[发明专利]一种基于无人机的光伏组件图像的故障分类及辨识方法

说明书

一种基于无人机的光伏组件图像的故障分类及辨识方法，包括可见光和红外航拍图像的辨识；可见光图像故障采用基于HSV阀值的图像分割和形态学处理，检测是否有EVA脱落和异物遮挡故障区域；红外图像故障基于检测光伏组件“热斑”现象进行分类辨识。所述方法步骤包括（1）获取航拍图像；（2）图像分割；（3）形态学处理；（4）提取轮廓特征；（5）检测故障区域。本发明针对光伏组件的航拍影像故障，提出了光伏组件的故障分类方法以及故障辨识特征，从而为无人机光伏巡检故障智能识别提供辨识依据。本发明方法简单、实用。

技术领域

本发明涉及一种基于无人机的光伏组件的图像故障分类及辨识方法，属航拍影像识别技术领域。

背景技术

光伏设备的安装受地理环境影响，通常呈现杂乱性和分散性，使用人工对整个电站的设施进行全面具体的检测，非常耗时耗力。而无人机具有高效、灵活、安全、低成本、航拍面积大等特点，应用于光伏电站巡检非常具有优势。无人机巡检可以将故障定位到具体的组件串和组件上。目前，无人机对光伏电站组件巡检主要采取搭载可见光、红外设备对组件进行图像采样，再由工作人员对照片进行筛选、判断故障类型，故障辨识的准确性，取决于员工的专业技术。虽然利用图像处理等算法进行光伏组件故障的智能辨识也有了研究运用，但是主要集中在红外图像中。所以，对整个光伏组件故障类型的分类与辨识的技术指标研究十分有必要。

发明内容

本发明的目的是，针对无人机巡检光伏组件图像采样后的图像处理存在的问题，提出一种基于无人机的光伏组件图像的故障分类及辨识方法，从而为无人机光伏巡检故障智能识别提供辨识依据。

本发明实现的技术方案如下，一种基于无人机的光伏组件的故障分类及辨识方法，包括可见光和红外航拍图像的辨识；可见光图像故障采用基于HSV阀值的图像分割和形态学处理，检测是否有EVA脱落和异物遮挡故障区域；红外图像故障基于检测光伏组件“热斑”现象进行分类辨识；辨识步骤如下：

（1）无人机进行可见光和红外航拍，获取航拍图像；

（2）基于HSV阀值的图像分割和形态学处理，检测是否有EVA脱落和异物遮挡故障区域；

（3）若检测到故障区域，按照第一类故障辨识方法，计算HSV三个分量，当HSV满足灰白色三个分量阀值，则认定为EVA脱落，否则是异物遮挡；

（4）若未检测到故障区域，则进入第（5）步；

（5）基于HSV空间的图像分割和直线检测算法，检测是否有组件裂纹区域；若存在则判断存在组件裂纹故障，如不存在，则组件正常；

（6）对红外照片进行分析，针对存在热斑现象的区域，查看相同位置的可见光照片，如果对应的可见光照片存在异物遮挡，则光伏组件故障辨识为异物遮挡，如果不存在异物遮挡，则判断为红外图像第二类故障，即电池本身内部缺陷。

所述可见光图像故障分为两类，第一类故障是EVA脱落和异物遮挡，第二类故障是光伏组件碎裂；

所述第一类故障采用HSV空间图像分割和形态学处理算法；第二列故障采用HSV空间图像分割和直线检测算法；

EVA脱落故障区域HSV分量表现为灰白色特点；而异物故障区域HSV三个分量值标准差很大，所以在检测到故障区域后，采用排除法判定，如果不属于EVA脱落，则判定为异物遮挡；

第二类故障组件裂纹采用HSV空间图像分割和霍夫直线检测法；组件裂纹的图像呈现为灰度值很高的白色，容易与光伏组件的栅线混淆，所以采用霍夫直线检测消除光伏组件的栅线影响；再根据提取出的故障区域判断轮廓特征是否满足分散性，确定是否为组件裂纹故障。