[发明专利]一种基于人工智能的光伏组件玻璃爆裂预警方法及系统

说明书

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的光伏组件玻璃爆裂预警方法及系统。该方法包括：采集光伏电池板表面的RGB图像；根据RGB图像获得光伏电池板的边框栅线图像；以边框和光伏电池板的最外围栅线划分感兴趣区域图像；将感兴趣区域图像送入孪生网络，输出与正常电池板区域的相似性向量；分割感兴趣区域中的气泡得到气泡轮廓；根据每个边框对感兴趣区域编号，获得多个边框区域，并划分气泡影响区域；在气泡影响区域中计算最外围栅线像素点和边框像素点的欧氏距离并获得欧式距离均方差；根据欧式距离均方差和气泡面积得到爆裂估计值，当爆裂估计值达到预警值时反馈预警信息。本发明实现了对光伏组件玻璃爆裂的预警。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的光伏组件玻璃爆裂预警方法及系统。

背景技术

光伏发电技术领域应用范围广阔，涵盖了民用、商用等各种领域。成为利用清洁能源的一种不可或缺的手段。作为光伏产业中的重点技术，光伏电池板的维护和检测同样受到关注。光伏电池板的运行状况、发电功率直接影响光伏电厂的运营情况，因此，对光伏电池板的检测和预警是维护中的重点，是避免光伏组件出现问题最有效的途径。

光伏组件玻璃爆裂可能有很多原因，例如光伏电池板的边框形变挤压引起玻璃的炸裂、光伏电池板中出现气泡导致光伏电板中气泡周围受热不均匀引起炸裂等，一般的边框形变会导致光伏组件密封不好，在边框连接处出现气泡，时间长了会使玻璃出现裂纹，影响光伏电板的清洁和发电性能。目前，现有的技术中多为光伏组件的缺陷检测，如EL测试仪对各种隐裂等问题的检测，无法对未出现玻璃爆裂但有爆裂隐患的光伏组件进行预测预警。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的光伏组件玻璃爆裂预警方法及系统，所采用的技术方案具体如下：

本发明提出了一种基于人工智能的光伏组件玻璃爆裂预警方法，所述方法包括：

采集光伏电池板RGB图像；

提取所述RGB图像的R通道图像得到第一图像；根据预设的第一像素阈值二值化处理所述第一图像，获得所述光伏电池板的边框栅线图像；

根据所述边框栅线图像以边框和所述光伏电池板的最外围栅线划分感兴趣区域图像；

将所述感兴趣区域图像送入预先训练好的孪生网络中进行处理，输出与正常电池板区域的相似性向量；根据所述相似性向量确定边框发生形变的异常电池板；

在所述感兴趣区域图像根据预设的第二像素阈值分割气泡图像；对所述气泡图像进行边缘提取获得气泡轮廓；

在所述异常电池板上根据每个边框对所述感兴趣区域进行编号，获得多个边框区域；在每个所述边框区域内以所有所述气泡轮廓坐标和所述最外围栅线划分气泡影响区域；

在所述气泡影响区域内计算每个栅线和边框对应的像素点之间的欧氏距离，以所述欧氏距离的均方差作为边框形变对玻璃爆裂的影响因素；

对所述边框区域内每个所述气泡轮廓内像素点求和得到气泡面积，根据所述气泡面积和所述欧式距离均方差得到每个所述边框栅线区域的爆裂估计值；将所述爆裂估计值求和得到整体电池板的整体爆裂估计值；对所述整体爆裂估计值归一化处理，当所述爆裂估计值达到设定预警值时，反馈预警信息。

进一步地，所述根据所述边框栅线图像以边框和所述光伏电池板的最外围栅线划分感兴趣区域图像：

以所述边框和所述最外围栅线之间的区域作为感兴趣区域，将所述感兴趣区域内像素标注为1，其他区域为0，获得掩膜图像；

将所述掩膜图像与所述第一图像相乘，获得所述感兴趣区域图像。

进一步地，所述根据所述相似性向量确定边框发生形变的异常电池板后还包括以下操作：