一种光伏阵列缺陷消除评定方法、装置及计算机设备

本发明属于缺陷检测，具体涉及一种光伏阵列缺陷消除评定方法、装置及计算机设备。

背景技术：

1、随着国家大力推进大型风光基地建设，光伏电站装机容量愈来愈大，光伏发电呈规模化发展。由于光伏板对极端天气的耐受能力弱，易发生故障，因此高效、智能的光伏缺陷检测及管理技术是保障光伏产业高质量发展的重要因素。

2、对于光伏缺陷检测技术，早期传统的光伏电站主要依赖于电站设备的电气特性，一般只能定位故障到组串，无法定位到组件，且光伏电站电气特性参数受天气等环境因素影响较大，无法精准检测。目前随着深度学习智能算法的迅速发展，通过图像采集结合智能图像处理算法的光伏电站智能检测系统得到了广泛应用，其在安全、效率、灵活性等方面体现了巨大优势。

3、然而，当前光伏电站智能检测系统所使用的缺陷消除方法主要是依据红外光图像判断温度异常部位进而识别光伏阵列中异常发热组件，但是所拍摄的红外光图像往往组件边缘信息模糊，对于组件与环境，组件与组件之间难以做到有效分割，这就使得红外光图像难以有效利用。另一方面，当前的智能检测系统通常直接对所采集到的光伏阵列的图像进行缺陷识别，这难免会造成图像细节把握不完整，缺陷识别不准确。并且当前智能检测系统工作重点主要集中在缺陷的识别，对于识别缺陷之后的工作少有提及，对识别出的缺陷缺乏有效的管理、处理办法，对消除后的缺陷缺少有效的评定方式，导致光伏电站缺陷管理混乱。

技术实现思路

1、为了克服消除后的缺陷缺少有效的评定方式的不足，本发明提供了一种光伏阵列缺陷消除评定方法、装置及计算机设备，其方法包括如下步骤：

2、获取消除缺陷后的光伏阵列的光伏图像；

3、以消除缺陷后的光伏图像为参考图，以无缺陷的光伏图像为对比图，对所述参考图和对比图的特征点及特征描述符进行提取，获取光伏图像中的特征向量；

4、根据所述特征向量对所述参考图和对比图进行特征匹配，得到配准图；

5、对所述配准图和对比图作差，得到配准后的作差图；

6、若配准后的作差图存在异常区域位置则判定缺陷消除不成功，需进行再次消缺；若配准后的作差图不存在异常区域则判定消缺成功。

7、优选的，所述获取消除缺陷后的光伏阵列的光伏图像，包括如下步骤：

8、获取光伏阵列的可见光图像和红外光图像；

9、对获得的光伏阵列的可见光图像和红外光图像进行分割；

10、根据图像分割结果对光伏阵列缺陷进行识别及分类；

11、根据得到的光伏阵列缺陷类别确定对应的缺陷消除方法，并消除缺陷，获得消除缺陷后的光伏阵列的光伏图像。

12、优选的，对获得的光伏阵列的可见光图像和红外光图像进行分割，包括如下步骤：

13、使用深度学习模型mask rcnn将光伏阵列的可见光图像及红外光图像分割为可见光光伏组串图像和红外光光伏组串图像；

14、采用提取算子提取可见光光伏组串图像边缘并进行直线检测验证，在可见光光伏组串图像上分割出光伏组件图像；

15、通过特征点提取算子对所述已进行光伏组件分割的可见光光伏组串图像及红外光光伏组串图像提取特征点并进行多模态配准，以对红外光光伏组串图像进行分割，得到红外光光伏组件图像。

16、优选的，根据图像分割结果对光伏阵列缺陷进行识别及分类，包括如下步骤：

17、运用神经网络算法模型resnet对可见光光伏组件图像及红外光光伏组件图像进行缺陷识别，并对识别到的缺陷信息进行标记；

18、对比可见光光伏组件图像及红外光光伏组件图像的相同缺陷点，若红外光光伏组件图像为热斑，可见光光伏组件图像为鸟粪、草木或灰尘类的表面污染，则判定光伏组件为一类缺陷；

19、若红外光光伏组件图像为热斑，可见光光伏组件图像为电池片破碎、光伏组件碎裂类的损坏情况，则判定光伏组件为二类缺陷；

20、若红外光光伏组件图像为热斑，可见光光伏组件图像正常，则判定光伏组件为三类缺陷；

21、若红外光光伏组件图像为热斑，可见光光伏组件图像为阴影遮挡，且随着阴影消失后热斑消失，则判定光伏组件为正常，无需维护。

22、优选的，所述缺陷消除方法包括：

23、所述一类缺陷通过自动清扫设备或清洁人员清洗消除；

24、所述电池片破碎、光伏组件碎裂类的二类缺陷通过人工处理消除；

25、所述三类缺陷由专家根据消缺成本、对发电量的影响、缺陷对潜在风险等因素开展缺陷评定，并根据评定结果判定处理方式为暂缓处理或立即处理。

26、优选的，对所述参考图和对比图的特征点及特征描述符进行提取，包括如下步骤：

27、采用sift算法对参考图与对比图图像进行特征点提取；

28、基于高斯平滑方式，采用不同大小的标准差对参考图与对比图进行高斯平滑；

29、对高斯平滑后获得的参考图及对比图图像分别求差得到参考图及对比图的差分图像；

30、选取特征点主要包括差分图像上灰度的极大值点或者极小值点；

31、采用brief算法对参考图与对比图图像进行特征描述符的提取；

32、在特征点周围做像素值比较，比较结果编码为二进制串作为特征描述符；

33、基于图像中特征点及特征描述符，获取图像中具有尺度不变性和旋转不变性的特征向量，用于特征匹配。

34、优选的，根据所述特征向量对所述参考图和对比图进行特征匹配，得到配准图，包括如下步骤：

35、采用汉明距离hamming distance度量特征点对应的特征向量间的相似度；

36、针对参考图中的特征点a，根据汉明距离值在对比图中寻找对应的最近邻特征点b和次近邻特征点b′，计算特征点a和最近邻特征点b的汉明距离值，以及特征点a和次近邻特征点b′的汉明距离值；

37、若两个距离的比值小于设定阈值，特征点a和最近邻特征点b可以作为一对有效匹配的特征点，反之则删除特征点a；

38、根据已匹配成对的特征点进行变换模型估计，计算参考图和对比图之间的单应性矩阵；

39、根据单应性矩阵对参考图中的所有像素点进行映射，经重采样操作后可以实现参考图和对比图之间的对齐配准，获得配准图。

40、优选的，所述汉明距离公式为：

41、

42、其中，xn,yn分别为特征点a，b中第n个位置的值，n＝1，2，…n。

43、本发明还提供有一种光伏阵列缺陷消除评定装置，包括：

44、图像采集模块，用于获取光伏图像并消除光伏图像缺陷；

45、特征提取模块，用于以消除缺陷后的光伏图像为参考图，以无缺陷的光伏图像为对比图，对所述参考图和对比图的特征点及特征描述符进行提取；

46、配准图获取模块，用于根据提取的特征点对所述参考图和对比图进行特征匹配，得到配准图；

47、作差图获取模块，用于对所述配准图和对比图作差，得到配准后的作差图；

48、缺陷消除评定模块，用于若配准后的作差图存在异常区域位置则判定缺陷消除不成功，需进行再次消缺；若配准后的作差图不存在异常区域则判定消缺成功。

49、本发明还提供有一种计算机设备，包括存储器和处理器；所述存储器存储有计算机程序，所述处理器用于运行所述存储器内的计算机程序，以执行光伏阵列缺陷消除评定方法。

50、本发明提供的光伏阵列缺陷消除评定方法、装置及计算机设备具有以下有益效果：

51、本发明通过对消除缺陷后的参考图和无缺陷的光伏图像对比图的特征点及特征描述符进行提取，能够获取图像中的具有尺度不变性和旋转不变性的特征向量，从而能够对同一位置不同时间条件下的光伏缺陷图像进行特征匹配；通过特征匹配能够得到配准图，通过配准图能够获得该位置处缺陷随时间尺度的动态变化，准确掌握缺陷的变化情况，从而能够准确判定缺陷消除情况，为光伏电站的缺陷管理提供准确的指导。