[发明专利]一种基于深度卷积神经网络的光伏板热斑检测方法及装置

权利要求书

1.一种基于深度卷积神经网络的光伏板热斑检测方法，其特征在于，包括以下步骤：

获取光伏板红外图像；

利用改进的目标检测算法Yolov4构建光伏板识别模型，通过所述光伏板识别模型识别并截取所述光伏板红外图像中的光伏板；

利用优化的语义分割算法DeepLabV3+构建热斑分割模型，通过所述热斑分割模型对截取到的光伏板上的热斑进行检测分割；

所述目标检测算法Yolov4的改进包括将Yolov4算法的主干特征提取网络CSPDarknet53替换为轻量型网络MobileNetV2，并将加强特征提取网络PAnet中标准3×3卷积替换为深度可分离卷积；所述语义分割算法DeepLabV3+的优化包括将主干特征提取网络Xception替换为轻量型网络MobileNetV2。

2.根据权利要求1所述的基于深度卷积神经网络的光伏板热斑检测方法，其特征在于，通过无人机航拍获取所述光伏板红外图像。

3.根据权利要求1所述的基于深度卷积神经网络的光伏板热斑检测方法，其特征在于，通过所述光伏板识别模型识别并截取所述光伏板红外图像中的光伏板，包括以下步骤：

通过所述改进的目标检测算法Yolov4的主干特征提取网络MobileNetV2对输入的所述光伏板红外图像进行初步的特征提取，获得初步的特征层；

通过所述改进的目标检测算法Yolov4的空间金字塔池化网络SPP对所述特征层进行不同尺度的池化处理，在经过级联后进行3×3卷积；

将卷积后的特征输入加强特征提取网络PAne进行特征融合，获得预测框的四个坐标top、left、bottom、right；

通过获取的预测框的四个坐标top、left、bottom、right，利用矩阵的形式对所述光伏板识别模型识别，得到光伏板识别结果图片并进行截取。

4.根据权利要求1所述的基于深度卷积神经网络的光伏板热斑检测方法，其特征在于，通过所述热斑分割模型对截取到的光伏板上的热斑进行检测分割，包括以下步骤：

在所述优化的语义分割算法DeepLabV3+的编码器中，利用MobileNetV2网络的空洞卷积提取光伏板上的热斑特征，将热斑特征合并后进行1×1卷积压缩，输出高级特征；

在所述优化的语义分割算法DeepLabV3+的在解码器中，将编码器中的低级特征进行1×1卷积降维之后与高级特征进行特征融合，恢复目标边界，并解码出最终的光伏板上的热斑。

5.根据权利要求4所述的基于深度卷积神经网络的光伏板热斑检测方法，其特征在于，所述优化的语义分割算法DeepLabV3+采用的损失函数为Dice损失函数与交叉熵损失函数相结合得到的损失函数，表示式为：

式中，H为图像的高度，W为图像的宽度，p_i，j为以位置(i,j)处为前景的预测概率，g_i，j为位置(i,j)处的标签，标签为0或1。

6.根据权利要求2所述的基于深度卷积神经网络的光伏板热斑检测方法，其特征在于，在通过所述光伏板识别模型进行光伏板识别前通过数据增广技术对所述光伏板红外图像进行预处理，实现数据扩充。

7.根据权利要求6所述的基于深度卷积神经网络的光伏板热斑检测方法，其特征在于，利用数据增广技术对所述光伏板红外图像数据进行预处理，包括以下步骤：

对将所述光伏板红外图像随机旋转0-120°形成扩充后的光伏板红外图像；

或将所述光伏板红外图像向右平移并旋转180°形成扩充后的光伏板红外图像，使检测目标位于不同的位置；

或使所述光伏板红外图像变暗形成扩充后的光伏板红外图像，用来模拟实际拍摄时出现的问题；

对扩充后的光伏板红外图像进行标记，用于网络的训练。