[发明专利]基于SeFa和人工智能的光伏轨道相机果冻效应分析方法

说明书

本发明提供了一种基于SeFa和人工智能的光伏轨道相机果冻效应分析方法，该方法包括：对采集到的光伏电池板图像进行处理得到语义分割图，逐行对语义分割图中的电池板栅线像素点进行统计，得到多个统计值，根据多个统计值和栅线的条数判断是否存在部分曝光情况；利用搜索算法将语义分割图中的电池板栅线像素点分到多个集合中；获取语义分割图中电池板栅线像素点的位置坐标，基于集合和坐标对栅线像素点进行拟合，得到拟合栅线；根据每个集合中栅线像素点到拟合栅线之间的距离和判断是否存在摇摆不定情况；根据拟合栅线的斜率判断是否存在倾斜情况。本发明可以判断异常图像具体属于果冻效应中部分曝光、摇摆不定、倾斜三种情况中的哪一种。

技术领域

本发明涉及人工智能、图像处理领域，尤其是一种基于SeFa和人工智能的光伏轨道相机果冻效应分析方法。

背景技术

智慧光伏电站目前多采用轨道相机进行光伏电池组件图像的采集以代替人工方式。轨道相机在移动拍摄的过程中，会产生共振导致相机抖动，拍摄出的图像也会存在果冻效应。

现有技术多是对产生的图像进行矫正，但没有对图像中的果冻效应进行分析，判断异常图像属于果冻效应的哪一种情况。

发明内容

为了解决上述问题，本发明提出一种基于SeFa和人工智能的光伏轨道相机果冻效应分析方法，该方法包括：

步骤一，利用轨道相机采集光伏电池板的RGB图像，将RGB图像送入语义分割网络，输出光伏面板的第一语义分割图；第一语义分割图中像素点的类别包括光伏电池板、电池板栅线、其他无关项；

步骤二，根据采集到的光伏电池板的RGB图像的分辨率得到第一语义分割图的图像高度H，将第一语义分割图划分为H行，并依次为每一行标记序号，逐行进行电池板栅线像素点的统计，得到第一统计值h_j，j为第一语义分割图中某一行对应的序号，取值范围为[1,H]，设置阈值M₁，当h_j≥M₁时，认为该行为横向电池板栅线，将该行像素点的像素值置为光伏电池板的像素值，得到第二语义分割图；

步骤三，对第二语义分割图逐行进行电池板栅线像素点的统计，得到第二统计值g_j，基于投票机制根据得到的多个第二统计值，得到光伏电池板纵向栅线的条数w，根据g_j和w判断光伏电池板的RGB图像中是否存在果冻效应中的部分曝光情况；

步骤四，利用搜索算法将第二语义分割图中的电池板栅线像素点分到w个集合中；并将第二语义分割图送入栅线提取网络，得到第二语义分割图中电池板栅线像素点的位置坐标，基于w个集合和位置坐标，利用拟合算法对每个集合中的电池板栅线像素点进行拟合，得到多条拟合栅线；

对于每个集合：计算集合中所有电池板栅线像素点与该集合对应的拟合栅线之间的距离之和D，根据距离之和D判断光伏电池板的RGB图像中是否存在果冻效应中的摇摆不定情况；

步骤五，对轨道相机采集的第一帧光伏电池板的RGB图像进行处理后得到第一帧图像中拟合栅线的标准斜率；计算第一帧之后某一帧RGB图像中每条拟合栅线的斜率，根据每条拟合栅线的斜率与标准斜率判断光伏电池板的RGB图像中是否存在果冻效应中的倾斜情况。

由基于SeFa方法的GAN网络生成的光伏电池板图像构建语义分割网络的训练数据集。

第二语义分割图中包括纵向的电池板栅线。

所述投票机制具体为：当得到的多个第二统计值中超过50％的第二统计值为同一数值时，该数值为条数w。