[发明专利]基于人工智能光伏电池板玻璃破损发电量预测方法及系统

权利要求书

1.一种基于人工智能光伏电池板玻璃破损发电量预测方法，其特征在于，该方法包含以下步骤：

采集待测光伏电池板的初始图像；

对所述初始图像进行预处理，并获取正视的光伏电池板图像；

将所述光伏电池板图像输入目标检测网络，获取破损图像及其类型；

获取每个所述破损图像的灰度平均值作为阈值分割所述破损图像，再对分割后的每个区域的灰度平均值继续求平均值获取新的阈值，若新的阈值满足迭代条件，则根据所述新阈值求二值化图像并进行连通域分析，获取玻璃破损缺陷的数量及面积；否则用当前阈值再次分割所述破损图像并进行迭代运算求取下一个新的阈值；

根据所述光伏电池板图像、所述破损图像、破损类型以及完好玻璃的透光率获取待测玻璃的透光率，并结合破损缺陷的面积、数量以及由完好玻璃组成的光伏电池板的有效辐射量获取待测光伏电池板的有效辐射量；

根据以环境温度、光照强度以及所述待测光伏电池板的有效辐射量所建立的发电量预测模型求取该光伏电池板的发电量。

2.根据权利要求1所述的一种基于人工智能光伏电池板玻璃破损发电量预测方法，其特征在于，所述获取每个破损图像的灰度平均值是指所述破损图像中的最小和最大灰度值的平均值。

3.根据权利要求1所述的一种基于人工智能光伏电池板玻璃破损发电量预测方法，其特征在于，所述玻璃的透光率σ′为：

其中，γ为修正系数，∈_i表示第i个破损类型的玻璃透光率的衰减系数，μ_i为第i个破损类型的破损图像的灰度平均值，μ为所述光伏电池板图像的灰度平均值，σ为所述完好玻璃的透光率，M表示破损类型的数量，α_i为第i个破损类型对透光率衰减影响的权值。

4.根据权利要求3所述的基于人工智能光伏电池板玻璃破损发电量预测方法，其特征在于，所述破损类型的数量为2，所述破损类型分为划痕以及碎裂。

5.根据权利要求1所述的基于人工智能光伏电池板玻璃破损发电量预测方法，其特征在于，所述有效辐射量为：

ζ₀为所述由完好玻璃组成的光伏电池板的有效辐射量，N表示所述光伏电池板图像的破损数量，L_u为第u个破损区域的像素个数。

6.一种基于人工智能光伏电池板玻璃破损发电量预测系统，其特征在于，包括：

图像获取单元，用于采集待测光伏电池板的初始图像；

发电量预测单元，包括图像预处理模块、破损检测模块、破损分析模块、有效辐射量获取模块、预测模型建立模块：

所述图像预处理模块，用于对所述初始图像进行预处理，并获取正视的光伏电池板图像；

所述破损检测模块，用于将所述光伏电池板图像输入目标检测网络，获取破损图像及其类型；

所述破损分析模块，用于获取每个所述破损图像的灰度平均值作为阈值分割所述破损图像，再对分割后的每个区域的灰度平均值继续求平均值获取新的阈值，若新的阈值满足迭代条件，则根据所述新阈值求二值化图像并进行连通域分析，获取玻璃破损缺陷的数量及面积；否则用当前阈值再次分割所述破损图像并进行迭代运算求取下一个新的阈值；

所述有效辐射量获取模块，用于根据所述光伏电池板图像、所述破损图像、破损类型以及完好玻璃的透光率获取待测玻璃的透光率，并结合破损缺陷的面积、数量以及由完好玻璃组成的光伏电池板的有效辐射量获取待测光伏电池板的有效辐射量；

所述预测模型建立模块，用于根据以环境温度、光照强度以及所述待测光伏电池板的有效辐射量所建立的发电量预测模型求取该光伏电池板的发电量。

7.根据权利要求6所述的基于人工智能光伏电池板玻璃破损发电量预测系统，其特征在于，所述破损分析模块中每个所述破损图像的灰度平均值是指所述破损图像中的最小和最大灰度值的平均值。