[发明专利]基于人工智能的光伏相机运动模糊自适应调整方法与系统

权利要求书

1.一种基于人工智能的光伏相机运动模糊自适应调整方法，其特征在于，该方法包括：

在图像采集设备运动时，采集光伏电池板的表面图像；

将采集到的所述表面图像通过傅里叶变换得到频谱图；

将第一帧所述表面图像的频谱图作为标准频谱图，利用其他所述频谱图与所述标准频谱图作差得到差值图，计算所述差值图的平均灰度值，将所述平均灰度值视为图像模糊程度；

获得所述图像采集设备的运动速度；

建立所述图像采集设备的运动速度和图像采集设备的参数之间的第一非线性映射模型，所述第一非线性映射模型为：

及所述图像模糊程度和图像采集设备的参数之间的第二非线性映射模型，所述第二非线性映射模型为：

其中，所述图像采集设备的参数是指快门速度、光圈大小以及帧率；为待定系数；

当所述图像模糊程度时，通过所述第一非线性映射模型和第二非线性映射模型，调整所述图像采集设备的参数。

2.如权利要求1所述的方法，其特征在于，所述第一非线性映射模型中待定系数的值的获取方法为将采集的样本数据通过第一全连接神经网络训练拟合，获得所述待定系数的值。

3.如权利要求1所述的方法，其特征在于，所述第二非线性映射模型中待定系数的值的获取方法为将采集的样本数据通过第二全连接神经网络训练拟合，获得所述待定系数的值。

4.如权利要求1所述的方法，其特征在于，所述调整所述图像采集设备的参数包括对所述光圈大小的调整的步骤，所述光圈大小a与所述快门速度s的关系如下：

。

5.如权利要求4所述的方法，其特征在于，所述调整所述图像采集设备的参数的步骤，包括：

当图像模糊程度降低至标准水平时，利用所述第二非线性映射模型得到所述标准水平对应的快门速度；

所述图像采集设备自动调节至快门速度以及对应的光圈大小；

利用所述运动速度通过所述模型得到对应的帧率，所述图像采集设备自动调节所述帧率。

6.一种基于人工智能的光伏相机运动模糊自适应调整系统，其特征在于，该系统包括：

图像采集模块，用于在图像采集设备运动时，采集光伏电池板的表面图像；

傅里叶变换模块，用于将采集到的所述表面图像通过傅里叶变换得到频谱图；

模糊程度预测模块，用于将第一帧所述表面图像的频谱图作为标准频谱图，利用其他所述频谱图与所述标准频谱图作差得到差值图，计算所述差值图的平均灰度值，将所述平均灰度值视为图像模糊程度；

速度采集模块，用于获得所述图像采集设备的运动速度；

建模模块，用于建立所述图像采集设备的运动速度和图像采集设备的参数之间的第一非线性映射模型，所述第一非线性映射模型为：

及所述图像模糊程度和图像采集设备的参数之间的第二非线性映射模型，所述第二非线性映射模型为：

其中，所述图像采集设备的参数是指快门速度、光圈大小以及帧率；为待定系数；

调整模块，用于当所述图像模糊程度时，通过所述第一非线性映射模型和第二非线性映射模型，调整所述图像采集设备的参数。

7.如权利要求6所述的系统，其特征在于，所述模糊程度预测模块包括：

作差模块，用于将第一帧所述表面图像的频谱图作为标准频谱图，利用其他所述频谱图与所述标准频谱图作差得到差值图；以及

灰度计算模块，用于计算所述差值图的平均灰度值。

8.如权利要求6所述的系统，其特征在于，所述建模模块，包括第一拟合模块和第二拟合模块：

第一拟合模块，用于将采集的样本数据通过第一全连接神经网络训练拟合，获得所述待定系数的值；

第二拟合模块，用于将 采集的样本数据通过第二全连接神经网络训练拟合，获得所述待定系数的值。

9.如权利要求6所述的系统，其特征在于，所述调整所述图像采集设备的参数包括对所述光圈大小的调整，所述光圈大小a与所述快门速度s的关系如下：

。

10.如权利要求9所述的系统，其特征在于，所述调整模块，包括：

判断模块，用于当所述图像模糊程度时，触发自适应调整系统；

调节模块，用于基于所述第一非线性映射模型和第二非线性映射模型调节所述图像采集设备的参数。