[发明专利]一种基于深层神经网络的光伏板异物检测系统及检测方法

权利要求书

1.一种基于深层神经网络的光伏板异物检测系统，包括光伏气象站、数据采集中心及控制分析中心，所述数据采集中心分别和光伏气象站和控制分析中心通讯连接，其特征在于：

所述光伏气象站用于获取光伏电站气象数据；

所述数据采集中心用于获取光伏板图像数据与光伏板运行数据；

所述控制分析中心收集以上数据并评估光伏板健康状态，并确定评估结果。

2.根据权利要求1所述的一种基于深层神经网络的光伏板异物检测系统，其特征在于，所述光伏气象站包括：用于检测现场风力状况的风速风向变送器、用于检测日照状况的太阳能辐照度仪、用于检测环境温度的第一温度变送器以及用于给光伏气象站供能的光伏电池板。

3.根据权利要求1所述的一种基于深层神经网络的光伏板异物检测系统，其特征在于，所述数据采集中心包括：

按设定频率采集光伏板工作区域图像数据的可见光高清相机；

用于检测光伏板板背温度数据的第二温度变送器；

用于检测光伏板运行数据的电压表和电流表；

以及与所述可见光高清相机、温度变送器、电流表以及电压表通讯连接的用于汇总传输数据的数据采集卡。

4.根据权利要求1所述的一种基于深层神经网络的光伏板异物检测系统，其特征在于，所述控制分析中心包括高性能服务器，所述高性能服务器中搭建有注意力循环网络与多目标检测网络，所述注意力循环网络用于检测异物在光伏板上的大致区域和异物类型，所述注意力循环网络用于精确定位异物在光伏板上的分布区域。

5.一种基于权利要求1-4任一项所述的深层神经网络的光伏板异物检测系统的检测方法，其特征在于，所述检测方法包括以下步骤：

S1、利用光伏气象站获取光伏电站现场气象数据，记录备查；

S2、利用数据采集中心获取光伏板图像数据与光伏电站运行数据；

S3、利用控制分析中心部署深层神经网络算法分析光伏板图像数据，基于分析结果评估光伏板健康状态。

6.根据权利要求5所述的一种检测方法，其特征在于，在步骤S2中，所述利用数据采集中心获取光伏板图像数据与光伏电站运行数据具体包括：利用可见光高清相机以固定频率、焦距拍摄的光伏板图像；以温度变送器检测的光伏板板背温度数据；以电压表和电流表检测光伏板运行的电流、电压、功率数据。

7.根据权利要5所述的一种检测方法，其特征在于，在步骤S3中，所述分析光伏板图像数据和评估光伏板健康状态具体包括：

1)、利用Faster R-CNN算法分析光伏板图像数据，检测光伏板上异物的类型与大致区域，包括:

将所述光伏板图像数据输入卷积神经网络，生成预选框；

将生成的预选框映射到原始输入的光伏板图像做对比，确定各种异物的尺寸、类型特征；

使用全连接层生成针对异物种类辨别的特征向量，并基于Softmax损失函数实现光伏板异物种类分辨；

使用全连接层生成针对异物位置辨别的特征向量，并基于SmoothL1损失函数实现光伏板异物坐标回归；

2)、利用注意力循环网络分析光伏板图像数据，辨识光伏板上异物的精确分布区域，包括：

使用循环网络来产生视觉注意力，其中，残差神经网络与长短时记忆网络组合成的时间块是生成特征捕获视觉注意图的基本工作单元，各时间块收尾相连，层层学习后获得光伏板异物的视觉注意图像；

通过分析视觉注意力图像，精确判断异物在光伏板上的分布区域，以异物占光伏板工作面积的比重、分布位置评估光伏板健康状态。