[发明专利]一种基于机器视觉的太阳能板清洁系统有效
申请号: | 202010402916.5 | 申请日: | 2020-05-13 |
公开(公告)号: | CN111563467B | 公开(公告)日: | 2023-05-12 |
发明(设计)人: | 周洪成 | 申请(专利权)人: | 金陵科技学院 |
主分类号: | G06V20/52 | 分类号: | G06V20/52;G06V10/762;G06F16/21;G06Q50/06;H02S40/10 |
代理公司: | 南京众联专利代理有限公司 32206 | 代理人: | 蒋昱 |
地址: | 210000 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 机器 视觉 太阳能 清洁 系统 | ||
一种基于机器视觉的太阳能板清洁系统。步骤1,采集现场太阳能板照片,并通过WIFI上传至上位机;步骤2,上位机程序对图片进行多维特征向量提取;步骤3,计算多维特征向量与预先确定的各聚类中心的欧式距离;步骤4,将最小的欧氏距离与该类别预先确定的阈值进行对比;步骤5,清洁机器人完成任务,并反馈给上位机;步骤6,上位机将完成的信号通过WIFI传送至数据库;步骤7,数据库清除待办任务,并检查此时是否有待办任务,如果有,将数据发送重新发送至上位机程序,进入步骤2,否则,整个闭环过程结束。本发明有效的实现太阳能板的清洁,提高了发电效率。
技术领域
本发明涉及基于太阳能清洁能源应用领域,特别是涉及一种基于机器视觉的太阳能板清洁系统。
背景技术
随着社会的快速发展,各行各业的用电需求量都近乎于指数增长,传统的发电方式已经满足不了需求,同时考虑到地球可再生资源日益减少,所以发展清洁能源是非常有意义的。清洁能源的定义是:对能源清洁、高效、系统化应用的技术体系,如水力发电、风力发电、太阳能、生物能(沼气)、地热能(包括地源和水源)海潮能。其中的太阳能发电没有任何排放和噪声,应用技术成熟,安全可靠,同时我国76%的国土光照充沛,光能资源分布较为均匀,这也为大力发展光伏产业提供了有力的保障,近年来,我国的光伏产业有了很大的发展,实现了很高的经济效益。
光伏发电量由多种因素决定,对于人为不可控制因素不可改善,但是对于可控因素一定要尽全力改善,如太阳能板表面的清洁度,在同一光照强度下,越清洁的太阳能板表面能发更多的电量。而这一因素也得到了企业广泛的重视,现存的清洗方式主要有以下三种:人工清洗,机械化清洗车和光伏板清洁机器人。对于第一种清洁方式,其清洗时间漫长,人员不好管理,浪水水资源,安全系数低,人员踩踏电池板容易造成隐裂;对于第二种清洁方式,其对现场安太阳能板的安装间距有要求,且清洗不均匀;而第三种清洁方式,其需要智能的控制策略,而现在一般都是扫盲式的清洁,也带来了一定的资源浪费。
针对光伏产业中太阳能板清洁的问题,国内涉及该问题解决方案的专利有“一种太阳能板智能除雪除尘机器人及其控制方法”(201810564474.7),利用雪犁铲板、圆盘刷、绕绳机构和履带底盘,对太阳能板上的积雪进行清扫,但是该专利中并没有提及相关的控制策略,虽然机器人可以节约人力财力,但是必须要有一个精确的控制策略。同样的,国家发明专利“太阳能板材清洁机器人”(201810276806.1),国家发明专利“太阳能板材清洗机器人”(201410554467.0),都是针对机器人的结构进行设计,但是没有提及相关的控制系统,由此可见,开发一个控制机器人的太阳能板清洁系统亟待解决。
发明内容
为解决上述问题,本发明在图片特征提取、K-means聚类,MYSQL数据库的基础上,提出了一种基于机器视觉的太阳能板清洁系统,首先对不同清洁等级的太阳能板照片进行特征提取,再结合K-means聚类方法确定相应的聚类中心和类别阈值;而后应用到实际现场中。在整个过程中,将每次的判别信息储存于MYSQL数据库中,实现了对太阳能板持续性的监测,同时通过相应的更新策略实现了模型在线升级优化,真正的实现智能化。为达此目的,本发明提供一种基于机器视觉的太阳能板清洁系统,具体步骤如下,其特征在于:
步骤1,高清摄像机采集现场太阳能板照片,并通过WIFI上传至上位机;
步骤2,上位机程序对图片进行多维特征向量提取;
步骤3,计算多维特征向量与预先确定的各聚类中心的欧式距离;
步骤4,将最小的欧氏距离与该类别预先确定的阈值进行对比,如果比阈值低,则认为属于该类别,同时将判断结果传送给清洁机器人和SQL数据库;否则,需要对图片和正确的类别重新进行训练,更新各类别的聚类中心和阈值后回到步骤2;
步骤5,清洁机器人完成任务,并反馈给上位机;
步骤6,上位机将完成的信号通过WIFI传送至数据库;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于金陵科技学院,未经金陵科技学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010402916.5/2.html,转载请声明来源钻瓜专利网。