CN116488573B - 用于光伏站的智能运维方法及装置 - Google Patents

用于光伏站的智能运维方法及装置 Download PDF

Info

Publication number
CN116488573B
CN116488573B CN202310446210.2A CN202310446210A CN116488573B CN 116488573 B CN116488573 B CN 116488573B CN 202310446210 A CN202310446210 A CN 202310446210A CN 116488573 B CN116488573 B CN 116488573B
Authority
CN
China
Prior art keywords
area
preset
representing
image information
characteristic
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
Application number
CN202310446210.2A
Other languages
English (en)
Other versions
CN116488573A (zh
Inventor
曹旋
雷格
李小群
余静兰
何仁飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central China Science And Technology Development Co ltd
Original Assignee
Central China Science And Technology Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central China Science And Technology Development Co ltd filed Critical Central China Science And Technology Development Co ltd
Priority to CN202310446210.2A priority Critical patent/CN116488573B/zh
Publication of CN116488573A publication Critical patent/CN116488573A/zh
Application granted granted Critical
Publication of CN116488573B publication Critical patent/CN116488573B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • G06V10/273—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 removing elements interfering with the pattern to be recognised
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Power Engineering (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种用于光伏站的智能运维方法和装置，涉及光伏站的智能运维领域，本方法包括：获取第一图像信息和第二图像信息，第一图像信息和第二图像信息分别是在不同的预设时刻时高空无人机在光伏站的预设区域采集的图像信息；对第一图像信息和第二图像信息分别进行污染区判断；当第一图像信息和第二图像信息均判断包含污染区时，对污染区进行特征点提取，得到特征点集；对特征点集与预设基准图像进行像素融合，得到待清除区域；根据待清除区域计算得到清除路径，并将清除路径上传至光伏站运维数据云平台后生成运维执行等级。本方法一方面保证了对光伏站内的光伏板进行智能化巡检，另一方面方便指导进行后期的光伏板清理作业。

Description

用于光伏站的智能运维方法及装置
技术领域
本发明涉及光伏站的运维领域，具体而言，涉及一种用于光伏站的智能运维方法及装置。
背景技术
在光伏站内，运维人员基于各类信息化系统来开展日常的运维业务，常见的运维业务主要包括：设备巡检、故障报警和状态维护。而光伏板作为光伏站的核心设备是运维业务的关键内容。由于光伏板设置在室外环境，一方面浮尘容易附着在光伏板，另一方面浮尘颗粒受潮后与光伏板之间的粘性变强，粘附在光伏板上形成积垢，从而导致光伏板上接收太阳辐射的面积将会减小，从而大大影响光伏发电效率。传统的光伏板运维方式是通过定期的巡检并人工记录数据，此种方式效率低，当随着运维检测数据的不断增加，难以全面的发现故障。因此亟需一种用于光伏站的智能运维方法，一方面需保证光伏站内光伏板的智能化巡检，另一方面需方便指导进行后期的光伏板的清理作业，以保证光伏板的正常运行，提升光伏站的运维效率。
发明内容
本发明的目的在于提供一种用于光伏站的智能运维方法及装置，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：
第一方面，本申请提供了一种用于光伏站的智能运维方法，所述方法包括：
获取第一图像信息和第二图像信息，所述第一图像信息和所述第二图像信息分别是在不同的预设时刻时高空无人机在光伏站的预设区域采集的图像信息；
对所述第一图像信息和所述第二图像信息分别进行污染区判断；
当所述第一图像信息和所述第二图像信息均判断包含污染区时，对所述污染区进行特征点提取，得到特征点集；
对所述特征点集与预设基准图像进行像素融合，得到待清除区域；
根据所述待清除区域计算得到清除路径，并将所述清除路径上传至光伏站运维数据云平台后生成运维执行等级，所述运维执行等级用于进行清理作业安排。
第二方面，本申请还提供了一种用于光伏站的智能运维装置，所述装置包括：
获取模块，用于获取第一图像信息和第二图像信息，所述第一图像信息和所述第二图像信息分别是在不同的预设时刻时高空无人机在光伏站的预设区域采集的图像信息；
判断模块，用于对所述第一图像信息和所述第二图像信息分别进行污染区判断；
第一处理模块，用于当所述第一图像信息和所述第二图像信息均判断包含污染区时，对所述污染区进行特征点提取，得到特征点集；
第二处理模块，用于对所述特征点集与预设基准图像进行像素融合，得到待清除区域；
第三处理模块，用于根据所述待清除区域计算得到清除路径，并将所述清除路径上传至光伏站运维数据云平台后生成运维执行等级，所述运维执行等级用于进行清理作业安排。
本发明的有益效果为：
本发明在数据采集方面，引入高空无人机，实现了在光伏站的预设区域进行图像信息的采集，打破了空间与时间限制，极大地提高了运维巡检的工作效率；另一方面本发明引入污染区判断算法，在得到图像信息的基础上，通过计算得到待清除区域，之后通过待清除区域与光伏站运维数据云平台进行交互，提升了光伏站的运维效率。
本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明实施例中所述的用于光伏站的智能运维方法流程示意图；
图2为本发明实施例中所述的用于光伏站的智能运维装置结构示意图；
图3为本发明实施例中所述第三处理模块的结构示意图；
图4为本发明实施例中所述的用于光伏站的智能运维设备结构示意图。
图中标记：
800、用于光伏站的智能运维设备；801、处理器；802、存储器；803、多媒体组件；804、I/O接口；805、通信组件；901、获取模块；902、判断模块；903、第一处理模块；904、第二处理模块；905、第三处理模块；9031、划分单元；9032、标记单元；9033、确认单元；9034、第一计算单元；9035、第二计算单元；9041、比对处理单元；9042、第三计算单元；9043、第四计算单元；9044、第五计算单元；9051、获取单元；9052、第六计算单元；9053、第七计算单元；9054、第八计算单元；9055、第九计算单元；9056、第五处理单元；9057、第六处理单元；9058、第七处理单元；90541、第一处理单元；90542、第二处理单元；90543、第三处理单元；90544、第四处理单元。
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，所描述的实施例是本发明一部分实施例，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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1：
本实施例提供了一种用于光伏站的智能运维方法。
参见图1，图中示出了本方法包括步骤S1-S5，具体有：
S1:获取第一图像信息和第二图像信息，所述第一图像信息和所述第二图像信息分别是在不同的预设时刻时高空无人机在光伏站的预设区域采集的图像信息；
在步骤S1中，高空无人机可搭载球机摄像头进行图像采集。预设区域可根据光伏站内光伏板的铺设面积进行确定，如：当光伏站内光伏板的铺设面积较小时，则预设区域设置为全部光伏板的铺设面积，此时球机摄像头可采集全部光伏板的区域。预设时刻可根据光伏站运维数据云平台的运维时间要求进行设定，如：光伏站运维数据云平台的运维时间设定为每24小时进行一次设备运维巡检，则预设时间可设定为24小时。
S2:对所述第一图像信息和所述第二图像信息分别进行污染区判断；
在步骤S2中，先对所述第一图像信息和所述第二图像信息分别进行预设灰度级设置：在本发明中，所述第一图像信息和所述第二图像信息的预设灰度级均设置为256级，所述灰度级为白色与黑色之间按对数关系分成的等级数量，由于本发明的预设灰度级为256级，则在本发明中的灰度范围值为0-255。
根据预设分割阈值(由于污染区亮度值较低，优选设定预设分割阈值在50之内)在0-255的灰度范围值内依次进行二值化处理，区分得到污染区和未污染区。
S3:当所述第一图像信息和所述第二图像信息均判断包含污染区时，对所述污染区进行特征点提取，得到特征点集；
为明确对所述污染区进行特征点提取的具体过程，步骤S3包括S31至S35，具体有：
S31:根据所述污染区进行区域划分，得到多个污染子区域；
在步骤S31中，所述区域划分可采用等面积划分的方式，得到多个子污染区域。
S32:对单个所述污染子区域内进行特征像素点的标记，得到像素标记数据集，在所述像素标记数据集内包含多个标记后的特征像素点；
在步骤S32中，对单个所述污染子区域而言，可选定预设半径值的圆形区域，在所述圆形区域的周边收集特征像素点，并对特征像素点根据预设标记量(预设标记量内包含有余量)进行标记，在标记的过程中，优先标记在圆形区域圆周上的特征像素点，当圆周上的特征像素点达到预设标记量时，则可不考虑标记圆形区域内的特征像素点；当圆周上的特征像素点未达到预设标记量时，则在圆形区域内对应标记特征像素点的缺失量。
S33:根据预设像素比对阈值在像素标记数据集中确定多个目标比对特征点；
在所述像素标记数据集中包含多个标记后的特征像素点，根据预设像素比对阈值与每个标记特征像素点所对应的像素值进行一一比对，确定多个目标比对特征点。当标记特征像素点所对应的像素值大于预设像素比对阈值时，则对该标记特征像素点进行剔除，若剔除量超过预设标记量时，则需重新进行步骤S32的标记操作。
步骤S33实现了对错误匹配的特征像素点进行剔除。
S34:根据每个所述目标比对特征点所对应的像素值与预设像素阈值进行求差计算，得到单个污染子区域的特征点；
在步骤S34中，计算公式有：
|Si-S|<k； (1)
上式(1)中，Si表示第i个目标比对特征点所对应的像素值，S表示预设像素阈值，k为预设常系数。在本发明，优先k设定为0.05。当第i个目标比对特征点所对应的像素值与预设像素阈值的差值小于预设常系数时，则确定该目标比对特征点为该单个污染子区域内的特征点。
S35:在依次得到单个污染子区域的特征点后，根据所有的污染子区域的特征点构建特征点集。
在步骤S3完成后，本方法实现对污染区内的特征点进行提取，剔除错误匹配的特征点，保证了后期清除路径的精准度。
S4:对所述特征点集与预设基准图像进行像素融合，得到待清除区域；
为明确本发明像素融合的具体过程，步骤S4包括S41至S44，具体有：
S41:将特征点集所在的污染区图像与预设基准图像进行重叠比对，得到污染复合区和非污染复合区；
在步骤S41中，可采用与S2相同的比对原理。
S42:依次根据污染复合区内特征点集下的特征点和第一预设模型进行计算，得到污染复合区内特征点集的权重值；
在步骤S42中，第一预设模型为：
上式(2)中，mi表示污染复合区内第i个特征点集下的特征点的权重值，mi(x,y)表示污染复合区内第i个特征点集下的特征点的二维坐标，表示表示污染复合区内第i个特征点集下的特征点的二维坐标距离值，r1污染复合区内的预设半径距离值。
上式(3)中，ms表示污染复合区内特征点集的权重值，表示从m1至mn进行求和的值，n表示污染复合区内特征点集下的特征点的总数量。
S43:依次根据非污染复合区内特征点集下的特征点和第二预设模型进行计算，得到非污染复合区内特征点集的权重值；
在步骤S43中，第二预设模型为：
上式(4)中，m′i表示非污染复合区内第i个特征点集下的特征点的权重值，m′i(x1,y1)表示非污染复合区内第i个特征点集下的特征点的二维坐标，表示表示非污染复合区内第i个特征点集下的特征点的二维坐标距离值，r2表示非污染复合区内的预设半径距离值。
上式(5)中，m′s表示非污染复合区内特征点集的权重值，表示从m′1至m′n进行求和的值，n′表示非污染复合区内特征点集下的特征点的总数量。
S44:根据污染复合区内特征点集的权重值、非污染复合区内特征点集的权重值和特征点集内的特征点进行计算，得到待清除区域。
在步骤S44中，计算模型为：
fi＝{mi(x,y)·ms+m′i(x1,y1)·ms′}； (6)
上式(6)中，fi表示待清除区域内第i个特征点的目标函数，mi(x,y)表示污染复合区内第i个特征点集下的特征点的二维坐标，ms表示污染复合区内特征点集的权重值，m′i(x1,y1)表示非污染复合区内第i个特征点集下的特征点的二维坐标，ms′表示非污染复合区内特征点集的权重值。
上式(7)中，M表示待清除区域，d1表示预设基准图像的最左边边界值，d2表示预设基准图像的最右边边界值，fi表示待清除区域内第i个特征点的目标函数。
S5:根据所述待清除区域计算得到清除路径，并将所述清除路径上传至光伏站运维数据云平台后生成运维执行等级，所述运维执行等级用于进行清理作业安排。
在步骤S5中，为明确本发明所述清除路径的具体计算过程，步骤S5包括S51至S54，具体有：
S51:获取光伏站内光伏板的铺设区域；
S52:根据光伏站内光伏板的铺设区域和预设缩尺比例，得到光伏板缩尺铺设区域；
S53:将待清除区域正投影至光伏板缩尺铺设区域，计算得到初步导航路径；
在步骤S53中，可采用现有CT图像重建算法。
S54:通过RANSAC算法对初步导航路径进行优化，计算得到清除路径。
在步骤S54中包括S541至S544，具体有：
S541:对初步导航路径进行栅格处理，得到栅格导航路径；
S542:根据预设栅格区域对所述栅格导航路径内的栅格导航子路径进行等距划分，得到多个栅格导航子路径的长度；
在步骤S542中，可计算栅格导航子路径中的向量长度，之后将向量长度进行均分，得到每段向量长度值即为单个栅格导航子路径的长度。
S543:依次在每个所述栅格导航子路径的长度中确定控制起点和控制终点；
在步骤S543中，在每段向量长度值中选取向量起点为控制起点，在每段向量长度值中选取向量终点为控制终点。
S544:根据每个所述栅格导航子路径中的控制起点和控制终点通过贝塞尔曲线进行拟合，得到清除路径。
在本发明中，可选用三次多项式作为估计模型，在车体坐标系中，通过贝塞尔曲线进行拟合，从而得到清除路径。
在步骤S54得到所述清除路径后，还包括步骤S55-S58，即将所述清除路径上传至光伏站运维数据云平台后生成运维执行等级，所述运维执行等级包括第一执行等级和第二执行等级，具体有：
S55:根据所述清除路径和第三预设模型进行计算，得到光伏板发电影响总量；
在步骤S55中，根据所述清除路径收集待清理光伏板数量，所述第三预设模型为：
上式(8)中，p′表示光伏板发电影响总量，n11表示清除路径收集待清理光伏板数量，n12表示光伏站内光伏板的预设总量，P为光伏站的额定发电量。
S56:将所述光伏板发电影响总量上传至光伏站运维数据云平台，所述光伏板发电影响总量用于触发所述光伏站运维数据云平台进行运维执行等级判断；
在本发明中，光伏站运维数据云平台根据光伏板发电影响总量进行执行等级的分级，方便进行运维调度，以满足光伏站在保证一定发电量的基础上进行光伏板的清理作业。
S57:当获取所述光伏站运维数据云平台发送的运维执行等级为第一执行等级时，根据所述清除路径对光伏站内光伏板进行清理，并保持第一执行等级下的第一发电量；
S58:当获取所述光伏站运维数据云平台发送的运维执行等级为第二执行等级时，根据所述清除路径对光伏站内光伏板进行清理，并保持第二执行等级下的第二发电量，所述第二发电量大于所述第一发电量。
实施例2：
如图2所示，本实施例提供了一种用于光伏站的智能运维装置，所述装置包括：
获取模块901，用于获取第一图像信息和第二图像信息，所述第一图像信息和所述第二图像信息分别是在不同的预设时刻时高空无人机在光伏站的预设区域采集的图像信息；
判断模块902，用于对所述第一图像信息和所述第二图像信息分别进行污染区判断；
第一处理模块903，用于当所述第一图像信息和所述第二图像信息均判断包含污染区时，对所述污染区进行特征点提取，得到特征点集；
第二处理模块904，用于对所述特征点集与预设基准图像进行像素融合，得到待清除区域；
第三处理模块905，用于根据所述待清除区域计算得到清除路径，并将所述清除路径上传至光伏站运维数据云平台后生成运维执行等级，所述运维执行等级用于进行清理作业安排。
本发明所公开的一种实施方式中，所述第一处理模块903包括：
划分单元9031，用于根据所述污染区进行区域划分，得到多个污染子区域；
标记单元9032，用于对单个所述污染子区域内进行特征像素点的标记，得到像素标记数据集，在所述像素标记数据集内包含多个标记后的特征像素点；
确认单元9033，用于根据预设像素比对阈值在像素标记数据集中确定多个目标比对特征点；
第一计算单元9034，用于根据每个所述目标比对特征点所对应的像素值与预设像素阈值进行求差计算，得到单个污染子区域的特征点；
第二计算单元9035，用于在依次得到单个污染子区域的特征点后，根据所有的污染子区域的特征点构建特征点集。
本发明所公开的一种实施方式中，所述第二处理模块904包括：
比对处理单元9041，用于将特征点集所在的污染区图像与预设基准图像进行重叠比对，得到污染复合区和非污染复合区；
第三计算单元9042，用于依次根据污染复合区内特征点集下的特征点和第一预设模型进行计算，得到污染复合区内特征点集的权重值；
第四计算单元9043，用于依次根据非污染复合区内特征点集下的特征点和第二预设模型进行计算，得到非污染复合区内特征点集的权重值；
第五计算单元9044，用于根据污染复合区内特征点集的权重值、非污染复合区内特征点集的权重值和特征点集内的特征点进行计算，得到待清除区域。
如图3所示，本发明所公开的一种实施方式中，所述第三处理模块905包括：
获取单元9051，用于获取光伏站内光伏板的铺设区域；
第六计算单元9052，用于根据光伏站内光伏板的铺设区域和预设缩尺比例，得到光伏板缩尺铺设区域；
第七计算单元9053，用于将待清除区域正投影至光伏板缩尺铺设区域，计算得到初步导航路径；
第八计算单元9054，用于通过RANSAC算法对初步导航路径进行优化，计算得到清除路径。
本发明所公开的一种实施方式中，所述第八计算单元9054包括：
第一处理单元90541，用于对初步导航路径进行栅格处理，得到栅格导航路径；
第二处理单元90542，用于根据预设栅格区域对所述栅格导航路径内的栅格导航子路径进行等距划分，得到多个栅格导航子路径的长度；
第三处理单元90543，用于依次在每个所述栅格导航子路径的长度中确定控制起点和控制终点；
第四处理单元90544，用于根据每个所述栅格导航子路径中的控制起点和控制终点通过贝塞尔曲线进行拟合，得到清除路径。
本发明所公开的一种实施方式中，在所述第八计算单元9054之后，还包括：
第九计算单元9055，用于根据所述清除路径和第三预设模型进行计算，得到光伏板发电影响总量；
第五处理单元9056，用于将所述光伏板发电影响总量上传至光伏站运维数据云平台，所述光伏板发电影响总量用于触发所述光伏站运维数据云平台进行运维执行等级判断；
第六处理单元9057，用于当获取所述光伏站运维数据云平台发送的运维执行等级为第一执行等级时，根据所述清除路径对光伏站内光伏板进行清理，并保持第一执行等级下的第一发电量；
第七处理单元9058，用于当获取所述光伏站运维数据云平台发送的运维执行等级为第二执行等级时，根据所述清除路径对光伏站内光伏板进行清理，并保持第二执行等级下的第二发电量，所述第二发电量大于所述第一发电量。
需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
实施例3：
相应于上面的方法实施例，本实施例中还提供了一种用于光伏站的智能运维设备，下文描述的一种用于光伏站的智能运维设备与上文描述的一种用于光伏站的智能运维方法可相互对应参照。
图4是根据示例性实施例示出的一种用于光伏站的智能运维设备800的框图。如图4所示，该用于光伏站的智能运维设备800可以包括：处理器801，存储器802。该用于光伏站的智能运维设备800还可以包括多媒体组件803，I/O接口804，以及通信组件805中的一者或多者。
其中，处理器801用于控制该用于光伏站的智能运维设备800的整体操作，以完成上述的用于光伏站的智能运维方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该用于光伏站的智能运维设备800的操作，这些数据例如可以包括用于在该用于光伏站的智能运维设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(StaticRandom Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该用于光伏站的智能运维设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，用于光伏站的智能运维设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的用于光伏站的智能运维方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的用于光伏站的智能运维方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由用于光伏站的智能运维设备800的处理器801执行以完成上述的用于光伏站的智能运维方法。
实施例4：
相应于上面的方法实施例，本实施例中还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种用于光伏站的智能运维方法可相互对应参照。
一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的用于光伏站的智能运维方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
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，可轻易想到变化或替换，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 (8)

1.一种用于光伏站的智能运维方法，其特征在于，包括：
获取第一图像信息和第二图像信息，所述第一图像信息和所述第二图像信息分别是在不同的预设时刻时高空无人机在光伏站的预设区域采集的图像信息；
对所述第一图像信息和所述第二图像信息分别进行污染区判断；其中，先对所述第一图像信息和所述第二图像信息分别进行预设灰度级设置：所述第一图像信息和所述第二图像信息的预设灰度级均设置为256级，所述灰度级为白色与黑色之间按对数关系分成的等级数量；根据预设分割阈值在0-255的灰度范围值内依次进行二值化处理，区分得到污染区和未污染区；
当所述第一图像信息和所述第二图像信息均判断包含污染区时，对所述污染区进行特征点提取，得到特征点集；其中包括：
根据所述污染区进行区域划分，得到多个污染子区域；
对单个所述污染子区域内进行特征像素点的标记，得到像素标记数据集，在所述像素标记数据集内包含多个标记后的特征像素点；对单个所述污染子区域，选定预设半径值的圆形区域，在所述圆形区域的周边收集特征像素点，并对特征像素点根据预设标记量进行标记；
根据预设像素比对阈值在像素标记数据集中确定多个目标比对特征点；在所述像素标记数据集中包含多个标记后的特征像素点，根据预设像素比对阈值与每个标记特征像素点所对应的像素值进行一一比对，确定多个目标比对特征点；
根据每个所述目标比对特征点所对应的像素值与预设像素阈值进行求差计算，得到单个污染子区域的特征点；其中计算公式有：
；（1）
上式（1）中，表示第i个目标比对特征点所对应的像素值，/>表示预设像素阈值，/>为预设常系数；当第i个目标比对特征点所对应的像素值与预设像素阈值的差值小于预设常系数时，则确定该目标比对特征点为该单个污染子区域内的特征点；
在依次得到单个污染子区域的特征点后，根据所有的污染子区域的特征点构建特征点集；
对所述特征点集与预设基准图像进行像素融合，得到待清除区域；其中包括：
将特征点集所在的污染区图像与预设基准图像进行重叠比对，得到污染复合区和非污染复合区；
依次根据污染复合区内特征点集下的特征点和第一预设模型进行计算，得到污染复合区内特征点集的权重值；
所述第一预设模型为：
；（2）
；（3）
上式（2）中，表示污染复合区内第i个特征点集下的特征点的权重值，/>表示污染复合区内第i个特征点集下的特征点的二维坐标，/>表示污染复合区内第i个特征点集下的特征点的二维坐标距离值，/>表示污染复合区内的预设半径距离值；
上式（3）中，表示污染复合区内特征点集的权重值，/>表示从/>至/>进行求和的值，/>表示污染复合区内特征点集下的特征点的总数量；
依次根据非污染复合区内特征点集下的特征点和第二预设模型进行计算，得到非污染复合区内特征点集的权重值；
所述第二预设模型为：
；（4）
；（5）
上式（4）中，表示非污染复合区内第i个特征点集下的特征点的权重值，表示非污染复合区内第i个特征点集下的特征点的二维坐标，/>表示非污染复合区内第i个特征点集下的特征点的二维坐标距离值，/>表示非污染复合区内的预设半径距离值；
上式（5）中，表示非污染复合区内特征点集的权重值，/>表示从/>至进行求和的值，/>表示非污染复合区内特征点集下的特征点的总数量；
根据污染复合区内特征点集的权重值、非污染复合区内特征点集的权重值和特征点集内的特征点进行计算，得到待清除区域；本步骤中计算模型为：
；（6）
;（7）
上式（6）中，表示待清除区域内第i个特征点的目标函数，/>表示污染复合区内第i个特征点集下的特征点的二维坐标，/>表示污染复合区内特征点集的权重值，表示非污染复合区内第i个特征点集下的特征点的二维坐标，/>表示非污染复合区内特征点集的权重值；
上式（7）中，表示待清除区域，/>表示预设基准图像的最左边边界值，/>表示预设基准图像的最右边边界值，/>表示待清除区域内第i个特征点的目标函数；
根据所述待清除区域计算得到清除路径，并将所述清除路径上传至光伏站运维数据云平台后生成运维执行等级，所述运维执行等级用于进行清理作业安排。
2.根据权利要求1所述的智能运维方法，其特征在于，根据所述待清除区域计算得到清除路径，包括：
获取光伏站内光伏板的铺设区域；
根据光伏站内光伏板的铺设区域和预设缩尺比例，得到光伏板缩尺铺设区域；
将待清除区域正投影至光伏板缩尺铺设区域，计算得到初步导航路径；
通过RANSAC算法对初步导航路径进行优化，计算得到清除路径。
3.根据权利要求2所述的智能运维方法，其特征在于，通过RANSAC算法对初步导航路径进行优化，计算得到清除路径，包括：
对初步导航路径进行栅格处理，得到栅格导航路径；
根据预设栅格区域对所述栅格导航路径内的栅格导航子路径进行等距划分，得到多个栅格导航子路径的长度；
依次在每个所述栅格导航子路径的长度中确定控制起点和控制终点；
根据每个所述栅格导航子路径中的控制起点和控制终点通过贝塞尔曲线进行拟合，得到清除路径。
4.根据权利要求1所述的智能运维方法，其特征在于, 根据所述待清除区域计算得到清除路径，并将所述清除路径上传至光伏站运维数据云平台后生成运维执行等级，所述运维执行等级包括第一执行等级和第二执行等级，包括：
根据所述清除路径和第三预设模型进行计算，得到光伏板发电影响总量；
将所述光伏板发电影响总量上传至光伏站运维数据云平台，所述光伏板发电影响总量用于触发所述光伏站运维数据云平台进行运维执行等级判断；
当获取所述光伏站运维数据云平台发送的运维执行等级为第一执行等级时，根据所述清除路径对光伏站内光伏板进行清理，并保持第一执行等级下的第一发电量；
当获取所述光伏站运维数据云平台发送的运维执行等级为第二执行等级时，根据所述清除路径对光伏站内光伏板进行清理，并保持第二执行等级下的第二发电量，所述第二发电量大于所述第一发电量。
5.一种用于光伏站的智能运维装置，其特征在于，包括：
获取模块，用于获取第一图像信息和第二图像信息，所述第一图像信息和所述第二图像信息分别是在不同的预设时刻时高空无人机在光伏站的预设区域采集的图像信息；
判断模块，用于对所述第一图像信息和所述第二图像信息分别进行污染区判断；其中，先对所述第一图像信息和所述第二图像信息分别进行预设灰度级设置：所述第一图像信息和所述第二图像信息的预设灰度级均设置为256级，所述灰度级为白色与黑色之间按对数关系分成的等级数量；根据预设分割阈值在0-255的灰度范围值内依次进行二值化处理，区分得到污染区和未污染区；
第一处理模块，用于当所述第一图像信息和所述第二图像信息均判断包含污染区时，对所述污染区进行特征点提取，得到特征点集；所述第一处理模块包括：
划分单元，用于根据所述污染区进行区域划分，得到多个污染子区域；
标记单元，用于对单个所述污染子区域内进行特征像素点的标记，得到像素标记数据集，在所述像素标记数据集内包含多个标记后的特征像素点；对单个所述污染子区域，选定预设半径值的圆形区域，在所述圆形区域的周边收集特征像素点，并对特征像素点根据预设标记量进行标记；
确认单元，用于根据预设像素比对阈值在像素标记数据集中确定多个目标比对特征点；在所述像素标记数据集中包含多个标记后的特征像素点，根据预设像素比对阈值与每个标记特征像素点所对应的像素值进行一一比对，确定多个目标比对特征点；
第一计算单元，用于根据每个所述目标比对特征点所对应的像素值与预设像素阈值进行求差计算，得到单个污染子区域的特征点；其中计算公式有：
；（1）
上式（1）中，表示第i个目标比对特征点所对应的像素值，/>表示预设像素阈值，/>为预设常系数；当第i个目标比对特征点所对应的像素值与预设像素阈值的差值小于预设常系数时，则确定该目标比对特征点为该单个污染子区域内的特征点；
第二计算单元，用于在依次得到单个污染子区域的特征点后，根据所有的污染子区域的特征点构建特征点集；
第二处理模块，用于对所述特征点集与预设基准图像进行像素融合，得到待清除区域；所述第二处理模块包括：
比对处理单元，用于将特征点集所在的污染区图像与预设基准图像进行重叠比对，得到污染复合区和非污染复合区；
第三计算单元，用于依次根据污染复合区内特征点集下的特征点和第一预设模型进行计算，得到污染复合区内特征点集的权重值；
所述第一预设模型为：
；（2）
；（3）
上式（2）中，表示污染复合区内第i个特征点集下的特征点的权重值，/>表示污染复合区内第i个特征点集下的特征点的二维坐标，/>表示污染复合区内第i个特征点集下的特征点的二维坐标距离值，/>表示污染复合区内的预设半径距离值；
上式（3）中，表示污染复合区内特征点集的权重值，/>表示从/>至/>进行求和的值，/>表示污染复合区内特征点集下的特征点的总数量；
第四计算单元，用于依次根据非污染复合区内特征点集下的特征点和第二预设模型进行计算，得到非污染复合区内特征点集的权重值；
所述第二预设模型为：
；（4）
；（5）
上式（4）中，表示非污染复合区内第i个特征点集下的特征点的权重值，表示非污染复合区内第i个特征点集下的特征点的二维坐标，/>表示非污染复合区内第i个特征点集下的特征点的二维坐标距离值，/>表示非污染复合区内的预设半径距离值；
上式（5）中，表示非污染复合区内特征点集的权重值，/>表示从/>至进行求和的值，/>表示非污染复合区内特征点集下的特征点的总数量；
第五计算单元，用于根据污染复合区内特征点集的权重值、非污染复合区内特征点集的权重值和特征点集内的特征点进行计算，得到待清除区域；本步骤中计算模型为：
；（6）
;（7）
上式（6）中，表示待清除区域内第i个特征点的目标函数，/>表示污染复合区内第i个特征点集下的特征点的二维坐标，/>表示污染复合区内特征点集的权重值，表示非污染复合区内第i个特征点集下的特征点的二维坐标，/>表示非污染复合区内特征点集的权重值；
上式（7）中，表示待清除区域，/>表示预设基准图像的最左边边界值，/>表示预设基准图像的最右边边界值，/>表示待清除区域内第i个特征点的目标函数；
第三处理模块，用于根据所述待清除区域计算得到清除路径，并将所述清除路径上传至光伏站运维数据云平台后生成运维执行等级，所述运维执行等级用于进行清理作业安排。
6.根据权利要求5所述的智能运维装置，其特征在于，所述第三处理模块包括：
获取单元，用于获取光伏站内光伏板的铺设区域；
第六计算单元，用于根据光伏站内光伏板的铺设区域和预设缩尺比例，得到光伏板缩尺铺设区域；
第七计算单元，用于将待清除区域正投影至光伏板缩尺铺设区域，计算得到初步导航路径；
第八计算单元，用于通过RANSAC算法对初步导航路径进行优化，计算得到清除路径。
7.根据权利要求6所述的智能运维装置，其特征在于，所述第八计算单元包括：
第一处理单元，用于对初步导航路径进行栅格处理，得到栅格导航路径；
第二处理单元，用于根据预设栅格区域对所述栅格导航路径内的栅格导航子路径进行等距划分，得到多个栅格导航子路径的长度；
第三处理单元，用于依次在每个所述栅格导航子路径的长度中确定控制起点和控制终点；
第四处理单元，用于根据每个所述栅格导航子路径中的控制起点和控制终点通过贝塞尔曲线进行拟合，得到清除路径。
8.根据权利要求5所述的智能运维装置，其特征在于，所述第三处理模块还包括：
第九计算单元，用于根据所述清除路径和第三预设模型进行计算，得到光伏板发电影响总量；
第五处理单元，用于将所述光伏板发电影响总量上传至光伏站运维数据云平台，所述光伏板发电影响总量用于触发所述光伏站运维数据云平台进行运维执行等级判断；
第六处理单元，用于当获取所述光伏站运维数据云平台发送的运维执行等级为第一执行等级时，根据所述清除路径对光伏站内光伏板进行清理，并保持第一执行等级下的第一发电量；
第七处理单元，用于当获取所述光伏站运维数据云平台发送的运维执行等级为第二执行等级时，根据所述清除路径对光伏站内光伏板进行清理，并保持第二执行等级下的第二发电量，所述第二发电量大于所述第一发电量。
CN202310446210.2A 2023-04-24 2023-04-24 用于光伏站的智能运维方法及装置 Active CN116488573B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310446210.2A CN116488573B (zh) 2023-04-24 2023-04-24 用于光伏站的智能运维方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310446210.2A CN116488573B (zh) 2023-04-24 2023-04-24 用于光伏站的智能运维方法及装置

Publications (2)

Publication Number Publication Date
CN116488573A CN116488573A (zh) 2023-07-25
CN116488573B true CN116488573B (zh) 2023-11-03

Family

ID=87217339

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310446210.2A Active CN116488573B (zh) 2023-04-24 2023-04-24 用于光伏站的智能运维方法及装置

Country Status (1)

Country Link
CN (1) CN116488573B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107423501A (zh) * 2017-07-17 2017-12-01 南京邮电大学 一种基于光伏电站逻辑图的阵列自动检测和编号方法
CN112588764A (zh) * 2020-11-28 2021-04-02 李振环 基于人工智能的光伏组件上多机器人协同清洁方法及装置
CN115861855A (zh) * 2022-12-15 2023-03-28 福建亿山能源管理有限公司 一种光伏电站的运维监测方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109196553B (zh) * 2017-10-31 2022-03-29 深圳市大疆创新科技有限公司 一种光伏板识别方法、地面站、控制设备及无人机

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107423501A (zh) * 2017-07-17 2017-12-01 南京邮电大学 一种基于光伏电站逻辑图的阵列自动检测和编号方法
CN112588764A (zh) * 2020-11-28 2021-04-02 李振环 基于人工智能的光伏组件上多机器人协同清洁方法及装置
CN115861855A (zh) * 2022-12-15 2023-03-28 福建亿山能源管理有限公司 一种光伏电站的运维监测方法及系统

Also Published As

Publication number Publication date
CN116488573A (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN112906694B (zh) 变电站倾斜式指针式仪表图像的读数矫正系统及方法
Rutzinger et al. A comparison of evaluation techniques for building extraction from airborne laser scanning
WO2018137103A1 (zh) 一种基于多源遥感数据的流域污染检测方法及系统
CN110068332B (zh) 基于可穿戴设备的变电站巡检路径规划装置及方法
CN109800697B (zh) 基于VGG-net风格迁移的变压器目标检测与外观缺陷识别方法
CN110826549A (zh) 基于计算机视觉的巡检机器人仪表图像识别方法及系统
CN103679186B (zh) 检测和跟踪目标的方法和装置
CN111950396B (zh) 一种仪表读数神经网络识别方法
CN111598098B (zh) 一种基于全卷积神经网络的水尺水位线检测及有效性识别方法
CN110910440B (zh) 一种基于电力影像数据的输电线路长度确定方法和系统
CN111598942A (zh) 一种用于对电力设施仪表进行自动定位的方法及系统
CN111738229B (zh) 一种指针表盘刻度的自动读取方法
CN115359239A (zh) 风电叶片缺陷检测定位方法、装置、存储介质和电子设备
CN103778436A (zh) 一种基于图像处理的行人姿态检测方法
CN113255590A (zh) 一种缺陷检测模型训练方法、缺陷检测方法、装置及系统
CN115239646A (zh) 输电线路的缺陷检测方法、装置、电子设备及存储介质
CN113705564B (zh) 一种指针式仪表识别读数方法
CN110298302A (zh) 一种人体目标检测方法及相关设备
CN116488573B (zh) 用于光伏站的智能运维方法及装置
CN113705350A (zh) 变电站的指针仪表读数识别方法、装置、介质和电子设备
CN112529003A (zh) 一种基于Faster-RCNN的仪表盘数字识别方法
CN112187174A (zh) 基于人工智能的太阳能光伏支架异常检测方法及系统
CN116071651B (zh) 一种均压场识别方法、装置、存储介质及终端
CN112991342B (zh) 基于水位尺图像的水位线检测方法、装置与系统
CN114445326A (zh) 光伏面板异常检测方法、检测装置及计算机可读存储装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant