CN117132419B - 一种光伏组件的编号方法 - Google Patents
一种光伏组件的编号方法 Download PDFInfo
- Publication number
- CN117132419B CN117132419B CN202311394755.XA CN202311394755A CN117132419B CN 117132419 B CN117132419 B CN 117132419B CN 202311394755 A CN202311394755 A CN 202311394755A CN 117132419 B CN117132419 B CN 117132419B
- Authority
- CN
- China
- Prior art keywords
- photovoltaic module
- target
- group
- strings
- initial
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 230000001629 suppression Effects 0.000 claims abstract description 12
- 230000001502 supplementing effect Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 description 15
- 201000005625 Neuroleptic malignant syndrome Diseases 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
Classifications
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/267—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 by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明提供了一种光伏组件的编号方法,该方法包括:识别光伏电站的正射影像,得到多个初始光伏组件;基于每个初始光伏组件之间的距离将所述初始光伏组件分为多个组,并且针对每组初始光伏组件分别进行非极大值抑制计算,从而从每组初始光伏组件中分别得到目标光伏组件;将每个目标光伏组件依次进行编号。
Description
技术领域
本发明涉及光伏组件定位领域,尤其是涉及一种光伏组件的编号方法。
背景技术
光伏电站中存在大量的光伏组件,在建站之后,往往需要对光伏组件进行编号,从而明确光伏组件所处的位置,光伏电站中光伏组件的编号通常存在如下两方面意义:第一方面,在对光伏电站进行无人机巡检时,会提升将图像缺陷定位至实际组件的精度,第二方面,会对光伏电站内的光伏组件资产有了明确的梳理,便于事后运维。
目前在进行组件识别之后会直接进行组件编号,但是图像识别之后得到的光伏组件会存在重复,导致编号方案不准确。
发明内容
本发明提供了一种光伏组件的编号方法,以解决光伏组件编号方案不准确的技术问题。
本发明提供了一种光伏组件的编号方法,包括:包括:识别光伏电站的正射影像,得到多个初始光伏组件;基于每个初始光伏组件之间的距离将所述初始光伏组件分为多个组,并且针对每组初始光伏组件分别进行非极大值抑制计算,从而从每组初始光伏组件中分别得到目标光伏组件;将每个目标光伏组件依次进行编号。
进一步地,基于每个初始光伏组件之间的距离将所述初始光伏组件分为多个组,包括:确定多个初始光伏组件中每个初始光伏组件的中心点;根据多个中心点两两之间的距离构建K维树;基于所述K维树以及设定距离参数将所述初始光伏组件分为多个组,其中,每组初始光伏组件两两之间的距离小于所述设定距离参数。
进一步地,第一组是多组初始光伏组件中的任意一组,第一初始光伏组件与第二初始光伏组件为所述第一组中的任意两个,其中,针对每组初始光伏组件分别进行非极大值抑制计算,从而从每组初始光伏组件中分别得到目标光伏组件,包括:在所述第一组中的第一初始光伏组件与第二初始光伏组件交并比超过预设交并比的情况下,将所述第一初始光伏组件与第二初始光伏组件中面积较小的去除;在所述第一组中的第一初始光伏组件与第二初始光伏组件交并比不超过预设交并比但重叠的情况下,分别计算所述第一初始光伏组件以及第二初始光伏组件的交集与各自初始光伏组件的占比,并且将占比大于预设占比对应的初始光伏组件去除;将去除后剩下的初始光伏组件确定为所述目标光伏组件。
进一步地,将每个目标光伏组件依次进行编号包括:获取到光伏电站的组串信息;基于所述光伏电站的组串信息确定每个目标光伏组件所属的具体组串,在每个具体组串内对多个目标光伏组件依次进行编号,其中,每个目标光伏组件的编号用于表征每个目标光伏组件的所属的组串以及在所属组串内的具体编号。
进一步地,第一组串为光伏电站的编号后的多个组串的任意一个,其中,在基于所述光伏电站的组串信息以及每个目标光伏组件的信息对每个目标光伏组件进行编号之后,所述方法还包括:步骤S51,确定第一组串的左上角坐标、多个目标光伏组件的平均尺寸参数、多个目标光伏组件中的最大尺寸参数、第一组串中相邻两个组串的两个中心点之间的参考距离;步骤S52,基于第一组串的左上角坐标、多个目标光伏组件的平均尺寸参数确定第一组串中第一目标光伏组件的第一中心点坐标;步骤S53,基于第一中心点坐标、所述参考距离确定所述第一目标光伏组件所在行右侧的第二目标光伏组件的第二中心点坐标;步骤S54,获取所述第二中心点坐标右侧第一个第三目标光伏组件的第三中心点坐标;步骤S55,在所述第二中心点坐标与第三中心点坐标之间的距离大于所述最大尺寸参数的情况下,在所述第二目标光伏组件以及第三目标光伏组件中间补充新的平均尺寸参数的目标光伏组件;步骤S56,对所述第一组串中的组件重新进行编号。
进一步地,基于第一中心点坐标、所述参考距离确定所述第一目标光伏组件所在行右侧的第二目标光伏组件的第二中心点坐标,包括:获取所述第一目标光伏组件右侧第一个光伏组件的中心点坐标;在所述第一中心点坐标与右侧第一个光伏组件的中心点坐标的距离大于所述最大尺寸参数的情况下,在所述第一目标光伏组件以及右侧第一个光伏组件之间补充所述第二目标光伏组件;在所述第一中心点坐标与右侧第一个光伏组件的中心点坐标的距离不大于所述最大尺寸参数的情况下,直接将所述右侧第一个光伏组件确定为第二目标光伏组件;将所述第一中心点坐标向右移动所述参考距离,得到所述第二目标光伏组件的第二中心点坐标。
进一步地,基于第一组串的左上角坐标、多个目标光伏组件的平均尺寸参数确定第一组串中第一目标光伏组件的第一中心点坐标,包括:根据所述第一组串的左上角坐标、多个目标光伏组件的平均尺寸参数确定第一坐标;在所述第一坐标处存在目标光伏组件的情况下,将第一坐标处存在的目标光伏组件确定为所述第一目标光伏组件,并且获取到第一目标光伏组件的中心点坐标;在所述第一坐标处不存在目标光伏组件的情况下,将所述第一坐标处补充新的目标光伏组件,并且将补充的新的目标光伏组件确定为所述第一目标光伏组件,并且获取到第一目标光伏组件的第一中心点坐标。
进一步地,在将每个目标光伏组件依次进行编号之后,所述方法还包括:确定没有关联具体组串的第一组目标光伏组件的个数,其中,所述第一组目标光伏组件同时处于同一区域;在个数超过预设个数的情况下,将所述第一组目标光伏组件判定为遗漏组串,基于所述遗漏组串的角点坐标以及其他所有组串角点坐标更新所述编号。
进一步地,在将第一组目标光伏组件判定为遗漏组串之后,所述方法还包括:将所述遗漏组串确定为第一组串,并且基于所述步骤S51至步骤S56的方法对所述遗漏组串进行组件补齐并且重新进行编号。
进一步地,在确定第一组串的左上角坐标、多个目标光伏组件的平均尺寸参数、多个目标光伏组件中的最大尺寸参数之前,所述方法包括:识别得到所述第一组串的倾斜角并且基于所述第一组串的倾斜角将所述第一组串从原始姿态调整至水平;在所述第一组串中的组件重新进行编号之后,所述方法包括:基于所述倾斜角将重新编号后的第一组串恢复至所述原始姿态。
本发明提供了一种光伏组件的编号方法,该方法包括:识别光伏电站的正射影像,得到多个初始光伏组件;基于每个初始光伏组件之间的距离将所述初始光伏组件分为多个组,并且针对每组初始光伏组件分别进行非极大值抑制计算,从而从每组初始光伏组件中分别得到目标光伏组件;将每个目标光伏组件依次进行编号。解决了光伏组件编号方案不准确的技术问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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是本方案实施例的一种光伏组件的编号方法的流程图;
图2是本方案实施例的两个初始光伏组件的重叠情况的示意图;
图3是本发明实施例的大框套小框的示意图;
图4是本发明实施例的对单个组串进行编号的示意图;
图5是本发明实施例的第一组串的示意图;
图6是本发明实施例的两个光伏组件标准的衔接到一起的示意图;
图7是本发明实施例的两个光伏组件发生重叠的情况的示意图;
图8是本发明实施例的对组串重新进行编号的示意图。
具体实施方式
为了使本发明的上述以及其他特征和优点更加清楚,下面结合附图进一步描述本发明。应当理解,本文给出的具体实施例是出于向本领域技术人员解释的目的,仅是示例性的,而非限制性的。
在以下描述中,阐述了许多具体细节以提供对本发明的透彻理解。然而,对于本领域普通技术人员来说,明显的是,不需要采用具体细节来实践本发明。在其他情况下,未详细描述众所周知的步骤或操作,以避免模糊本发明。
本发明提供了一种光伏组件的编号方法,结合图1,该方法包括:
步骤S11,识别光伏电站的正射影像,得到多个初始光伏组件。
具体的,本方案可以由服务器等其它具有数据处理功能的硬件设备作为本申请的方法的执行主体,上述正射影像为无人机飞至光伏电站上空采集到的正射影像,然后通过图像识别技术对正射影像进行图像识别,从而识别得到多个结果,每个结果显示为一个检测框,每一个检测框用于表征算法识别到的一个初始光伏组件。
下面对于组件识别的具体技术细节做如下说明:
首先,构建组件识别数据集,图像来自训练影像与巡检正射影像,图像分辨率设置为640*512大小,然后,使用目标检测yolov8网络作为组件识别模型进行训练,获得检测模型,然后将待检测图像(即无人机采集到的电站的正射影像)送入网格进行裁剪,设置滑动窗口640*512,步长设置为(350, 380),该步长确保每个组件最少能完整的落入一张图像之中,然后采用模型对每张裁剪图像进行组件检测,最后,再将所有检测结果进行合并。
这里需要说明的是,由于本方案将正射影像裁剪成多个子图,然后分别对每个子图都进行组件检测,检测后在每个子图上会生成多个检测框,每个检测框用于表征检测到的一个组件,然后本方案将所有的检测过的子图合并成一个大图,那么在大图上则有多个检测框(即多个初始光伏组件)。由于本方案是采用重叠策略对正射影像进行裁剪,所以在多个子图中必然存在重合的部分,因此,在对每个子图都进行组件检测时,必然会存在某些组件被重复多次检测,在最后的大图中会出现某个组件被生成多个检测框(多个检测框会发生多种情况的重叠),因此需要对发生重叠的多个初始光伏组件进行去重处理。
步骤S13,基于每个初始光伏组件之间的距离将所述初始光伏组件分为多个组,并且针对每组初始光伏组件分别进行非极大值抑制计算,从而从每组初始光伏组件中分别得到目标光伏组件。
具体的,在获取到多个发生重叠情况的初始光伏组件之后,本方案基于每两个初始光伏组件之间的距离将所有初始光伏组件先进行分组,也就是说,在分好的组后,每组的多个光伏组件间的距离是相近的所以归类为一个组,然后分别针对每一组都进行非极大值抑制计算(NMS,Non Naximum Suppression),从而对每一组中存在重复(重叠)的组件进行滤除,剩下的则是目标光伏组件。这里需要说明的是,本方案将所有的初始光伏组件进行分组,然后针对每组分别做NMS计算,相当于只对相邻的初始光伏组件进行NMS。
这里还需要说明的是,在传统技术中,在获取到多个初始光伏组件之后,针对这多个初始光伏组件直接做非极大值抑制计算,即依次将多个初始光伏组件的每两个组件都进行非极大值抑制计算,通过多次的计算得到所有的目标光伏组件,如果对局部的单张光伏电站影像来说,组件的数量不多,利用传统NMS方法还是能很快进行处理,但是对光伏电站的正射影像来说,一个子阵影像中可能有上万个组件,如果采用传统NMS方法就会很耗时,因此在本实施例中,提出一种改进的局部NMS方法,该方法只计算相邻框之间的NMS(则分组分别进行NMS),极大的缩减了NMS的计算次数和时间。
步骤S15,将每个目标光伏组件依次进行编号。
具体的,在得到每个目标光伏组件之后,本方案则对每个目标光伏组件进行编号,由于在采用上述改进的NMS方法可以快速的识别到光伏电站中的每个目标光伏组件,在进行上述改进的NMS方法之后,可以快速的除去光伏组件的重复情况,因此本方案也解决了光伏组件编号方案不准确的技术问题。
可选的,步骤S13基于每个初始光伏组件之间的距离将所述初始光伏组件分为多个组,包括:
步骤S131,确定多个初始光伏组件中每个初始光伏组件的中心点。
步骤S132,根据多个中心点两两之间的距离构建K维树。
步骤S133,基于所述K维树以及设定距离参数将所述初始光伏组件分为多个组,其中,每组初始光伏组件两两之间的距离小于所述设定距离参数。
具体的,本方案首先将每个初始光伏组件的中心点作为每个初始光伏组件的位置,构建所有检测出的初始光伏组件中心点距离的KD-Tree(即上述K维树),用于查询每个初始光伏组件周围的光伏组件,上述设定距离参数dist_thresh可以设定为200像素。
可选的,第一组是多组初始光伏组件中的任意一组,第一初始光伏组件与第二初始光伏组件为所述第一组中的任意两个,其中,针对每组初始光伏组件分别进行非极大值抑制计算,从而从每组初始光伏组件中分别得到目标光伏组件,包括:
步骤S141,在所述第一组中的第一初始光伏组件与第二初始光伏组件交并比超过预设交并比(预设交并比可以取0.5)的情况下,将所述第一初始光伏组件与第二初始光伏组件中面积较小的去除。
具体的,上述步骤S141中两个初始光伏组件的重叠情况结合图2所示,结合图2,在第一初始光伏组件与第二初始光伏组件交并比超过预设交并比的情况下,本方案将小框去除,保留大框,完成去重。
步骤S142,在所述第一组中的第一初始光伏组件与第二初始光伏组件交并比不超过预设交并比但重叠的情况下,分别计算所述第一初始光伏组件以及第二初始光伏组件的交集与各自初始光伏组件的占比,并且将占比大于预设占比对应的初始光伏组件去除。需要说明的是,本方案中的交并比为两个组件相交的部分面积比上两个组件合并的面积,比如,A∩B/A∪B。
具体的,如果第一组中的第一初始光伏组件与第二初始光伏组件交并比不超过预设交并比,本方案并不是同现有技术将二者都留下,而是继续计算第一初始光伏组件以及第二初始光伏组件的交集与各自初始光伏组件的占比,并且将占比大于预设占比(数值可以为0.8)对应的初始光伏组件去除,需要说明的是,上述步骤S142中两个组件的重叠方式为大框套小框,大框套小框的示意图结合图3所示。
需要说明的是,通过上述实施例,本方案就可以实现普通重叠情况的去重,也可以实现在特殊重叠情况下(比如大框套小框)的去重,进一步提高了去重的准确性。
步骤S143,将去除后剩下的初始光伏组件确定为所述目标光伏组件。
可选的,步骤S15将每个目标光伏组件依次进行编号包括:
步骤S151,获取到光伏电站的组串信息。
步骤S152,基于所述光伏电站的组串信息确定每个目标光伏组件所属的具体组串,在每个具体组串内对多个目标光伏组件依次进行编号,其中,每个目标光伏组件的编号用于表征每个目标光伏组件的所属的组串以及在所属组串内的具体编号。
具体的,本方案可以获取到光伏电站的CAD图纸,上述光伏电站的CAD图纸中则记录着在建站时不同组串的编号以及每个组串的坐标位置信息,因此在确定每个组串的编号、坐标信息以及每个目标光伏组件的坐标信息之后,可以确定每个目标光伏组件所属的组串,然后在每个组串内对当前组串内的组件进行编号,对单个组串进行组件编号的示意图如图4所示。
可选的,第一组串为光伏电站的编号后的多个组串的任意一个,其中,在基于所述光伏电站的组串信息以及每个目标光伏组件的信息对每个目标光伏组件进行编号之后,所述方法还包括:
步骤S51,确定第一组串的左上角坐标、多个目标光伏组件的平均尺寸参数、多个目标光伏组件中的最大尺寸参数、第一组串中相邻两个组串的两个中心点之间的参考距离。
具体的,多个目标光伏组件的平均尺寸参数可以为第一组串中所有目标光伏组件的平均长和宽(记为w、h),多个目标光伏组件中的最大尺寸参数可以为第一组串中尺寸最大组件的长和宽(可以记为wmax、hmax),相邻两个目标光伏组件中两个组件中心点的距离(即上述参考距离)可以记为dis_c。
步骤S52,基于第一组串的左上角坐标、多个目标光伏组件的平均尺寸参数确定第一组串中第一目标光伏组件的第一中心点坐标;
具体的,上述第一目标光伏组件可以为第一组串中的第一行第一列,结合图5所示,第一目标光伏组件可以为0号组件,本方案可以根据0号组件的左上角坐标(X,Y)、第一组串中所有目标光伏组件的平均长和宽(记为w、h)确定0号组件的中心点坐标(X+w/2,Y+h/2),需要说明的是,0号组件的左上角坐标为组串的左上角。
步骤S53,基于第一中心点坐标、所述参考距离确定所述第一目标光伏组件所在行右侧的第二目标光伏组件的第二中心点坐标。
具体的,上述第二目标光伏组件可以为第一目标光伏组件右侧的任意一个组件,本方案可以基于第一中心点坐标按照参考距离为步长向右移动1次或者多次,从而得到第一目标光伏组件右侧的任意一个组件的中心点坐标,这里需要说明的是,本方案之所以采用第一中心点坐标向右移动参考距离来确定第一目标光伏组件右侧的组件的中心点坐标,而并不是采用第一中心点坐标直接向右移动所有目标光伏组件的平均长w,是因为光伏组件是通过算法识别到的,由于算法自身存在精度问题,并不能保证检测到的相邻两个光伏组件都是很标准的衔接在一起,可能出现检测到的相邻两个组件发生微小的重叠(但实际不重叠),那么在此种情况下,如果采用第一中心点坐标直接向右移动所有目标光伏组件的平均长w,得到的右侧的组件的中心点坐标则不准确,因此通过本实施例,本发明确定组件中心点的方案可以适用于任意情况的组件,较高的提升了组件的中心点坐标的准确性,进而提升组件编号准确度。图6是本实施例中,两个光伏组件标准的衔接到一起的示意图,图7是本实施例中,两个光伏组件发生重叠的情况的示意图。
步骤S54,获取所述第二中心点坐标右侧第一个第三目标光伏组件的第三中心点坐标。
步骤S55,在所述第二中心点坐标与第三中心点坐标之间的距离大于所述最大尺寸参数的情况下,在所述第二目标光伏组件以及第三目标光伏组件中间补充新的平均尺寸参数的目标光伏组件。
具体的,如果如果第二中心点坐标与第三中心点坐标之间的距离大于长wmax,则说明在第一目标光伏组件与第二目标光伏组件之间出现缺少组件的情况(即通过算法检测发生遗漏检测),那本方案则将缺失的组件进行补齐。通过步骤S53至步骤S56,可以实现将组串中的所有缺失组件都进行补齐。
步骤S56,对所述第一组串中的组件重新进行编号。
具体的,在将第一组串中缺失的组件都进行补齐后,本方案将第一组串中的组件重新进行编号,对组串重新进行编号的示意图如图8所示。
在一种可选的实施例中,结合图5,在0号组件和1号组件补齐1个新组件之后,本方案则计算新组件与1号组件之间的距离是否大于wmax从而决定在新组件和1号组件中决定是否补齐组件,直到组串右侧的边界为止。
下面对于上述步骤S51至步骤S56的技术作用作如下说明:
在获取光伏电站的正射影像之后,通过图像识别、NMS可以得到多个目标光伏组件,通过进一步的编号,可得到多个组串以及每个组串内的组件,但是需要说明的是,由于图像识别算法会存在一定的识别误差,因此会出现在识别到的组串中,遗漏光伏组件的问题,因此为了解决上述问题,本方案则通过上述步骤S51至步骤S56判断每一个组串中是否缺少组件(将发生组件遗漏),然后对每个组串进行组件补齐后进行重新编号。
这里还需要说明的是,结合图5,如果要鉴别第二行是否缺少组件也可以从采用上述方法,更为具体的,在第一行补充齐组件之后,以0号组件的中心点在y的方向上加h得到(X+w/2,Y+h/2+h),然后继续执行步骤S53至步骤S55,从而将组串的每行进行组件补齐。
可选的,步骤S53,基于第一中心点坐标、所述参考距离确定所述第一目标光伏组件所在行右侧的第二目标光伏组件的第二中心点坐标,包括:
步骤S531,获取所述第一目标光伏组件右侧第一个光伏组件的中心点坐标;
步骤S532,在所述第一中心点坐标与右侧第一个光伏组件的中心点坐标的距离大于所述最大尺寸参数的情况下,在所述第一目标光伏组件以及右侧第一个光伏组件之间补充所述第二目标光伏组件;在所述第一中心点坐标与右侧第一个光伏组件的中心点坐标的距离不大于所述最大尺寸参数的情况下,直接将所述右侧第一个光伏组件确定为第二目标光伏组件;
步骤S533,将所述第一中心点坐标向右移动所述参考距离,得到所述第二目标光伏组件的第二中心点坐标。
具体的,上述步骤S53中的第二目标光伏组件可以为原本存在的目标光伏组件,也可以补充之后的新的目标光伏组件。
可选的,基于第一组串的左上角坐标、多个目标光伏组件的平均尺寸参数确定第一组串中第一目标光伏组件的第一中心点坐标,包括:
步骤S521,根据所述第一组串的左上角坐标、多个目标光伏组件的平均尺寸参数确定第一坐标。
S522,在所述第一坐标处存在目标光伏组件的情况下,将第一坐标处存在的目标光伏组件确定为所述第一目标光伏组件,并且获取到第一目标光伏组件的中心点坐标。
S523,在所述第一坐标处不存在目标光伏组件的情况下,将所述第一坐标处补充新的目标光伏组件,并且将补充的新的目标光伏组件确定为所述第一目标光伏组件,并且获取到第一目标光伏组件的第一中心点坐标。
具体的,本方案可以将第一组串的左上角坐标(X,Y)进行移动得到组串中第一行的第一坐标(X+w/2,Y+h/2),如果在第一坐标处存在目标光伏组件,那么第一坐标(X+w/2,Y+h/2)则是第一目标光伏组件的中心点坐标,即图5中组串中第一行的0号坐标。如果在第一坐标处不存在目标光伏组件,此时在第一坐标处必然发生了组件的遗漏,因为在组串的角点必然是应该存在组件的,本方案则在第一坐标处补充一个新的目标光伏组件。需要说明的是,本方案可以将第一组串的左上角坐标(X,Y)进行移动得到组串中的第一行的第一坐标(X+w/2,Y+h/2),也可以将第一组串的左上角坐标(X,Y)进行移动得到第二行的第一个坐标(X+w,Y+h)。
可选的,第二组串为光伏电站的编号后的多个组串的任意一个,其中,在基于所述光伏电站的组串信息以及每个目标光伏组件的信息对每个目标光伏组件进行编号之后,所述方法还包括:
在确定第二组串中不存在目标光伏组件的情况下,基于所有的目标光伏组件的平均尺寸参数对所述第二组串进行组件补充,即在第二组串按照从左到右、从上到下的顺序依次填充平均尺寸参数的新组件;
将所述第二组串中的组件重新重新进行编号。
可选的,在将每个目标光伏组件依次进行编号之后,所述方法还包括:
确定没有关联具体组串的第一组目标光伏组件的个数,其中,所述第一组目标光伏组件同时处于同一区域;
在个数超过预设个数(默认值可以设置为6)的情况下,将所述第一组目标光伏组件判定为遗漏组串,基于所述遗漏组串的角点坐标以及其他所有组串角点坐标更新所述编号。
具体的,在光伏电站的运维中,运维人员会随着运维的需求在某处安装新的光伏组串,而上述新的光伏组串的坐标编号信息是没有出现在上述CAD图纸中,因此在进行光伏组件的识别以及编号之后,会出现有个别坐标出被识别到组件,但是该组件没有归类(关联)为CAD中的哪个组串,此时则会出现“组串遗漏”的问题,本方案则对遗漏的组串进行补齐。例如,在光伏电站的某个区域识别到多个目标光伏组件,每个目标光伏组件缺少对应的组件信息,而且,多个目标光伏组件的数量大于预设个数,本方案则判定该组目标光伏组件属于一个被遗漏的组串,因此本方案则将给遗漏的组串所处的位置重新更新所有的组串编号。因此本实施例解决了在光伏建站后,运维方新增组串,导致组串编号不正确的技术问题。
可选的,在将所述第一组目标光伏组件判定为遗漏组串之后,所述方法还包括:
将所述遗漏组串确定为第一组串,并且基于所述步骤S51至步骤S56的方法对所述遗漏组串进行组件补齐并且重新进行编号。
可选的,可能存在一种情况,即在运维人员在建站之后新增组串,然后在图像识别之后也遗漏了组件,即组串遗漏+组件遗漏的情况下导致编号不准确,因此本方案在补齐组串的基础上按照上述方案继续进行组件补齐,然后重新进行编号,解决了在组串遗漏+组件遗漏的情况下编号不准确的技术问题。
可选的,在确定第一组串的左上角坐标、多个目标光伏组件的平均尺寸参数、多个目标光伏组件中的最大尺寸参数之前,所述方法包括:识别得到所述第一组串的倾斜角并且基于所述第一组串的倾斜角将所述第一组串从原始姿态调整至水平;
在所述第一组串中的组件重新进行编号之后,包括:基于所述倾斜角将重新编号后的第一组串恢复至所述原始姿态。
具体的,如果组串是倾斜的,在进行组件补齐的过程中,容易造成编号错误,因此本方案中补齐编号之前先对倾斜的组串进行姿态调整,即调整至水平,待组件补齐后重新将组串恢复至原始姿态。即本实施例的方案可以适用于任意姿态的组串的组件补齐,提高组件补齐、组件编号的准确率。
应理解,本文中前述关于本发明的方法所描述的具体特征、操作和细节也可类似地应用于本发明的装置和系统,或者,反之亦然。另外,上文描述的本发明的方法的每个步骤可由本发明的装置或系统的相应部件或单元执行。
应理解,本发明的装置的各个模块/单元可全部或部分地通过软件、硬件、固件或其组合来实现。所述各模块/单元各自可以硬件或固件形式内嵌于计算机设备的处理器中或独立于所述处理器,也可以软件形式存储于计算机设备的存储器中以供处理器调用来执行所述各模块/单元的操作。所述各模块/单元各自可以实现为独立的部件或模块,或者两个或更多个模块/单元可实现为单个部件或模块。
在一个实施例中,提供了一种计算机设备,其包括存储器和处理器,所述存储器上存储有可由处理器执行的计算机指令,所述计算机指令在由所述处理器执行时指示所述处理器执行本发明的实施例的方法的各步骤。该计算机设备可以广义地为服务器、终端,或任何其他具有必要的计算和/或处理能力的电子设备。在一个实施例中,该计算机设备可包括通过系统总线连接的处理器、存储器、网络接口、通信接口等。该计算机设备的处理器可用于提供必要的计算、处理和/或控制能力。该计算机设备的存储器可包括非易失性存储介质和内存储器。该非易失性存储介质中或上可存储有操作系统、计算机程序等。该内存储器可为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口和通信接口可用于与外部的设备通过网络连接和通信。该计算机程序被处理器执行时执行本发明的方法的步骤。
本发明可以实现为一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在由处理器执行时导致本发明实施例的方法的步骤被执行。在一个实施例中,所述计算机程序被分布在网络耦合的多个计算机设备或处理器上,以使得所述计算机程序由一个或多个计算机设备或处理器以分布式方式存储、访问和执行。单个方法步骤/操作,或者两个或更多个方法步骤/操作,可以由单个计算机设备或处理器或由两个或更多个计算机设备或处理器执行。一个或多个方法步骤/操作可以由一个或多个计算机设备或处理器执行,并且一个或多个其他方法步骤/操作可以由一个或多个其他计算机设备或处理器执行。一个或多个计算机设备或处理器可以执行单个方法步骤/操作,或执行两个或更多个方法步骤/操作。
本领域普通技术人员可以理解,本发明的方法步骤可以通过计算机程序来指示相关的硬件如计算机设备或处理器完成,所述的计算机程序可存储于非暂时性计算机可读存储介质中,该计算机程序被执行时导致本发明的步骤被执行。根据情况,本文中对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。非易失性存储器的示例包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、闪存、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘等。易失性存储器的示例包括随机存取存储器(RAM)、外部高速缓冲存储器等。
以上描述的各技术特征可以任意地组合。尽管未对这些技术特征的所有可能组合进行描述,但这些技术特征的任何组合都应当被认为由本说明书涵盖,只要这样的组合不存在矛盾。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种光伏组件的编号方法,其特征在于,包括:
识别光伏电站的正射影像,得到多个初始光伏组件;
基于每个初始光伏组件之间的距离将所述初始光伏组件分为多个组,并且针对每组初始光伏组件分别进行非极大值抑制计算,从而从每组初始光伏组件中分别得到目标光伏组件;第一组是多组初始光伏组件中的任意一组,第一初始光伏组件与第二初始光伏组件为所述第一组中的任意两个,其中,基于每个初始光伏组件之间的距离将所述初始光伏组件分为多个组,包括:确定多个初始光伏组件中每个初始光伏组件的中心点;根据多个中心点两两之间的距离构建K维树;基于所述K维树以及设定距离参数将所述初始光伏组件分为多个组,其中,每组初始光伏组件两两之间的距离小于所述设定距离参数;针对每组初始光伏组件分别进行非极大值抑制计算,从而从每组初始光伏组件中分别得到目标光伏组件包括:在所述第一组中的第一初始光伏组件与第二初始光伏组件交并比超过预设交并比的情况下,将所述第一初始光伏组件与第二初始光伏组件中面积较小的去除;在所述第一组中的第一初始光伏组件与第二初始光伏组件交并比不超过预设交并比但重叠的情况下,分别计算所述第一初始光伏组件以及第二初始光伏组件的交集与各自初始光伏组件的占比,并且将占比大于预设占比对应的初始光伏组件去除;将去除后剩下的初始光伏组件确定为所述目标光伏组件;
将每个目标光伏组件依次进行编号。
2.根据权利要求1所述的方法,其特征在于,将每个目标光伏组件依次进行编号包括:
获取到光伏电站的组串信息;
基于所述光伏电站的组串信息确定每个目标光伏组件所属的具体组串,在每个具体组串内对多个目标光伏组件依次进行编号,其中,每个目标光伏组件的编号用于表征每个目标光伏组件的所属的组串以及在所属组串内的具体编号。
3.根据权利要求2所述的方法,其特征在于,第一组串为光伏电站的编号后的多个组串的任意一个,其中,在基于所述光伏电站的组串信息以及每个目标光伏组件的信息对每个目标光伏组件进行编号之后,所述方法还包括:
步骤S51,确定第一组串的左上角坐标、多个目标光伏组件的平均尺寸参数、多个目标光伏组件中的最大尺寸参数、第一组串中相邻两个组串的两个中心点之间的参考距离;
步骤S52,基于第一组串的左上角坐标、多个目标光伏组件的平均尺寸参数确定第一组串中第一目标光伏组件的第一中心点坐标;
步骤S53,基于第一中心点坐标、所述参考距离确定所述第一目标光伏组件所在行右侧的第二目标光伏组件的第二中心点坐标;
步骤S54,获取所述第二中心点坐标右侧第一个第三目标光伏组件的第三中心点坐标;
步骤S55,在所述第二中心点坐标与第三中心点坐标之间的距离大于所述最大尺寸参数的情况下,在所述第二目标光伏组件以及第三目标光伏组件中间补充新的平均尺寸参数的目标光伏组件;
步骤S56,对所述第一组串中的组件重新进行编号。
4.根据权利要求3所述的方法,其特征在于,基于第一中心点坐标、所述参考距离确定所述第一目标光伏组件所在行右侧的第二目标光伏组件的第二中心点坐标,包括:
获取所述第一目标光伏组件右侧第一个光伏组件的中心点坐标;
在所述第一中心点坐标与右侧第一个光伏组件的中心点坐标的距离大于所述最大尺寸参数的情况下,在所述第一目标光伏组件以及右侧第一个光伏组件之间补充所述第二目标光伏组件;在所述第一中心点坐标与右侧第一个光伏组件的中心点坐标的距离不大于所述最大尺寸参数的情况下,直接将所述右侧第一个光伏组件确定为第二目标光伏组件;
将所述第一中心点坐标向右移动所述参考距离,得到所述第二目标光伏组件的第二中心点坐标。
5.根据权利要求3所述的方法,其特征在于,基于第一组串的左上角坐标、多个目标光伏组件的平均尺寸参数确定第一组串中第一目标光伏组件的第一中心点坐标,包括:
根据所述第一组串的左上角坐标、多个目标光伏组件的平均尺寸参数确定第一坐标;
在所述第一坐标处存在目标光伏组件的情况下,将第一坐标处存在的目标光伏组件确定为所述第一目标光伏组件,并且获取到第一目标光伏组件的中心点坐标;
在所述第一坐标处不存在目标光伏组件的情况下,将所述第一坐标处补充新的目标光伏组件,并且将补充的新的目标光伏组件确定为所述第一目标光伏组件,并且获取到第一目标光伏组件的第一中心点坐标。
6.根据权利要求4所述的方法,其特征在于,在将每个目标光伏组件依次进行编号之后,所述方法还包括:
确定没有关联具体组串的第一组目标光伏组件的个数,其中,所述第一组目标光伏组件同时处于同一区域;
在个数超过预设个数的情况下,将所述第一组目标光伏组件判定为遗漏组串,基于所述遗漏组串的角点坐标以及其他所有组串角点坐标更新所述编号。
7.根据权利要求4所述的方法,其特征在于,在将第一组目标光伏组件判定为遗漏组串之后,所述方法还包括:
将所述遗漏组串确定为第一组串,并且基于所述步骤S51至步骤S56的方法对所述遗漏组串进行组件补齐并且重新进行编号。
8.根据权利要求3所述的方法,其特征在于,在确定第一组串的左上角坐标、多个目标光伏组件的平均尺寸参数、多个目标光伏组件中的最大尺寸参数之前,所述方法包括:识别得到所述第一组串的倾斜角并且基于所述第一组串的倾斜角将所述第一组串从原始姿态调整至水平;
在所述第一组串中的组件重新进行编号之后,所述方法包括:基于所述倾斜角将重新编号后的第一组串恢复至所述原始姿态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311394755.XA CN117132419B (zh) | 2023-10-26 | 2023-10-26 | 一种光伏组件的编号方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311394755.XA CN117132419B (zh) | 2023-10-26 | 2023-10-26 | 一种光伏组件的编号方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117132419A CN117132419A (zh) | 2023-11-28 |
CN117132419B true CN117132419B (zh) | 2024-01-23 |
Family
ID=88860396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311394755.XA Active CN117132419B (zh) | 2023-10-26 | 2023-10-26 | 一种光伏组件的编号方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117132419B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2278627A1 (fr) * | 2009-07-23 | 2011-01-26 | Photowatt International S.A. | Localisation automatique de modules photovoltaïques dans un champ photovoltaïque |
CN112184711A (zh) * | 2020-11-05 | 2021-01-05 | 杭州青枭科技有限公司 | 一种光伏组件缺陷检测和定位方法及系统 |
CN113505726A (zh) * | 2021-07-24 | 2021-10-15 | 北京思万智瞰科技有限公司 | 一种地图中的光伏组串识别与定位方法 |
CN113963370A (zh) * | 2021-10-27 | 2022-01-21 | 合肥阳光智维科技有限公司 | 一种光伏电站中光伏设备的编号方法及编号装置 |
CN114662777A (zh) * | 2022-04-06 | 2022-06-24 | 阳光新能源开发股份有限公司 | 光伏组件串线排布确定方法、装置、电子设备及存储介质 |
CN115100296A (zh) * | 2022-07-07 | 2022-09-23 | 阳光电源股份有限公司 | 一种光伏组件故障定位方法、装置、设备及存储介质 |
CN115311587A (zh) * | 2022-09-07 | 2022-11-08 | 无锡海纳智能科技有限公司 | 一种光伏电站巡检航点的智能生成方法 |
CN115797310A (zh) * | 2022-12-13 | 2023-03-14 | 无锡海纳智能科技有限公司 | 一种光伏电站组串倾角的确定方法及电子设备 |
CN116128883A (zh) * | 2023-04-19 | 2023-05-16 | 尚特杰电力科技有限公司 | 一种光伏板数量统计方法、装置、电子设备及存储介质 |
CN116192044A (zh) * | 2023-02-21 | 2023-05-30 | 江苏提米智能科技有限公司 | 一种故障光伏板编号定位方法、装置、电子设备及存储介质 |
-
2023
- 2023-10-26 CN CN202311394755.XA patent/CN117132419B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2278627A1 (fr) * | 2009-07-23 | 2011-01-26 | Photowatt International S.A. | Localisation automatique de modules photovoltaïques dans un champ photovoltaïque |
CN112184711A (zh) * | 2020-11-05 | 2021-01-05 | 杭州青枭科技有限公司 | 一种光伏组件缺陷检测和定位方法及系统 |
CN113505726A (zh) * | 2021-07-24 | 2021-10-15 | 北京思万智瞰科技有限公司 | 一种地图中的光伏组串识别与定位方法 |
CN113963370A (zh) * | 2021-10-27 | 2022-01-21 | 合肥阳光智维科技有限公司 | 一种光伏电站中光伏设备的编号方法及编号装置 |
CN114662777A (zh) * | 2022-04-06 | 2022-06-24 | 阳光新能源开发股份有限公司 | 光伏组件串线排布确定方法、装置、电子设备及存储介质 |
CN115100296A (zh) * | 2022-07-07 | 2022-09-23 | 阳光电源股份有限公司 | 一种光伏组件故障定位方法、装置、设备及存储介质 |
CN115311587A (zh) * | 2022-09-07 | 2022-11-08 | 无锡海纳智能科技有限公司 | 一种光伏电站巡检航点的智能生成方法 |
CN115797310A (zh) * | 2022-12-13 | 2023-03-14 | 无锡海纳智能科技有限公司 | 一种光伏电站组串倾角的确定方法及电子设备 |
CN116192044A (zh) * | 2023-02-21 | 2023-05-30 | 江苏提米智能科技有限公司 | 一种故障光伏板编号定位方法、装置、电子设备及存储介质 |
CN116128883A (zh) * | 2023-04-19 | 2023-05-16 | 尚特杰电力科技有限公司 | 一种光伏板数量统计方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117132419A (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2021201579B2 (en) | System and method for detecting features in aerial images using disparity mapping and segmentation techniques | |
CN111160302B (zh) | 基于自动驾驶环境的障碍物信息识别方法和装置 | |
CN112417926B (zh) | 车位识别方法、装置、计算机设备及可读存储介质 | |
CN110703800A (zh) | 基于无人机的电力设施智能识别方法及系统 | |
CN111353413A (zh) | 一种输电设备低漏报率缺陷识别方法 | |
CN114529837A (zh) | 建筑物轮廓提取方法、系统、计算机设备及存储介质 | |
CN116363319B (zh) | 一种建筑物屋顶的建模方法、建模装置、设备及介质 | |
CN112258517A (zh) | 激光雷达栅格地图的自动修图方法和装置 | |
CN114972490B (zh) | 一种数据自动标注方法、装置、设备及存储介质 | |
CN114299533A (zh) | 基于人工智能的电网接线图元件和线路识别系统及方法 | |
CN117809297B (zh) | 基于三维重建的输电线路危险源智能识别方法 | |
CN112669301A (zh) | 一种高铁底板脱漆故障检测方法 | |
CN111414907A (zh) | 数据集标注方法、数据集标注装置和计算机可读存储介质 | |
CN116152636A (zh) | 修正三维点云人工标注内容的方法和系统 | |
CN117132419B (zh) | 一种光伏组件的编号方法 | |
CN116310424B (zh) | 基于图像识别的设备质量评估方法、装置、终端和介质 | |
CN117541594A (zh) | 一种双非极大值抑制的横向风成脊小目标检测方法及系统 | |
CN117423089A (zh) | 基于图像分割与雷达点云的可行驶区域拟合方法及设备 | |
CN112184814A (zh) | 定位方法和定位系统 | |
CN116893685A (zh) | 一种无人机航线规划方法及系统 | |
CN115797310A (zh) | 一种光伏电站组串倾角的确定方法及电子设备 | |
CN115661466A (zh) | 一种基于深度学习图像分割的光伏板定位方法及装置 | |
CN115346081A (zh) | 基于多数据融合的输电线路点云数据分类方法 | |
CN111508067B (zh) | 一种基于垂直平面和垂直线的轻量级室内建模方法 | |
CN113744352A (zh) | 视觉空间标定方法、设备及存储介质 |
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 |