轴52的外部。除尘风机55转动会在外壳51的内部形成负压,毛刷56在清扫的过程中会将灰尘吸入到外壳51内,在风力的作用下会将活动挡板54吹起,然后灰尘进入到固定挡板53和滤尘网57之间,当清洁完毕后活动挡板54落下,打开滤尘网57便可将灰尘清除。
一种具有跨板行走机构的光伏组件清扫机器人的清扫方法,清扫步骤如下:
1)行走机构驱动机器人行走:驱动电机32带动驱动轮转动,履带31随驱动轮转动,驱动机器人行走;
2)红外检测传感器7和激光扫描雷达检测机器人的位置:红外检测传感器7设有多个,且分布于底盘1的四周,红外检测传感器7和激光扫描雷达共同检测机器人与光伏板组件边缘的距离,判断机器人是否位于光伏组件的表面;当机器人越出光伏组件时,红外检测传感器7会向运维平台发出异常报警信号,运维平台向驱动电机32发出反向运动的信号,机器人反向移动调整位置;当机器人位于光伏组件表面时,驱动电机32带动机器人进行跨板行走;
3)线激光三维成像仪检测光伏组件表面的积尘厚度:先对线激光三维成像仪初始化,设定积尘厚度阈值;然后启动线激光三维成像仪循环捕获光伏组件表面坐标信息,设定参考平面并解算三维坐标,分别计算光伏组件表面法线方向上灰尘顶部与参考平面的相对高度差,求取相对高度差的平均值;再然后,判断相对高度差的平均值是否大于积尘厚度阈值,若小于则跳转到“循环捕获光伏组件表面坐标信息”继续往下执行,若大于则启动自主清洁程序,通过复合清洗头5对光伏组件的表面进行清洁;
4)视频成像仪6检测光伏组件表面的清洁度:先将视频成像仪6初始化并设定洁净度阈值;然后,启动视频成像仪6,采集光伏组件的原始图像,经过图像逆透视变换、SIFT图像配准拼接对原始图像处理,再使用扩展型Mask R-CNN目标检测及实例分割算法对预处理后的图像进行处理,判断是否发现目标;若未发现,则跳转到“采集光伏组件原始图像”继续往下执行;若发现,则求取目标所有像素点所占权重,计算表面污染物遮蔽面积并推算光伏组件表面实时洁净度;然后,判断光伏组件表面实时洁净度是否已达到设定阈值,若未达到则跳转到“采集光伏组件原始图像”继续往下执行,若达到则启动自主清洁程序,通过复合清洗头5对光伏组件的表面进行清洁。
为了进一步地优化上述技术方案,当机器人运行时间达到设定值并完成一次巡检和清扫任务后,推送巡检报告至运维平台。
为了进一步地优化上述技术方案,步骤4)中图像逆透视变换可由图像坐标计算得到逆透视变换后的坐标,其关系式如下:
引入偏航角,其关系式如下:
其中(X,Y)表示消失点坐标,M表示图像宽度,N表示图像高度,AlphaV是水平视场角(Yaw轴)的一半,AlphaU是垂直视场角(Pitch轴)的一半,r和c分别是该像素由图像坐标变换到IPM坐标时X轴和Y轴的因子,U和V分别是图像坐标的X轴和Y轴。
为了进一步地优化上述技术方案,步骤4)中SIFT图像配准拼接是对象识别和匹配中鲁棒性强的局部不变特征描述,为了使图像具有尺度空间不变性,SIFT利用高斯函数建立尺度空间,高斯函数公式如下:
其中,二维图像的空间尺度定义为L(x,y),原始图像为I(x,y);
为了在尺度空间中检测关键点,降低时间和空间复杂度,采用不同的高斯尺度空间差分与原始图像进行卷积运算,公式如下:
D(x,y,σ)=(G(x,y,kσ)-G(x,y,σ))*I(x,y)
=L(x,y,kσ)-L(x,y,σ)
其中,D为使用高斯差分算子进行极值检测;G为一个尺度的高斯函数;σ为高斯分布的标准差;
为了使关键点具有尺度不变性,利用图像的局部特征为每个点分配方向;其中,利用点邻域像素方向的梯度和分布如下:
通过以上步骤,每个关键点有三个因素:位置、比例和方向,从而可以确定SIFT特征区域,在提取SIFT特征向量后,得到两幅待拼接图的匹配点集,然后进行图像的配准,即将两张图像转换到同一坐标下。
为了进一步地优化上述技术方案,步骤4)中扩展型Mask R-CNN目标检测及实例分割时,先输入需要处理的图片并进行对应的预处理操作,或者直接输入预处理后的图片;然后将其输入到预训练好的神经网络中获得对应的特征图;接着对这个特征图中的每一点设定预定的感兴趣区,从而获得多个候选感兴趣区;接着将这些候选的感兴趣区送入RPN网络进行二值分类和边框回归,过滤掉一部分候选的感兴趣区;接着,对这些剩下的感兴趣区进行聚集操作;最后对这些感兴趣区进行分类、边框回归和Mask生成。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种具有跨板行走机构的光伏组件清扫机器人的清扫方法,其特征在于,清扫机器人包括:
底盘(1),
壳体(2),所述壳体(2)位于底盘(1)的顶部,且与底盘(1)相连接;
行走机构(3),所述行走机构(3)与底盘相连接;
吸附机构(4),所述吸附机构(4)包括:涡扇(41)和支撑结构(42);所述支撑结构(42)围绕形成负压腔,所述涡扇(41)设置于负压腔内;所述支撑结构(42)与底盘(1)相连接;涡扇(41)在底盘1的中部位置分布有五个,支撑结构(42)围绕出五个负压腔,每个负压腔内有一个涡扇(41);通过流体传感器检测负压腔内的流速,推算压力值;当有一个或者两个涡扇(41)处于光伏组件边缘或者跨越光伏组件时,压力值无法达到吸附效果,还有其他三个涡扇(41)进行吸附,使机器人的稳定较好;当超过三个负压腔内的压力值达不到设定值时,则会将信息推送到运维平台,控制机器人反向微距调整,直到满足运行条件;
扫描机构,所述扫描机构设置于所述壳体(2)的顶部;
视频成像仪(6),所述视频成像仪(6)位于所述壳体(2)的内部;
红外检测传感器(7),所述红外检测传感器(7)设置于所述底盘(1)的底部;
复合清洗头(5),所述复合清洗头(5)设置于所述底盘(1)的底部;
清扫步骤如下:
1)行走机构驱动机器人行走:驱动电机(32)带动驱动轮转动,履带(31)随驱动轮转动,驱动机器人行走;
2)红外检测传感器(7)和激光扫描雷达检测机器人的位置:红外检测传感器(7)设有多个,且分布于底盘(1)的四周,红外检测传感器(7)和激光扫描雷达共同检测机器人与光伏板组件边缘的距离,判断机器人是否位于光伏组件的表面;当机器人越出光伏组件时,红外检测传感器(7)会向运维平台发出异常报警信号,运维平台向驱动电机(32)发出反向运动的信号,机器人反向移动调整位置;当机器人位于光伏组件表面时,驱动电机(32)带动机器人进行跨板行走;
3)线激光三维成像仪检测光伏组件表面的积尘厚度:先对线激光三维成像仪初始化,设定积尘厚度阈值;然后启动线激光三维成像仪循环捕获光伏组件表面坐标信息,设定参考平面并解算三维坐标,分别计算光伏组件表面法线方向上灰尘顶部与参考平面的相对高度差,求取相对高度差的平均值;再然后,判断相对高度差的平均值是否大于积尘厚度阈值,若小于则跳转到“循环捕获光伏组件表面坐标信息”继续往下执行,若大于则启动自主清洁程序,通过复合清洗头(5)对光伏组件的表面进行清洁;
4)视频成像仪(6)检测光伏组件表面的清洁度:先将视频成像仪(6)初始化并设定洁净度阈值;然后,启动视频成像仪(6),采集光伏组件的原始图像,经过图像逆透视变换、SIFT图像配准拼接对原始图像处理,再使用扩展型Mask R-CNN目标检测及实例分割算法对预处理后的图像进行处理,判断是否发现目标;若未发现,则跳转到“采集光伏组件原始图像”继续往下执行;若发现,则求取目标所有像素点所占权重,计算表面污染物遮蔽面积并推算光伏组件表面实时洁净度;然后,判断光伏组件表面实时洁净度是否已达到设定阈值,若未达到则跳转到“采集光伏组件原始图像”继续往下执行,若达到则启动自主清洁程序,通过复合清洗头(5)对光伏组件的表面进行清洁;
所述步骤4)中图像逆透视变换可由图像坐标计算得到逆透视变换后的坐标,其关系式如下:
引入偏航角,其关系式如下:
其中(X,Y)表示消失点坐标,M表示图像宽度,N表示图像高度,AlphaV是水平视场角(Yaw轴)的一半,AlphaU是垂直视场角(Pitch轴)的一半,r和c分别是该像素由图像坐标变换到IPM坐标时X轴和Y轴的因子,U和V分别是图像坐标的X轴和Y轴;
所述步骤4)中SIFT图像配准拼接是对象识别和匹配中鲁棒性强的局部不变特征描述,为了使图像具有尺度空间不变性,SIFT利用高斯函数建立尺度空间,高斯函数公式如下:
其中,二维图像的空间尺度定义为L(x,y),原始图像为I(x,y);
为了在尺度空间中检测关键点,降低时间和空间复杂度,采用不同的高斯尺度空间差分与原始图像进行卷积运算,公式如下:
D(x,y,σ)=(G(x,y,kσ)-G(x,y,σ))*I(x,y)
=L(x,y,kσ)-L(x,y,σ)
其中,D为使用高斯差分算子进行极值检测;G为一个尺度的高斯函数;σ为高斯分布的标准差;
为了使关键点具有尺度不变性,利用图像的局部特征为每个点分配方向;其中,利用点邻域像素方向的梯度和分布如下:
通过以上步骤,每个关键点有三个因素:位置、比例和方向,从而可以确定SIFT特征区域,在提取SIFT特征向量后,得到两幅待拼接图的匹配点集,然后进行图像的配准,即将两张图像转换到同一坐标下;
所述步骤4)中扩展型Mask R-CNN目标检测及实例分割时,先输入需要处理的图片并进行对应的预处理操作,或者直接输入预处理后的图片;然后将其输入到预训练好的神经网络中通过HRNet网络进行处理获得对应的特征图;接着对这个特征图中的每一点设定预定的感兴趣区,从而获得多个候选感兴趣区;接着将这些候选的感兴趣区送入RPN网络进行二值分类和边框回归,过滤掉一部分候选的感兴趣区;接着,对这些剩下的感兴趣区进行聚集操作;最后对这些感兴趣区进行分类、边框回归和Mask生成。
2.根据权利要求1所述的一种具有跨板行走机构的光伏组件清扫机器人的清扫方法,其特征在于,所述行走机构(3)包括:履带(31)、驱动电机(32)以及驱动轮;所述驱动电机(32)与驱动轮连接,所述驱动轮与履带(31)连接,并带动履带(31)转动。
3.根据权利要求1或2所述的一种具有跨板行走机构的光伏组件清扫机器人的清扫方法,其特征在于,所述支撑结构(42)的底部连接有密封条,涡扇(41)的输出端与电机相连接;所述电机与支撑结构(42)相连接。
4.根据权利要求3所述的一种具有跨板行走机构的光伏组件清扫机器人的清扫方法,其特征在于,所述扫描机构包括:激光扫描雷达和线激光三维成像仪;所述激光扫描雷达和线激光三维成像仪均设置于壳体(2)的顶部。
5.根据权利要求1所述的一种具有跨板行走机构的光伏组件清扫机器人的清扫方法,其特征在于,所述复合清洗头(5)包括:外壳(51)、连接轴(52)、固定挡板(53)、活动挡板(54)、除尘风机(55)以及毛刷(56);所述外壳(51)的顶部和底部呈开口状;所述连接轴(52)、固定挡板(53)、活动挡板(54)、除尘风机(55)以及毛刷(56)均设置于所述外壳(51)的内部;所述固定挡板(53)设有多个,且沿所述连接轴(52)外圆周呈环形分布;所述固定挡板(53)的表面开设槽口,所述活动挡板(54)铰接于所述固定挡板(53)的顶部,且覆盖所述槽口;所述除尘风机(55)与连接轴(52)相连接,且位于所述固定挡板(53)的下方;所述连接轴(52)内部设有转轴,所述毛刷(56)连接于所述转轴的底部;所述外壳(51)与底盘(1)相连接。
6.根据权利要求5所述的一种具有跨板行走机构的光伏组件清扫机器人的清扫方法,其特征在于,所述外壳(51)的顶部设置有滤尘网(57),所述滤尘网(57)套设于所述连接轴(52)的外部。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310328577.4A CN116388668B (zh) | 2023-03-30 | 2023-03-30 | 一种具有跨板行走机构的光伏组件清扫机器人及清扫方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310328577.4A CN116388668B (zh) | 2023-03-30 | 2023-03-30 | 一种具有跨板行走机构的光伏组件清扫机器人及清扫方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116388668A CN116388668A (zh) | 2023-07-04 |
CN116388668B true CN116388668B (zh) | 2024-03-12 |
Family
ID=86976331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310328577.4A Active CN116388668B (zh) | 2023-03-30 | 2023-03-30 | 一种具有跨板行走机构的光伏组件清扫机器人及清扫方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116388668B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117252588B (zh) * | 2023-11-13 | 2024-03-22 | 南京同庆科技有限公司 | 一种用于清洁能源电站检修的智能巡检系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104607400A (zh) * | 2015-01-05 | 2015-05-13 | 北京天诚同创电气有限公司 | 光伏电池板的清洁扫描装置及清洁方法 |
CN105747988A (zh) * | 2016-03-07 | 2016-07-13 | 德州职业技术学院 | 智能太阳能清洁机器人及其定位清洁方法 |
CN108330876A (zh) * | 2017-01-19 | 2018-07-27 | 象山县技工学校 | 多功能垃圾清扫机及其清扫方法 |
CN108832885A (zh) * | 2018-08-21 | 2018-11-16 | 佛山职业技术学院 | 一种光伏组件清洁机器人 |
CN208162118U (zh) * | 2017-10-16 | 2018-11-30 | 长飞光纤光缆股份有限公司 | 一种光伏清扫装置 |
CN110932660A (zh) * | 2018-09-19 | 2020-03-27 | 漳浦比速光电科技有限公司 | 一种用于光伏发电的维护设备及其维护方法 |
WO2020094147A1 (zh) * | 2018-05-28 | 2020-05-14 | 苏州瑞得恩光能科技有限公司 | 清洁系统及清洁方法 |
CN211726666U (zh) * | 2020-02-26 | 2020-10-23 | 河北工业大学 | 基于负压吸附的光伏板清洁机器人 |
CN112545389A (zh) * | 2020-12-26 | 2021-03-26 | 广州映博智能科技有限公司 | 一种新型清洁机器人 |
CN113792674A (zh) * | 2021-09-17 | 2021-12-14 | 支付宝(杭州)信息技术有限公司 | 空座率的确定方法、装置和电子设备 |
CN115393812A (zh) * | 2022-08-16 | 2022-11-25 | 厦门理工学院 | 一种红外激光辅助车道线检测方法、装置、设备及介质 |
-
2023
- 2023-03-30 CN CN202310328577.4A patent/CN116388668B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104607400A (zh) * | 2015-01-05 | 2015-05-13 | 北京天诚同创电气有限公司 | 光伏电池板的清洁扫描装置及清洁方法 |
CN105747988A (zh) * | 2016-03-07 | 2016-07-13 | 德州职业技术学院 | 智能太阳能清洁机器人及其定位清洁方法 |
CN108330876A (zh) * | 2017-01-19 | 2018-07-27 | 象山县技工学校 | 多功能垃圾清扫机及其清扫方法 |
CN208162118U (zh) * | 2017-10-16 | 2018-11-30 | 长飞光纤光缆股份有限公司 | 一种光伏清扫装置 |
WO2020094147A1 (zh) * | 2018-05-28 | 2020-05-14 | 苏州瑞得恩光能科技有限公司 | 清洁系统及清洁方法 |
CN108832885A (zh) * | 2018-08-21 | 2018-11-16 | 佛山职业技术学院 | 一种光伏组件清洁机器人 |
CN110932660A (zh) * | 2018-09-19 | 2020-03-27 | 漳浦比速光电科技有限公司 | 一种用于光伏发电的维护设备及其维护方法 |
CN211726666U (zh) * | 2020-02-26 | 2020-10-23 | 河北工业大学 | 基于负压吸附的光伏板清洁机器人 |
CN112545389A (zh) * | 2020-12-26 | 2021-03-26 | 广州映博智能科技有限公司 | 一种新型清洁机器人 |
CN113792674A (zh) * | 2021-09-17 | 2021-12-14 | 支付宝(杭州)信息技术有限公司 | 空座率的确定方法、装置和电子设备 |
CN115393812A (zh) * | 2022-08-16 | 2022-11-25 | 厦门理工学院 | 一种红外激光辅助车道线检测方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116388668A (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116388668B (zh) | 一种具有跨板行走机构的光伏组件清扫机器人及清扫方法 | |
CN109967409B (zh) | 一种隧道灯具自动清洗装置及方法 | |
WO2021208380A1 (zh) | 防疫消毒清洁机器人消毒清洁作业效果检测方法及装置 | |
US20210182579A1 (en) | Mobile robot, control method and control system thereof | |
CN104607400B (zh) | 光伏电池板的清洁扫描装置及清洁方法 | |
CN104765362B (zh) | 一种清洁机器人的局部清扫模式 | |
CN108852184A (zh) | 一种基于深度学习算法的无盲区扫地机器人及其清扫控制方法 | |
CN106264356B (zh) | 一种智能垃圾清洁装置 | |
CN108971073A (zh) | 一种适用于光伏板的包含摄像装置的自动化清洁系统 | |
CN113193830A (zh) | 光伏清洗系统 | |
CN106585573A (zh) | 电动汽车底盘清洁装置及清洁方法 | |
CN107578397A (zh) | 一种新型非接触式接触线磨损检测方法 | |
CN111687859A (zh) | 一种光伏清洁机器人获取最优作业路径的方法 | |
KR102484704B1 (ko) | 차형 자동 인식 기능을 갖춘 세차 시스템 | |
CN108259000A (zh) | 一种光伏组件全自动清扫系统及清扫方法 | |
CN112319426A (zh) | 一种喷吹除尘设备 | |
CN112953374A (zh) | 太阳能光伏板智能清扫与巡检机器人 | |
CN117876308A (zh) | 基于图像分析的光伏板检测方法 | |
CN116786477A (zh) | 一种基于视觉反馈的光伏板边框积灰清洗系统 | |
CN114612474A (zh) | 一种晶圆清洁干燥模组状态检测方法、装置及平坦化设备 | |
CN113014194A (zh) | 太阳能面板污迹清理方法、装置、计算机设备和存储介质 | |
CN109298715B (zh) | 机器人行进控制系统及行进控制方法 | |
CN214202459U (zh) | 一种基于机器视觉的智能机器人除尘系统 | |
Renjith et al. | Design and implementation of automatic garbage collecting robot using background subtraction based computer vision algorithm | |
CN208944678U (zh) | 一种适用于光伏板的包含摄像装置的自动化清洁系统 |
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 |