[发明专利]一种基于无人机图像的光伏电站智能巡检方法及系统

权利要求书

1.一种基于无人机图像的光伏电站智能巡检方法，包括无人机按照指定巡检轨迹飞行获取光伏板图像，对获取的光伏板图像进行解析处理输出光伏板故障定位，其特征在于，所述对获取的光伏板图像进行解析处理输出光伏板故障定位包括：

一，建立一个数字光伏电站：由实际光伏电站鸟瞰图像分别生成与实际光伏电站场景图像相一致的虚拟仿真场景图像和语义实例图像；虚拟仿真场景图像和语义实例图像相互匹配，所述虚拟仿真场景图像包括光伏板模型和场景布局，场景布局包括了光伏板模型布局和环境因素，光伏板模型布局含有基于地理经纬度定位坐标信息；所述语义实例图像是将布局的不同光伏板模型用渲染图像和编号加以区分表达；

二，将获取的光伏板图像进行像素提取，将提取的像素输入缺陷判定神经网络模型，缺陷判定神经网络模型输出判定结果，其中：对于缺陷结果的输出包括缺陷类型信息以及缺陷边界框坐标；

三，将输出的缺陷类型信息以及缺陷边界框坐标映射到所述语义实例图像中，从语义实例图像中获取缺陷所在光伏板编号信息，并根据虚拟仿真场景图像和语义实例图像相互匹配关系，将缺陷边界框显示在虚拟仿真场景图像光伏板模型中对光伏板故障定位；

四，存储巡检结果数据用于巡检回放查询并输出最终光伏板故障定位；

其中：所述缺陷判定神经网络模型是根据光伏板缺陷类型事先深度学习建立的模型。

2.根据权利要求1所述的方法，其特征在于，所述光伏板图像包括连续间隔拍照的可见光图像和红外光图像，可见光图像用于判定光伏板表面是否有杂物遮挡以及杂物类型，红外光图像用于判定光伏板表面是否有热斑区块，其中：间隔图像至少有三分之一重叠。

3.根据权利要求1所述的方法，其特征在于，所述指定轨迹是从虚拟仿真场景图像中根据光伏板模型布局含有的地理经纬度定位坐标信息制定的轨迹。

4.根据权利要求1所述的方法，其特征在于，所述巡检结果数据包括无人机飞行轨迹的经纬度和高度信息、图像的拍摄时间和缺陷类型以及缺陷位置和缺陷位置所在光伏板编号的信息。

5.根据权利要求1所述的方法，其特征在于，所述缺陷判定神经网络模型使用的是Faster-RCNN目标检测模型。

6.根据权利要求1所述的方法，其特征在于，所述输出最终光伏板故障定位是：无人机按照指定巡检轨迹重复飞行多次，对每一次获取光伏板图像进行解析处理分别输出光伏板故障定位，对每一次的光伏板故障定位进行比对，将重复出现的光伏板故障定位作为最终光伏板故障定位输出。

7.一种实现权利要求1所述光伏电站智能巡检方法的系统，其特征在于，所述系统包括：无人机数据导入模块、巡检数据解析模块、深度学习算法模块、数字光伏电站模块、巡检结果管理模块和巡检回放模块；其中：

所述无人机数据导入模块是将无人机巡检所采集的红外光图像、可见光图像进行预处理，并导入到巡检数据解析模块中；

所述巡检数据解析模块是利用深度学习算法将巡检图像数据解析为所需的巡检结果，包括经纬度、高度、拍摄时间、缺陷类型、缺陷位置及所在光伏板的编号；

所述深度学习算法模块为巡检数据解析模块提供支撑，包括缺陷检测算法和图像配准算法，缺陷检测算法从多模态巡检图像中检测出各类缺陷，图像配准算法将数字光伏电站模块的虚拟仿真场景图像与实际采集的真实光伏电站图像进行配准；

所述数字光伏电站模块为实际的光伏电站建立对应的虚拟仿真场景图像和语义实例图像，为深度学习算法模块生成场景图像、语义实例图像虚拟数据，进而可视化巡检回放模块的巡检过程；

所述巡检结果管理模块用于存储和管理光伏电站巡检的数据，包括原始巡检数据和解析的巡检结果，并支持巡检结果的查询；

所述巡检回放模块是将单个批次的巡检过程数据和结果数据进行可视化，实现在数字光伏电站中的回放展示。