[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

说明书

本发明提供一种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，涉及人工智能领域；该方法包括采集待测光伏电池板的初始图像进行预处理，获取正视的光伏电池板图像并输入目标检测网络，输出破损图像及其类型；采用迭代运算确认阈值对破损图像进行二值化分析，获取玻璃破损缺陷的数量及面积；根据光伏电池板图像、破损图像、破损类型获取待测玻璃的透光率，并结合破损缺陷的面积、数量获取待测光伏电池板的有效辐射量；根据环境气候数据以及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。本发明能够去除背景噪声，很好的突出玻璃缺陷区域的边界，减小检测结果的误差，根据破损程度对光伏电池板发电量做出准确的预测和评估。

技术领域

本发明涉及人工智能领域，具体涉及一种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。

背景技术

玻璃板是光伏电池板的组件之一，主要用来封装和保护电池硅片。在光伏电池板工作过程中，玻璃直接与外界环境接触，受生产质量以及外界环境变化的影响，会因为外力撞击、温度变化等因素产生不同程度的破损缺陷，如玻璃划痕，碎裂等。玻璃破损容易使光伏组件的透光率下降，致使光伏电池板发电量出现不同程度下降，降低光伏电池板的长期可靠性。

现有技术对玻璃的缺陷检测一般针对的是流水线上的检测，检测到破损等缺陷后，发出警报提示工作人员，不能根据破损程度对光伏电池板发电量的影响做出准确的预测和评估，进而了解光伏电池板的实际利用率。

发明内容

为了解决上述技术问题，本发明了提供一种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，所采用的技术方案如下：

第一方面，本发明实施例提供了一种基于人工智能光伏电池板玻璃破损发电量预测方法，该方法包含以下步骤：

采集待测光伏电池板的初始图像；

对初始图像进行预处理，并获取正视的光伏电池板图像；

将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；

获取每个破损图像的灰度平均值作为阈值分割破损图像，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破损图像并进行迭代运算求取下一个新的阈值；

根据光伏电池板图像、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。

优选地，获取每个破损图像的灰度平均值是指破损图像中的最小和最大灰度值的平均值。

优选地，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为光伏电池板图像的灰度平均值，σ为完好玻璃的透光率，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。

优选地，破损类型的数量为2，破损类型分为划痕以及碎裂。

优选地，有效辐射量为：

ζ₀为由完好玻璃组成的光伏电池板的有效辐射量，N表示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。