CN116543357B - 一种太阳能光伏载具的表面缺陷识别预警方法及*** - Google Patents
一种太阳能光伏载具的表面缺陷识别预警方法及*** Download PDFInfo
- Publication number
- CN116543357B CN116543357B CN202310816107.2A CN202310816107A CN116543357B CN 116543357 B CN116543357 B CN 116543357B CN 202310816107 A CN202310816107 A CN 202310816107A CN 116543357 B CN116543357 B CN 116543357B
- Authority
- CN
- China
- Prior art keywords
- result
- early warning
- data
- acquisition
- feature
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 81
- 238000009826 distribution Methods 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 238000004140 cleaning Methods 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims description 23
- 238000012795 verification Methods 0.000 claims description 17
- 230000007613 environmental effect Effects 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000012098 association analyses Methods 0.000 claims description 4
- 239000000969 carrier Substances 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 9
- 230000001276 controlling effect Effects 0.000 description 12
- 238000012937 correction Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000011109 contamination Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008034 disappearance Effects 0.000 description 3
- 239000012459 cleaning agent Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005238 degreasing Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
-
- 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
-
- 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)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Photovoltaic Devices (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请涉及数据处理相关技术领域,提供一种太阳能光伏载具的表面缺陷识别预警方法及***。所述方法包括:读取历史检测数据;构建初始异常缺陷特征集合,确定第一采集关注度分布数据;获得初始采集图像并基于初始特征识别结果生成脏污处理控制信息;通过脏污处理控制信息控制执行脏污清理;通过初始特征识别结果生成关注补偿数据,对第一采集关注度分布数据修正;通过第二采集关注度分布数据控制执行图像采集,获得图像采集结果;将图像采集结果和历史检测数据输入表面缺陷预警模型,输出预警结果。解决了缺乏进行太阳能光伏载具的准确、实时的监测,导致不能准确进行太阳能光伏载具表面状态准确评价、智能进行预警的技术问题。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种太阳能光伏载具的表面缺陷识别预警方法及***。
背景技术
太阳能是一种可再生资源,一般指太阳的热辐射能。太阳能是一种环保、安全、无污染的清洁新型能源,一般通过光伏组件,将太阳能转化为电能、化学能,常见的包括太阳能的光伏载具、太阳能电池板、太阳能热水器,太阳能灶等。
太阳能光伏载具是将太阳能进行动能转换的设备,太阳能光伏载具的表面状态的准确监测是保证太阳能光伏载具稳定、安全运行的基础,但现有技术缺乏进行太阳能光伏载具的准确、实时的监测,导致不能准确进行太阳能光伏载具表面状态准确评价、智能进行预警的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够实现准确进行太阳能光伏载具表面状态准确评价,进而及时、智能完成状态预警技术效果的一种太阳能光伏载具的表面缺陷识别预警方法及***。
第一方面,提供了一种太阳能光伏载具的表面缺陷识别预警方法,所述方法应用于表面缺陷识别***,所述表面缺陷识别***与图像采集装置、脏污处理装置通信连接,所述方法包括:连接目标光伏载具,读取所述目标光伏载具的历史检测数据;基于所述历史检测数据构建初始异常缺陷特征集合,并通过所述初始异常缺陷特征集合确定第一采集关注度分布数据;通过所述图像采集装置对所述目标光伏载具进行图像采集,获得初始采集图像;对所述初始采集图像进行图像特征识别,获得初始特征识别结果,并基于所述初始特征识别结果生成脏污处理控制信息;通过所述脏污处理控制信息控制所述脏污处理装置对所述目标光伏载具执行脏污清理;通过所述初始特征识别结果生成关注补偿数据,通过所述关注补偿数据对所述第一采集关注度分布数据修正,获得第二采集关注度分布数据;通过所述第二采集关注度分布数据控制所述图像采集装置对清理后的所述目标光伏载具执行图像采集,获得图像采集结果;将所述图像采集结果和所述历史检测数据输入表面缺陷预警模型,输出预警结果。
第二方面,提供了一种太阳能光伏载具的表面缺陷识别预警***,所述***与图像采集装置、脏污处理装置通信连接,所述***包括:连接模块,所述连接模块用于连接目标光伏载具,读取所述目标光伏载具的历史检测数据;关注度确定模块,所述关注度确定模块用于基于所述历史检测数据构建初始异常缺陷特征集合,并通过所述初始异常缺陷特征集合确定第一采集关注度分布数据;初始采集模块,所述初始采集模块用于通过所述图像采集装置对所述目标光伏载具进行图像采集,获得初始采集图像;初始特征识别模块,所述初始特征识别模块用于对所述初始采集图像进行图像特征识别,获得初始特征识别结果,并基于所述初始特征识别结果生成脏污处理控制信息;脏污清理模块,所述脏污清理模块用于通过所述脏污处理控制信息控制所述脏污处理装置对所述目标光伏载具执行脏污清理;关注度补偿模块,所述关注度补偿模块用于通过所述初始特征识别结果生成关注补偿数据,通过所述关注补偿数据对所述第一采集关注度分布数据修正,获得第二采集关注度分布数据;采集模块,所述采集模块用于通过所述第二采集关注度分布数据控制所述图像采集装置对清理后的所述目标光伏载具执行图像采集,获得图像采集结果;预警模块,所述预警模块用于将所述图像采集结果和所述历史检测数据输入表面缺陷预警模型,输出预警结果。
第三方面,提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现第一方面方法的步骤。
第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面方法的步骤。
上述一种太阳能光伏载具的表面缺陷识别预警方法及***,解决了现有技术中缺乏进行太阳能光伏载具的准确、实时的监测,导致不能准确进行太阳能光伏载具表面状态准确评价、智能进行预警的技术问题,通过读取历史检测数据,结合历史检测数据进行初始关注度确定,并通过图像识别,监测脏污覆盖区域,通过脏污覆盖情况对所述初始关注度进行关注度修正,并基于图像初始识别进行脏污的准确、定位去除,通过脏污去除和关注度修正,进而使得后续进行的图像采集和识别能更加快速准确,通过识别结果结合历史检测数据,最终实现准确进行太阳能光伏载具表面的监测,进而准确进行识别预警的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为一个实施例中一种太阳能光伏载具的表面缺陷识别预警方法的流程示意图;
图2为一个实施例中一种太阳能光伏载具的表面缺陷识别预警方法的预警补偿的流程示意图;
图3为一个实施例中一种太阳能光伏载具的表面缺陷识别预警***的结构框图;
图4为一个实施例中计算机设备的内部结构图。
附图标记说明:连接模块1,关注度确定模块2,初始采集模块3,初始特征识别模块4,脏污清理模块5,关注度补偿模块6,采集模块7,预警模块8。
实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如图1所示,本申请提供了一种太阳能光伏载具的表面缺陷识别预警方法,所述方法应用于表面缺陷识别***,所述表面缺陷识别***与图像采集装置、脏污处理装置通信连接,所述方法包括:
步骤S100:连接目标光伏载具,读取所述目标光伏载具的历史检测数据;
步骤S200:基于所述历史检测数据构建初始异常缺陷特征集合,并通过所述初始异常缺陷特征集合确定第一采集关注度分布数据;
在一个实施例中,本申请提供了太阳能光伏载具的表面缺陷识别预警方法,其中,表面缺陷识别***为智能化进行数据采集,数据处理,数据识别和数据预警的***,所述表面缺陷识别***一般为智能化的计算机***,所述图像采集装置为可以进行图像采集得到CCD相机,具体像素可以根据监测的粒度(即监测准确性)确定,这里不进行具体的限定。所述脏污处理装置为进行太阳能光伏载具表面脏污处理的装置,一般包括多种组合清洁方式,如设备清洁部位可以包括软海绵、软毛刷,清洁剂可以包括多种功能清洁剂,如软化、清洁、去油等。所述表面缺陷检测***与所述图像采集装置和所述脏污处理装置通信连接,可以读取和控制对应装置。
进一步的,所述目标光伏载具为具有唯一标识码的待监测光伏载具,一般为光伏汽车,当需要进行所述目标光伏载具进行设备监测时,建立所述表面缺陷检测***与所述目标光伏载具的连接,并读取所述目标光伏载具的唯一标识码,通过所述唯一标识码调用所述目标光伏载具的历史检测数据,历史检测数据包括所述目标光伏载具在历史时间节点的表面缺陷检测结果,如:检测时间,检测状态、维护状态等。
对所述历史检测数据进行特征提取,构建所述目标光伏载具的初始异常缺陷特征集合,所述初始异常缺陷特征集合为截至当前检测前,所述目标光伏载具已存的异常特征集合包括(盖板划痕、电池片色差、盖板碎裂、破损、开裂等等),且所述初始异常缺陷特征集合包括缺陷值和缺陷位置数据,并且所述初始异常缺陷特征集合为随时间更迭后,汇总的上一检测节点的已存缺陷特征和历史检测节点的隐含缺陷特征。通过所述初始异常缺陷特征集合确定第一采集关注度分布数据,所述第一采集关注度分布数据为后续执行表面缺陷实质检测过程中的算力分布数据,包括采集的关注度和识别的关注度,通过对于已存异常缺陷特征和隐含特征,分布算力关注度,可以更加快速、准确的识别出光伏载具的表面缺陷异常,为准确进行预警提供了支持。
步骤S300:通过所述图像采集装置对所述目标光伏载具进行图像采集,获得初始采集图像;
步骤S400:对所述初始采集图像进行图像特征识别,获得初始特征识别结果,并基于所述初始特征识别结果生成脏污处理控制信息;
进一步的,本申请步骤S400还包括:
步骤S410:获得所述目标光伏载具的载具工作环境信息;
步骤S420:通过大数据构建光伏载具的脏污特征集合;
步骤S430:对所述载具工作环境信息进行环境特征提取,获得环境特征提取结果;
步骤S440:通过所述环境特征提取结果进行所述脏污特征集合的特征调用,获得特征调用结果;
步骤S450:通过所述特征调用结果执行所述初始采集图像的图像特征识别。
具体来说,当确定对所述目标光伏载具进行表面缺陷识别后,对所述目标光伏载具进行对应位置定位,并通过所述图像采集装置进行所述目标光伏载具的图像采集,获得所述初始图像采集图像。对所述初始采集图像执行图像识别,一般而言,为了保障图像识别的快速准确的进行,一般通过读取所述目标光伏载具的清洗后的工作环境,来匹配脏污特征,进而来识别图像中脏污的异常。
一般来说,通过大数据构建光伏载具的脏污特征集合,通过单独提取各类脏污的脏污图像,并将图像内特征提取,人工标识后,来完成所述脏污特征集合的构建。获得所述目标光伏载具的清洁后的载具工作环境信息,通过载具工作环境信息进行环境特征提取,来获得环境特征提取结果。如,当所述目标光伏载具的工作环境为尘土大、风沙大,雨水密集的环境特征,则环境特征提取结果包括:水痕特征、尘土脏污特征,通过所述环境特征提取结果对所述脏污特征集合的对应特征调用,并将强化被调用特征,弱化非调用特征,执行特征匹配,获得所述初始特征识别结果,并基于所述初始特征识别结果,通过脏污的所在位置、种类、顽固程度,生成脏污处理控制信息。通过基于初始图像采集,经过脏污特征匹配,进而可以使得脏污的识别更加的快速准确,为后续进行准确的表面缺陷识别夯实了基础。
步骤S500:通过所述脏污处理控制信息控制所述脏污处理装置对所述目标光伏载具执行脏污清理;
步骤S600:通过所述初始特征识别结果生成关注补偿数据,通过所述关注补偿数据对所述第一采集关注度分布数据修正,获得第二采集关注度分布数据;
步骤S700:通过所述第二采集关注度分布数据控制所述图像采集装置对清理后的所述目标光伏载具执行图像采集,获得图像采集结果;
具体来说,当确定所述脏污处理控制信息后(一般为过量控制,即定位K位置点存在脏污种类A时,顽固等级为n,则需要对K+1范围区域进行脏污处理,且使用脏污处理的控制信息为),通过确定的所述脏污处理控制信息控制所述脏污处理装置对所述目标光伏载具进行脏污处理。通过范围和去除等级的扩大处理,进而保障脏污处理效果,为后续进行准确的表面缺陷识别提供了支持。
进一步来说,通过所述初始特征识别结果进行关注度补偿,以满足被遮挡部位的足够关注的定位检测(第一角度:覆盖遮挡部位无法准确采集数据;第二角度:产生遮挡覆盖原因时,可能有较大概率造成表面缺陷)。通过所述初始特征识别结果中的脏污识别种类、等级、覆盖面积、覆盖面积坐标和覆盖度数据,生成所述关注补偿数据,通过所述关注度补偿数据对所述第一采集关注度分布数据修正,将修正结果作为第二采集关注度分布数据。
此时,获得的第二采集关注度分布数据,即结合了历史采集的表面缺陷隐患的关注采集和脏污覆盖的检测隐患关注采集,通过所述第二采集关注度分布数据控制所述图像采集装置对清理后的所述目标光伏载具执行图像采集,获得图像采集结果。通过进行关注度的准确分布,为进行准确的图像采集和识别提供了数据支持,进而可以达到节省识别耗费算力,快速完成缺陷识别,并且识别准确的技术效果。
步骤S800:将所述图像采集结果和所述历史检测数据输入表面缺陷预警模型,输出预警结果。
进一步的,本申请步骤S800还包括:
步骤S810:获得所述图像采集结果的采集环境数据,通过所述采集环境数据进行预处理数据优化;
步骤S820:通过优化后的预处理数据对所述图像采集结果执行图像预处理,得到预处理图像;
步骤S830:将所述预处理图像输入所述表面缺陷预警模型的图像特征识别单元;
步骤S840:通过所述图像特征识别单元对所述预处理图像进行特征匹配识别,输出特征识别匹配结果;
步骤S850:将所述特征识别匹配结果和所述历史检测数据输入所述表面缺陷预警模型的预警比对单元,输出获得所述预警结果。
具体而言,所述表面缺陷预警模型为可以智能化处理数据的模型,一般为神经网络模型,且所述表面缺陷预警模型至少包括输入层,处理层和输出层三层,其中,所述处理层囊括了两个处理单元,第一个处理单元为图像特征识别单元,第二个处理单元为预警比对单元。
将所述图像采集结果和所述历史检测数据通过所述输入层输入所述表面缺陷预警模型后,所述图像特征识别单元接收所述图像采集结果,并通过所述第二采集关注度分布数据对所述图像特征识别单元进行单元初始化,初始化完成后,对接收所述图像采集结果的采集环境识别,获得所述采集环境数据,通过所述采集环境数据生成所述图像采集结果的优化预处理数据。一般而言,对于标定环境,设置有图像预处理数据,当采集环境异常时,则需要根据环境特征,微调整预处理数据,以降低环境数据对于图像采集结果的特征部分识别影响,提高识别准确性。当对所述图像采集结果进行预处理增强后,得到预处理图像,将预处理图像输入所述图像特征识别单元正式开始特征识别,所述图像特征识别单元集成了光伏载具的全部已知缺陷,并识别准确率训练达标。通过所述图像特征识别单元对所述预处理图像进行特征匹配识别,来输出特征识别匹配结果。将所述特征识别匹配结果和所述历史检测数据输入所述表面缺陷预警模型的预警比对单元,所述预警比对单元为执行表面缺陷异常评价的单元,一般评价结果包括特征异常预警,特征消失预警。所述特征异常预警即为由上节点检测,到此次节点检测,特征/缺陷恶化(或新增)方向的预警,所述特征消失预警即由上节点检测存在,此次检测消失的异常预警。通过所述预警比对单元进行比对后,通过所述输出层输出所述预警结果。通过读取历史检测数据,结合历史检测数据进行初始关注度确定,并通过图像识别,监测脏污覆盖区域,通过脏污覆盖情况对所述初始关注度进行关注度修正,并基于图像初始识别进行脏污的准确、定位去除,通过脏污去除和关注度修正,进而使得后续进行的图像采集和识别能更加快速准确,通过识别结果结合历史检测数据,通过带有两个分别处理单元的表面缺陷预警模型,输出预警结果,最终实现准确进行太阳能光伏载具表面的监测,进而准确进行识别预警的技术效果。
进一步的,如图2所示,所述表面缺陷识别***与红外采集装置通信连接,本申请步骤S800还包括:
步骤S860:通过所述红外采集装置对清理后的所述目标光伏载具执行红外数据采集,获得红外采集辅助数据;
步骤S870:将所述红外采集辅助数据输入所述表面缺陷预警模型,通过所述表面缺陷预警模型的增量预警单元对所述红外采集辅助数据进行缺陷识别,获得缺陷识别结果;
步骤S880:对所述缺陷识别结果与所述图像采集结果的预警特征进行位置特征关联分析,当所述位置特征关联满足关联区间时,则根据关联距离生成定位辅助系数;
步骤S890:通过所述定位辅助系数、所述缺陷识别结果对所述预警结果进行预警补偿。
具体来说,所述红外采集装置为红外摄像机,所述表面缺陷检测***与所述红外采集装置通信连接,可以控制所述红外采集装置,并读取采集数据。一般而言,除了可以通过CCD相机采集到的表面缺陷外,还包括隐含在外表面深层次的热点缺陷。热点可能源于阴影、污垢、或者微裂纹。热点可能导致太阳能光伏载具的退化,或者温度过高,产生明火,造成火灾损失。
通过所述红外采集装置对清理后的所述目标光伏载具执行红外数据采集,获得红外采集辅助数据。所述表面缺陷检测模型为可以进一步优化的模型,对所述表面缺陷检测模型可以执行新增特征的增量学习,通过结合新增特征的训练结果,完成增量优化。当输出结果可以满足预期的约束阈值时,则增量学习完成。
进一步的,当完成数据采集后,将所述红外采集辅助数据输入所述表面缺陷检测模型,通过增量学习后的增量预警单元对所述红外采集数据进行缺陷识别,获得缺陷识别结果,即热点的缺陷特征和热点位置。将所述缺陷识别结果与所述预警结果进行位置关联分析,一般设定预定距离范围进行缺陷关联,即设置半径为R的关联区域,当热点位置的关联区域与外表面缺陷的关联区域存在重合,则位置特征关联满足关联区间,根据距离远近,生成所述定位辅助系数,距离越近,则所述定位辅助系数越大,表征两种缺陷关联度越高,所述定位辅助系数为表征了两种缺陷关联关系的系数,通过所述定位辅助系数,可以使得两种缺陷更加准确的结合,进而使得获得的预警补偿更加准确。
通过所述定位辅助系数、所述缺陷识别结果对所述预警结果进行预警补偿,补偿过程即,将所述定位辅助系数作为结合值,对所述缺陷识别结果和所述预警结果进行关联结合,以实现补偿。通过进行距离的特征关联,将热点特征与表面特征结合,进而使得获得的预警信息更加准确,避免因为单独考量热点特征和裂纹特征造成的预警等级不准确的问题,实现准确评价太阳能光伏载具状态的技术效果。
进一步的,本申请步骤S880还包括:
步骤S881:当所述位置特征关联不能满足所述关联区间时,则根据所述缺陷识别结果生成独立预警数据;
步骤S882:将所述独立预警数据添加至所述预警结果。
具体而言,当所述位置特征关联不能满足所述关联区间时,此时认为热点特征和裂纹特征暂无关联,因此,将热点特征作为单独识别特征,添加至最终的预警结果,使得预警结果更加的丰满和准确。
进一步的,本申请步骤S600还包括:
步骤S610:通过所述初始特征识别结果进行所述目标光伏载具的覆盖评价,获得覆盖评价结果,其中,所述覆盖评价结果包括覆盖面积、覆盖面积坐标、覆盖度数据;
步骤S620:设定覆盖补偿的补偿占比总权重;
步骤S630:通过所述覆盖评价结果对所述补偿占比总权重进行权重分配,基于权重分配结果生成所述关注补偿数据。
具体来说,在获得所述关注补偿数据过程中,首先设定补偿占比总权重,所述补偿占比总权重为预先设定的,脏污特征能够对关注度进行影响的特征总值,所述补偿占比总权重可以通过人工设定,也可以通过***捕捉历史分布情况的评价准确性自行设定,这里不进行限定。当设定补偿占比总权重后,通过初始特征识别结果进行脏污特征的覆盖评价,覆盖评价包括对于覆盖面积的评价(即脏污遮挡太阳能光伏载具的面积),覆盖度数据(即脏污遮挡太阳能光伏载具的遮挡程度)。覆盖度越高,则表征遮挡越严密。基于覆盖评价结果对所述补偿占比总权重进行权重分割,依据覆盖评价的各面积中单位面积区域的区域值分配,通过分配结果生成整个所述目标光伏载具的所述关注补偿数据,通过所述关注度补偿数据进行所述第一采集关注度分布数据修正。通过进行覆盖评价结果的细化,进而使得对于采集关注度的修正更加准确,进而为后续准确识别夯实了基础。
进一步的,本申请还包括:
步骤S910:基于所述历史检测数据设定验证检测窗口;
步骤S920:通过所述验证检测窗口对所述预警结果进行检测验证;
步骤S930:对检测验证结果进行预警偏向特征聚合,生成预警检测的优化反馈特征数据;
步骤S940:通过所述优化反馈特征数据对所述表面缺陷预警模型执行反馈优化。
具体的,为了保持预警的准确性,需要设定定期的反馈验证窗口,来抽样执行预警验证。所述验证检测窗口的验证周期依据所述历史检测数据设定,一般而言,历史检测数据越相对“危险”,则所述验证检测窗口越短,历史检测数据越相对“安全”,则验证检测窗口越长。通过所述验证检测窗口对所述预警结果进行检测验证,并将每次的验证检测结果作特征偏向的聚合分析,当任意特征为检测偏向特征时,代表对于当前特征的处理为异常处理结果,此时将其作为优化反馈特征数据,对所述表面缺陷预警模型执行反馈优化。通过设定验证检测窗口,进而保持模型的检测活性,提高模型的持续检测预警的准确性。
在一个实施例中,如图3所示,提供了一种太阳能光伏载具的表面缺陷识别预警***,所述***与图像采集装置、脏污处理装置通信连接,所述***包括:
连接模块1,所述连接模块1用于连接目标光伏载具,读取所述目标光伏载具的历史检测数据;
关注度确定模块2,所述关注度确定模块2用于基于所述历史检测数据构建初始异常缺陷特征集合,并通过所述初始异常缺陷特征集合确定第一采集关注度分布数据;
初始采集模块3,所述初始采集模块3用于通过所述图像采集装置对所述目标光伏载具进行图像采集,获得初始采集图像;
初始特征识别模块4,所述初始特征识别模块4用于对所述初始采集图像进行图像特征识别,获得初始特征识别结果,并基于所述初始特征识别结果生成脏污处理控制信息;
脏污清理模块5,所述脏污清理模块5用于通过所述脏污处理控制信息控制所述脏污处理装置对所述目标光伏载具执行脏污清理;
关注度补偿模块6,所述关注度补偿模块6用于通过所述初始特征识别结果生成关注补偿数据,通过所述关注补偿数据对所述第一采集关注度分布数据修正,获得第二采集关注度分布数据;
采集模块7,所述采集模块7用于通过所述第二采集关注度分布数据控制所述图像采集装置对清理后的所述目标光伏载具执行图像采集,获得图像采集结果;
预警模块8,所述预警模块8用于将所述图像采集结果和所述历史检测数据输入表面缺陷预警模型,输出预警结果。
进一步的,所述表面缺陷识别***与红外采集装置通信连接,预警模块8还用于:
通过所述红外采集装置对清理后的所述目标光伏载具执行红外数据采集,获得红外采集辅助数据;
将所述红外采集辅助数据输入所述表面缺陷预警模型,通过所述表面缺陷预警模型的增量预警单元对所述红外采集辅助数据进行缺陷识别,获得缺陷识别结果;
对所述缺陷识别结果与所述图像采集结果的预警特征进行位置特征关联分析,当所述位置特征关联满足关联区间时,则根据关联距离生成定位辅助系数;
通过所述定位辅助系数、所述缺陷识别结果对所述预警结果进行预警补偿。
进一步的,初始特征识别模块4还用于:
获得所述目标光伏载具的载具工作环境信息;
通过大数据构建光伏载具的脏污特征集合;
对所述载具工作环境信息进行环境特征提取,获得环境特征提取结果;
通过所述环境特征提取结果进行所述脏污特征集合的特征调用,获得特征调用结果;
通过所述特征调用结果执行所述初始采集图像的图像特征识别。
进一步的,关注度补偿模块6还用于:
通过所述初始特征识别结果进行所述目标光伏载具的覆盖评价,获得覆盖评价结果,其中,所述覆盖评价结果包括覆盖面积、覆盖面积坐标、覆盖度数据;
设定覆盖补偿的补偿占比总权重;
通过所述覆盖评价结果对所述补偿占比总权重进行权重分配,基于权重分配结果生成所述关注补偿数据。
进一步的,预警模块8还用于:
当所述位置特征关联不能满足所述关联区间时,则根据所述缺陷识别结果生成独立预警数据;
将所述独立预警数据添加至所述预警结果。
进一步的,预警模块8还用于:
获得所述图像采集结果的采集环境数据,通过所述采集环境数据进行预处理数据优化;
通过优化后的预处理数据对所述图像采集结果执行图像预处理,得到预处理图像;
将所述预处理图像输入所述表面缺陷预警模型的图像特征识别单元;
通过所述图像特征识别单元对所述预处理图像进行特征匹配识别,输出特征识别匹配结果;
将所述特征识别匹配结果和所述历史检测数据输入所述表面缺陷预警模型的预警比对单元,输出获得所述预警结果。
进一步的,预警模块8还用于:
基于所述历史检测数据设定验证检测窗口;
通过所述验证检测窗口对所述预警结果进行检测验证;
对检测验证结果进行预警偏向特征聚合,生成预警检测的优化反馈特征数据;
通过所述优化反馈特征数据对所述表面缺陷预警模型执行反馈优化。
关于一种太阳能光伏载具的表面缺陷识别预警***的具体实施例可以参见上文中对于一种太阳能光伏载具的表面缺陷识别预警方法的实施例,在此不再赘述。上述一种太阳能光伏载具的表面缺陷识别预警***中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储新闻数据以及时间衰减因子等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种太阳能光伏载具的表面缺陷识别预警方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:连接目标光伏载具,读取所述目标光伏载具的历史检测数据;基于所述历史检测数据构建初始异常缺陷特征集合,并通过所述初始异常缺陷特征集合确定第一采集关注度分布数据;通过所述图像采集装置对所述目标光伏载具进行图像采集,获得初始采集图像;对所述初始采集图像进行图像特征识别,获得初始特征识别结果,并基于所述初始特征识别结果生成脏污处理控制信息;通过所述脏污处理控制信息控制所述脏污处理装置对所述目标光伏载具执行脏污清理;通过所述初始特征识别结果生成关注补偿数据,通过所述关注补偿数据对所述第一采集关注度分布数据修正,获得第二采集关注度分布数据;通过所述第二采集关注度分布数据控制所述图像采集装置对清理后的所述目标光伏载具执行图像采集,获得图像采集结果;将所述图像采集结果和所述历史检测数据输入表面缺陷预警模型,输出预警结果。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种太阳能光伏载具的表面缺陷识别预警方法,其特征在于,所述方法应用于表面缺陷识别***,所述表面缺陷识别***与图像采集装置、脏污处理装置通信连接,所述方法包括:
连接目标光伏载具,读取所述目标光伏载具的历史检测数据;
基于所述历史检测数据构建初始异常缺陷特征集合,并通过所述初始异常缺陷特征集合确定第一采集关注度分布数据;
通过所述图像采集装置对所述目标光伏载具进行图像采集,获得初始采集图像;
对所述初始采集图像进行图像特征识别,获得初始特征识别结果,并基于所述初始特征识别结果生成脏污处理控制信息;
通过所述脏污处理控制信息控制所述脏污处理装置对所述目标光伏载具执行脏污清理;
通过所述初始特征识别结果生成关注补偿数据,通过所述关注补偿数据对所述第一采集关注度分布数据修正,获得第二采集关注度分布数据;
通过所述第二采集关注度分布数据控制所述图像采集装置对清理后的所述目标光伏载具执行图像采集,获得图像采集结果;
将所述图像采集结果和所述历史检测数据输入表面缺陷预警模型,输出预警结果;
所述表面缺陷识别***与红外采集装置通信连接,所述方法包括:
通过所述红外采集装置对清理后的所述目标光伏载具执行红外数据采集,获得红外采集辅助数据;
将所述红外采集辅助数据输入所述表面缺陷预警模型,通过所述表面缺陷预警模型的增量预警单元对所述红外采集辅助数据进行缺陷识别,获得缺陷识别结果;
对所述缺陷识别结果与所述图像采集结果的预警特征进行位置特征关联分析,当所述位置特征关联满足关联区间时,则根据关联距离生成定位辅助系数;
通过所述定位辅助系数、所述缺陷识别结果对所述预警结果进行预警补偿;
所述方法包括:
获得所述目标光伏载具的载具工作环境信息;
通过大数据构建光伏载具的脏污特征集合;
对所述载具工作环境信息进行环境特征提取,获得环境特征提取结果;
通过所述环境特征提取结果进行所述脏污特征集合的特征调用,获得特征调用结果;
通过所述特征调用结果执行所述初始采集图像的图像特征识别;
所述方法包括:
通过所述初始特征识别结果进行所述目标光伏载具的覆盖评价,获得覆盖评价结果,其中,所述覆盖评价结果包括覆盖面积、覆盖面积坐标、覆盖度数据;
设定覆盖补偿的补偿占比总权重;
通过所述覆盖评价结果对所述补偿占比总权重进行权重分配,基于权重分配结果生成所述关注补偿数据。
2.如权利要求1所述的方法,其特征在于,所述方法包括:
当所述位置特征关联不能满足所述关联区间时,则根据所述缺陷识别结果生成独立预警数据;
将所述独立预警数据添加至所述预警结果。
3.如权利要求1所述的方法,其特征在于,所述方法包括:
获得所述图像采集结果的采集环境数据,通过所述采集环境数据进行预处理数据优化;
通过优化后的预处理数据对所述图像采集结果执行图像预处理,得到预处理图像;
将所述预处理图像输入所述表面缺陷预警模型的图像特征识别单元;
通过所述图像特征识别单元对所述预处理图像进行特征匹配识别,输出特征识别匹配结果;
将所述特征识别匹配结果和所述历史检测数据输入所述表面缺陷预警模型的预警比对单元,输出获得所述预警结果。
4.如权利要求1所述的方法,其特征在于,所述方法包括:
基于所述历史检测数据设定验证检测窗口;
通过所述验证检测窗口对所述预警结果进行检测验证;
对检测验证结果进行预警偏向特征聚合,生成预警检测的优化反馈特征数据;
通过所述优化反馈特征数据对所述表面缺陷预警模型执行反馈优化。
5.一种太阳能光伏载具的表面缺陷识别预警***,其特征在于,所述***用于执行如权利要求1至4任一一项所述的方法,所述***与图像采集装置、脏污处理装置通信连接,所述***包括:
连接模块,所述连接模块用于连接目标光伏载具,读取所述目标光伏载具的历史检测数据;
关注度确定模块,所述关注度确定模块用于基于所述历史检测数据构建初始异常缺陷特征集合,并通过所述初始异常缺陷特征集合确定第一采集关注度分布数据;
初始采集模块,所述初始采集模块用于通过所述图像采集装置对所述目标光伏载具进行图像采集,获得初始采集图像;
初始特征识别模块,所述初始特征识别模块用于对所述初始采集图像进行图像特征识别,获得初始特征识别结果,并基于所述初始特征识别结果生成脏污处理控制信息;
脏污清理模块,所述脏污清理模块用于通过所述脏污处理控制信息控制所述脏污处理装置对所述目标光伏载具执行脏污清理;
关注度补偿模块,所述关注度补偿模块用于通过所述初始特征识别结果生成关注补偿数据,通过所述关注补偿数据对所述第一采集关注度分布数据修正,获得第二采集关注度分布数据;
采集模块,所述采集模块用于通过所述第二采集关注度分布数据控制所述图像采集装置对清理后的所述目标光伏载具执行图像采集,获得图像采集结果;
预警模块,所述预警模块用于将所述图像采集结果和所述历史检测数据输入表面缺陷预警模型,输出预警结果。
6.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310816107.2A CN116543357B (zh) | 2023-07-05 | 2023-07-05 | 一种太阳能光伏载具的表面缺陷识别预警方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310816107.2A CN116543357B (zh) | 2023-07-05 | 2023-07-05 | 一种太阳能光伏载具的表面缺陷识别预警方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116543357A CN116543357A (zh) | 2023-08-04 |
CN116543357B true CN116543357B (zh) | 2023-11-21 |
Family
ID=87451020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310816107.2A Active CN116543357B (zh) | 2023-07-05 | 2023-07-05 | 一种太阳能光伏载具的表面缺陷识别预警方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116543357B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117252840B (zh) * | 2023-09-26 | 2024-04-05 | 西安交通大学 | 一种光伏阵列缺陷消除评定方法、装置及计算机设备 |
CN117173178B (zh) * | 2023-11-02 | 2024-04-05 | 南通逸飞智能科技有限公司 | 一种光伏装置加工检测方法及*** |
CN117314892B (zh) * | 2023-11-27 | 2024-02-13 | 中南大学 | 一种基于增量学习的太阳能电池缺陷检测持续优化方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111044570A (zh) * | 2019-12-28 | 2020-04-21 | 广东电网有限责任公司 | 电力设备的缺陷识别及预警方法、装置及计算机设备 |
CN114844466A (zh) * | 2022-05-13 | 2022-08-02 | 旷天科技(南京)有限公司 | 一种数字化光伏的高效管理方法及*** |
CN115833400A (zh) * | 2023-02-07 | 2023-03-21 | 山东盛日电力集团有限公司 | 一种变电站电力设备的监测预警方法及*** |
CN115937218A (zh) * | 2023-03-13 | 2023-04-07 | 昆山市恒达精密机械工业有限公司 | 一种冷冲件的表面缺陷检测方法及*** |
CN116054417A (zh) * | 2023-03-16 | 2023-05-02 | 山东联行智能科技有限公司 | 一种变电站用的监控***及方法 |
CN116092014A (zh) * | 2023-03-22 | 2023-05-09 | 远洋亿家物业服务股份有限公司 | 一种基于物联网设备的智能巡检控制方法及*** |
-
2023
- 2023-07-05 CN CN202310816107.2A patent/CN116543357B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111044570A (zh) * | 2019-12-28 | 2020-04-21 | 广东电网有限责任公司 | 电力设备的缺陷识别及预警方法、装置及计算机设备 |
CN114844466A (zh) * | 2022-05-13 | 2022-08-02 | 旷天科技(南京)有限公司 | 一种数字化光伏的高效管理方法及*** |
CN115833400A (zh) * | 2023-02-07 | 2023-03-21 | 山东盛日电力集团有限公司 | 一种变电站电力设备的监测预警方法及*** |
CN115937218A (zh) * | 2023-03-13 | 2023-04-07 | 昆山市恒达精密机械工业有限公司 | 一种冷冲件的表面缺陷检测方法及*** |
CN116054417A (zh) * | 2023-03-16 | 2023-05-02 | 山东联行智能科技有限公司 | 一种变电站用的监控***及方法 |
CN116092014A (zh) * | 2023-03-22 | 2023-05-09 | 远洋亿家物业服务股份有限公司 | 一种基于物联网设备的智能巡检控制方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116543357A (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116543357B (zh) | 一种太阳能光伏载具的表面缺陷识别预警方法及*** | |
CN108416294B (zh) | 一种基于深度学习的风机叶片故障智能识别方法 | |
CN110458839B (zh) | 一种有效的电线电缆监测*** | |
CN112871938B (zh) | 一种光伏电站清扫监控一体化管理*** | |
KR101941854B1 (ko) | 미취득 데이터 보정을 통한 부하 예측 시스템 및 방법 | |
US20170140077A1 (en) | Method for assessing efficiency of power generation systems | |
CN116781008A (zh) | 一种光伏电站的异常状态检测方法及*** | |
US20230042106A1 (en) | System and method for the statistical analysis of images of photovoltaic panels | |
CN109272055A (zh) | 基于机器学习的激光除锈方法及装置 | |
CN116690613B (zh) | 一种光伏智能清扫机器人的控制方法及*** | |
CN114844466A (zh) | 一种数字化光伏的高效管理方法及*** | |
CN116054417B (zh) | 一种变电站用的监控***及方法 | |
CN116191680B (zh) | 一种应用于光伏发电的监控管理*** | |
CN109102504A (zh) | 一种光伏电池组件表面污秽覆盖情况识别方法及*** | |
CN115186850A (zh) | 一种海底电缆运行环境的动态监测方法及*** | |
CN114782442A (zh) | 一种基于人工智能的光伏电池板智慧巡检方法及*** | |
CN117575165B (zh) | 一种数字化配电网的智能巡检管理方法及*** | |
CN112505518B (zh) | 一种光伏组串积尘检测方法、装置及*** | |
CN117252840A (zh) | 一种光伏阵列缺陷消除评定方法、装置及计算机设备 | |
CN113297194B (zh) | 一种电动汽车聚合商备用容量虚假数据识别与清洗的方法 | |
CN111323683A (zh) | 燃弧检测***、燃弧检测方法、装置和计算机设备 | |
CN116503308A (zh) | 一种基于级联区域卷积神经网络的光伏板故障识别方法 | |
CN113747270B (zh) | 一种云数据中心物联管控*** | |
CN112560916B (zh) | 基于倾角传感器信息的风电塔筒倾覆智能诊断方法 | |
CN111445036B (zh) | 光伏电站清洗频率的动态调整方法及存储介质 |
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 | ||
CB02 | Change of applicant information |
Address after: A5, Dongjiu (Nantong) Smart Garden, No. 1199, Bihua Road, Nantong High tech Zone, Jiangsu 226300 Applicant after: Nantong Jiufang New Materials Co.,Ltd. Address before: A5, Dongjiu (Nantong) Smart Garden, No. 1199, Bihua Road, Nantong High tech Zone, Jiangsu 226300 Applicant before: Nantong Jiufang New Material Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |