CN117876308A - 基于图像分析的光伏板检测方法 - Google Patents

Abstract

本发明公开了一种基于图像分析的光伏板检测方法，包括以下步骤：通过无人机航拍采集到第一光伏板图像；对采集到的第一光伏板图像进行图像预处理和图像校正，得到用于进行后续处理的第二光伏板图像；通过SURF‑BRISK算法对第二光伏板图像进行拼接，得到完整的光伏板图像；根据图像分析得到光伏板当前状态。使用本发明可以对光伏板实现无人远程检测，及时有效的反馈光伏板的状态，为传达缺陷信息给维修人员进行维护和更换，并提高光伏电站的工作效率。

Description

基于图像分析的光伏板检测方法

技术领域

本发明属于图像分析技术领域，具体涉及一种基于图像分析的光伏板检测方法。

背景技术

随着全球太阳能光伏产业的快速发展，大规模光伏板在世界各国的数量也越来越多，而这些光伏板往往安装在比较恶劣的环境中，且分布范围广泛，从而导致光伏板的各种故障和缺陷频频发生。大量研究表明，大多数出现在光伏板的缺陷是由于聚合物的缺陷导致，比如光伏板的分层、气泡、破裂或发黄等缺陷。光伏板间连接器的缺陷如变色、氧化、腐蚀也会影响光伏板的电气特性，这些光伏板表面缺陷看很容易地通过视觉观察进行检测。其他缺陷如蜗牛纹、阴影、热板、微裂纹和电池损坏等也会对光伏板的性能造成很大影响，这些光伏板内部的缺陷可以通过红外热像仪进行检测。

为了防止光伏板因存在缺陷而发生严重事故，降低光伏电站的收益损失，有必要及时检测存在的缺陷，并通知相关维修人员进行维护和更换工作，从而提高光伏电站的工作效率。

发明内容

鉴于以上存在的问题，本发明提供一种基于图像分析的光伏板检测方法。

为解决上述技术问题，本发明采用如下的技术方案：

一种基于图像分析的光伏板检测方法，包括以下步骤：

通过无人机航拍采集到第一光伏板图像；

对采集到的第一光伏板图像进行图像预处理和图像校正，得到用于进行后续处理的第二光伏板图像；

通过SURF-BRISK算法对第二光伏板图像进行拼接，得到完整的光伏板图像；

根据图像分析得到光伏板当前状态。

一种可能的实施方式中，所述通过无人机航拍采集到第一光伏板图像包括：

当无人机在光伏板上空进行拍摄时，首先在光伏板左上角拍摄第1张图像，然后无人机在保持水平位置的情况下从左往右相隔一定时间t拍摄第2、3、......直到第k张图像；当无人机飞行到光伏板的右上角时，则完成第一行的图像采集工作，然后无人机以相同时间t向下飞行一段距离并拍摄第k+1张图像，然后再从右往左拍摄第二行图像；以此类推，当无人机完成光伏板最后一行的图像采集工作时，就可以得到所有第一光伏板图像。

一种可能的实施方式中，所述对采集到的第一光伏板图像进行图像预处理和图像校正，得到用于进行后续处理的第二光伏板图像包括：

利用加权平均值方法对第一光伏板图像进行灰度化处理，得到对应的灰度图；采用线性变换对灰度图进行对比增强；在采集到的第一光伏板图像上添加校验噪声，得到对应的校验图像，采用中值滤波方法对校验图像进行滤波处理，得到对应光伏板图像；采用最大类间方差法计算阈值并对采集到的第一光伏板图像进行图像二值化处理，得到对应的二值化图像；

对预处理后仍然存在倾斜形变和透视形变的图像进行校正，采用基于Hough变换进行倾斜校正，采用基于连接点的方法进行透视校正得到预处理和几何校正后的第二光伏板图像。

一种可能的实施方式中，通过SURF-BRISK算法对第二光伏板图像进行拼接，得到完整的光伏板图像包括：

通过SURF算法进行特征检测；

通过BRISK算法进行特征描述，使用汉明距离进行特征粗匹配；

使用RANSAC算法进行特征精匹配并建立交换模型；

使用双线性插值法对图像进行插值，插值点P坐标为(x，y)最近邻的4个像素点A、B、C、D坐标分别为(i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)，且灰度值分别为I_A、I_B、I_C、I_D，则插值点P的灰度值I_P为：

I_P＝(y-j)(((x-i)(I_D-I_C)+I_C)-((x-i)(I_B-I_A)+I_A))+((x-i)(I_B-I_A)+I_A)

通过加权平均融合法进行图像融合，第一幅图象为f₁＝(x,y)，第二幅图像为f₂＝(x,y)，那么融合后的图像f＝(x,y)为：

其中，k₁，k₂分别表示两幅待融合图像在重叠区域的权重值，且k₁+k₂＝1，0＜k₁，k₂＜1，进而实现第二光伏板图像的拼接工作，得到完整的光伏板图像。

一种可能的实施方式中，所述通过SURF算法进行特征检测包括：采用Harris角点检测算法对光伏板图像进行角点的检测，在图像的各个方向移动一个特定的窗口：如果窗口区域的灰度在各个方向移动时都没有发生任何变化，则认为该区域为平面；如果窗口区域内的灰度在某一方向移动是发生了较大变化，而在其他方向移动时没有发生变化，则认为该区域为边缘；如果窗口区域的灰度在各个方向移动是都发生了明显的变化，则认为该区域有角点，从而得到图像的角点集S₁；采用SURF特征点算法对光伏板图像进行特征的检测，并确定每一个特征点的位置和尺度值，从而得到图像的特征点S₂，合并S₁和S₂，如果在S₁中的某一个角点a与S₂中的某一个特征点b之间的欧式距离小于一定阈值，则认为这两个点重复。去除掉重复的特征点中的其中一个，同时去除掉尺度不变性能较差的特征点，并于剩下的不重复的特征点进行合并，从而获得一个新的特征点集S。

一种可能的实施方式中，所述通过BRISK算法进行特征描述，使用汉明距离进行特征粗匹配包括：

通过BRISK特征描述算法得到的两个特征描述子分别为A＝a₁a₂...a₅₁₂，B＝b₁b₂...b₅₁₂，则这两个特征描述子之间的汉明距离为：

汉明距离的值越小，则表示特征描述子之间的相似性越高，反之则越低。对于待拼接图像A中的任意一个特征点a_i，在待拼接图像B中搜索与其汉明距离最近邻点b_m和次近邻点b_n，它们的距离分别为d_m和d_n，当最近邻点和次近邻点距离的比值满足：

则可以初步认为特征点a_i和b_m是相互匹配的，T取值为0.6。

一种可能的实施方式中，使用RANSAC算法进行特征精匹配并建立交换模型包括：首先在通过特征粗匹配后得到的匹配点对中任意的挑选n对进行变换模型的建立，然后计算该变换模型与剩余的匹配点对之间的距离，如果距离小于设置的阈值，则保留并使匹配点对个数加一，同时去除掉距离大于设置阈值的匹配点对；当匹配点对个数达到一定数量时，则表示当前计算的变换模型就是最终所建立的变换模型，否则重新任意的挑选匹配点对并迭代计算变换模型；当迭代的次数超过设置的阈值，仍然没有得到合适的变换模型时，则表示特征精匹配失败。

一种可能的实施方式中，所述根据图像分析得到光伏板当前状态包括：

对完整光伏板图像进行分割并进行二值化处理，得到二值化图像，将该二值化图像与正常光伏板图像进行对比，若光伏板图像并无明显差异，则得出结论光伏板正常；若光伏板图像差异较大，则得出结论光伏板异常。

采用本发明具有如下的有益效果：可以对光伏板实现无人远程检测，及时有效的反馈光伏板的状态，为传达缺陷信息给维修人员进行维护和更换，并提高光伏电站的工作效率。

附图说明

图1为本发明实施例的基于图像分析的光伏板检测方法的步骤流程图；

图2为一具体应用实例中无人机在光伏板上空进行拍摄示意图。

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。

参见图1，所示为本发明一实施例的一种基于图像分析的光伏板检测方法的步骤流程图，包括以下步骤：

S10，通过无人机航拍采集到第一光伏板图像；

S20，对采集到的第一光伏板图像进行图像预处理和图像校正，得到用于进行后续处理的第二光伏板图像；

S30，通过SURF-BRISK算法对第二光伏板图像进行拼接，得到完整的光伏板图像；

S40，根据图像分析得到光伏板当前状态。

本发明又一实施例的一种基于图像分析的光伏板检测方法，S10中通过无人机航拍采集到第一光伏板图像包括：

如图2所示，当无人机在光伏板上空进行拍摄时，首先在光伏板左上角拍摄第1张图像，然后无人机在保持水平位置的情况下从左往右相隔一定时间t拍摄第2、3、......直到第k张图像；当无人机飞行到光伏板的右上角时，则完成第一行的图像采集工作，然后无人机以相同时间t向下飞行一段距离并拍摄第k+1张图像，然后再从右往左拍摄第二行图像；以此类推，当无人机完成光伏板最后一行的图像采集工作时，就可以得到所有第一光伏板图像。

本发明又一实施例的一种基于图像分析的光伏板检测方法，S20中对采集到的第一光伏板图像进行图像预处理和图像校正，得到用于进行后续处理的第二光伏板图像包括：

利用加权平均值方法对第一光伏板图像进行灰度化处理，得到对应的灰度图；采用线性变换对灰度图进行对比增强；在采集到的第一光伏板图像上添加校验噪声，得到对应的校验图像，采用中值滤波方法对校验图像进行滤波处理，得到对应光伏板图像；采用最大类间方差法计算阈值并对采集到的第一光伏板图像进行图像二值化处理，得到对应的二值化图像；

对预处理后仍然存在倾斜形变和透视形变的图像进行校正，采用基于Hough变换进行倾斜校正，采用基于连接点的方法进行透视校正得到预处理和几何校正后的第二光伏板图像。

本发明又一实施例的一种基于图像分析的光伏板检测方法，S30中通过SURF-BRISK算法对第二光伏板图像进行拼接，得到完整的光伏板图像包括：

S301，通过SURF算法进行特征检测；

S302，通过BRISK算法进行特征描述，使用汉明距离进行特征粗匹配；

S303，使用RANSAC算法进行特征精匹配并建立交换模型；

S304，使用双线性插值法对图像进行插值，插值点P坐标为(x，y)最近邻的4个像素点A、B、C、D坐标分别为(i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)，且灰度值分别为I_A、I_B、I_C、I_D，则插值点P的灰度值I_P为：

I_P＝(y-j)(((x-i)(I_D-I_C)+I_C)-((x-i)(I_B-I_A)+I_A))+((x-i)(I_B-I_A)+I_A)

S304，通过加权平均融合法进行图像融合，第一幅图象为f₁＝(x,y)，第二幅图像为f₂＝(x,y)，那么融合后的图像f＝(x,y)为：

其中，k₁，k₂分别表示两幅待融合图像在重叠区域的权重值，且k₁+k₂＝1，0＜k₁，k₂＜1，进而实现第二光伏板图像的拼接工作，得到完整的光伏板图像。

进一步地，S301中通过SURF算法进行特征检测包括：采用Harris角点检测算法对光伏板图像进行角点的检测，在图像的各个方向移动一个特定的窗口：如果窗口区域的灰度在各个方向移动时都没有发生任何变化，则认为该区域为平面；如果窗口区域内的灰度在某一方向移动是发生了较大变化，而在其他方向移动时没有发生变化，则认为该区域为边缘；如果窗口区域的灰度在各个方向移动是都发生了明显的变化，则认为该区域有角点，从而得到图像的角点集S₁；采用SURF特征点算法对光伏板图像进行特征的检测，并确定每一个特征点的位置和尺度值，从而得到图像的特征点S₂，合并S₁和S₂，如果在S₁中的某一个角点a与S₂中的某一个特征点b之间的欧式距离小于一定阈值，则认为这两个点重复。去除掉重复的特征点中的其中一个，同时去除掉尺度不变性能较差的特征点，并于剩下的不重复的特征点进行合并，从而获得一个新的特征点集S。

进一步地，S302中通过BRISK算法进行特征描述，使用汉明距离进行特征粗匹配包括：

通过BRISK特征描述算法得到的两个特征描述子分别为A＝a₁a₂...a₅₁₂，B＝b₁b₂...b₅₁₂，则这两个特征描述子之间的汉明距离为：

汉明距离的值越小，则表示特征描述子之间的相似性越高，反之则越低。对于待拼接图像A中的任意一个特征点a_i，在待拼接图像B中搜索与其汉明距离最近邻点b_m和次近邻点b_n，它们的距离分别为d_m和d_n，当最近邻点和次近邻点距离的比值满足：

则可以初步认为特征点a_i和b_m是相互匹配的，T取值为0.6。

进一步地，S303中使用RANSAC算法进行特征精匹配并建立交换模型包括：首先在通过特征粗匹配后得到的匹配点对中任意的挑选n对进行变换模型的建立，然后计算该变换模型与剩余的匹配点对之间的距离，如果距离小于设置的阈值，则保留并使匹配点对个数加一，同时去除掉距离大于设置阈值的匹配点对；当匹配点对个数达到一定数量时，则表示当前计算的变换模型就是最终所建立的变换模型，否则重新任意的挑选匹配点对并迭代计算变换模型；当迭代的次数超过设置的阈值，仍然没有得到合适的变换模型时，则表示特征精匹配失败。

本发明又一实施例的一种基于图像分析的光伏板检测方法，S 40中根据图像分析得到光伏板当前状态包括：对完整光伏板图像进行分割并进行二值化处理，得到二值化图像，将该二值化图像与正常光伏板图像进行对比，若光伏板图像并无明显差异，则得出结论光伏板正常；若光伏板图像差异较大，则得出结论光伏板异常。

通过以上设置的基于图像分析的光伏板检测方法，可以对光伏板实现无人远程检测，及时有效的反馈光伏板的状态，为传达缺陷信息给维修人员进行维护和更换，并提高光伏电站的工作效率。

应当理解，本文所述的示例性实施例是说明性的而非限制性的。尽管结合附图描述了本发明的一个或多个实施例，本领域普通技术人员应当理解，在不脱离通过所附权利要求所限定的本发明的精神和范围的情况下，可以做出各种形式和细节的改变。

Claims (8)

1.一种基于图像分析的光伏板检测方法，其特征在于，包括以下步骤：

通过无人机航拍采集到第一光伏板图像；

对采集到的第一光伏板图像进行图像预处理和图像校正，得到用于进行后续处理的第二光伏板图像；

通过SURF-BRISK算法对第二光伏板图像进行拼接，得到完整的光伏板图像；

根据图像分析得到光伏板当前状态。

2.如权利要求1所述的基于图像分析的光伏板检测方法，其特征在于，所述通过无人机航拍采集到第一光伏板图像包括：

当无人机在光伏板上空进行拍摄时，首先在光伏板左上角拍摄第1张图像，然后无人机在保持水平位置的情况下从左往右相隔一定时间t拍摄第2、3、......直到第k张图像；当无人机飞行到光伏板的右上角时，则完成第一行的图像采集工作，然后无人机以相同时间t向下飞行一段距离并拍摄第k+1张图像，然后再从右往左拍摄第二行图像；以此类推，当无人机完成光伏板最后一行的图像采集工作时，就可以得到所有第一光伏板图像。

3.如权利要求1所述的基于图像分析的光伏板检测方法，其特征在于，所述对采集到的第一光伏板图像进行图像预处理和图像校正，得到用于进行后续处理的第二光伏板图像包括：

利用加权平均值方法对第一光伏板图像进行灰度化处理，得到对应的灰度图；采用线性变换对灰度图进行对比增强；在采集到的第一光伏板图像上添加校验噪声，得到对应的校验图像，采用中值滤波方法对校验图像进行滤波处理，得到对应光伏板图像；采用最大类间方差法计算阈值并对采集到的第一光伏板图像进行图像二值化处理，得到对应的二值化图像；

对预处理后仍然存在倾斜形变和透视形变的图像进行校正，采用基于Hough变换进行倾斜校正，采用基于连接点的方法进行透视校正得到预处理和几何校正后的第二光伏板图像。

4.如权利要求1所述的基于图像分析的光伏板检测方法，其特征在于，通过SURF-BRISK算法对第二光伏板图像进行拼接，得到完整的光伏板图像包括：

通过SURF算法进行特征检测；

通过BRISK算法进行特征描述，使用汉明距离进行特征粗匹配；

使用RANSAC算法进行特征精匹配并建立交换模型；

使用双线性插值法对图像进行插值，插值点P坐标为(x，y)最近邻的4个像素点A、B、C、D坐标分别为(i,j)、(i+1,j)、(i,j+1)、(i+1,j+1)，且灰度值分别为I_A、I_B、I_C、I_D，则插值点P的灰度值I_P为：

I_P＝(y-j)(((x-i)(I_D-I_C)+I_C)-((x-i)(I_B-I_A)+I_A))+((x-i)(I_B-I_A)+I_A)

通过加权平均融合法进行图像融合，第一幅图象为f₁＝(x,y)，第二幅图像为f₂＝(x,y)，那么融合后的图像f＝(x,y)为：

其中，k₁，k₂分别表示两幅待融合图像在重叠区域的权重值，且k₁+k₂＝1，0＜k₁，k₂＜1，进而实现第二光伏板图像的拼接工作，得到完整的光伏板图像。

5.如权利要求4所述的基于图像分析的光伏板检测方法，其特征在于，所述通过SURF算法进行特征检测包括：采用Harris角点检测算法对光伏板图像进行角点的检测，在图像的各个方向移动一个特定的窗口：如果窗口区域的灰度在各个方向移动时都没有发生任何变化，则认为该区域为平面；如果窗口区域内的灰度在某一方向移动是发生了较大变化，而在其他方向移动时没有发生变化，则认为该区域为边缘；如果窗口区域的灰度在各个方向移动是都发生了明显的变化，则认为该区域有角点，从而得到图像的角点集S₁；采用SURF特征点算法对光伏板图像进行特征的检测，并确定每一个特征点的位置和尺度值，从而得到图像的特征点S₂，合并S₁和S₂，如果在S₁中的某一个角点a与S₂中的某一个特征点b之间的欧式距离小于一定阈值，则认为这两个点重复。去除掉重复的特征点中的其中一个，同时去除掉尺度不变性能较差的特征点，并于剩下的不重复的特征点进行合并，从而获得一个新的特征点集S。

6.如权利要求5所述的基于图像分析的光伏板检测方法，其特征在于，所述通过BRISK算法进行特征描述，使用汉明距离进行特征粗匹配包括：

通过BRISK特征描述算法得到的两个特征描述子分别为A＝a₁a₂...a₅₁₂，B＝b₁b₂...b₅₁₂，则这两个特征描述子之间的汉明距离为：

汉明距离的值越小，则表示特征描述子之间的相似性越高，反之则越低。对于待拼接图像A中的任意一个特征点a_i，在待拼接图像B中搜索与其汉明距离最近邻点b_m和次近邻点b_n，它们的距离分别为d_m和d_n，当最近邻点和次近邻点距离的比值满足：

则可以初步认为特征点a_i和b_m是相互匹配的，T取值为0.6。

7.如权利要求6所述的基于图像分析的光伏板检测方法，其特征在于，使用RANSAC算法进行特征精匹配并建立交换模型包括：首先在通过特征粗匹配后得到的匹配点对中任意的挑选n对进行变换模型的建立，然后计算该变换模型与剩余的匹配点对之间的距离，如果距离小于设置的阈值，则保留并使匹配点对个数加一，同时去除掉距离大于设置阈值的匹配点对；当匹配点对个数达到一定数量时，则表示当前计算的变换模型就是最终所建立的变换模型，否则重新任意的挑选匹配点对并迭代计算变换模型；当迭代的次数超过设置的阈值，仍然没有得到合适的变换模型时，则表示特征精匹配失败。

8.如权利要求1所述的基于图像分析的光伏板检测方法，其特征在于，所述根据图像分析得到光伏板当前状态包括：

对完整光伏板图像进行分割并进行二值化处理，得到二值化图像，将该二值化图像与正常光伏板图像进行对比，若光伏板图像并无明显差异，则得出结论光伏板正常；若光伏板图像差异较大，则得出结论光伏板异常。