[发明专利]一种基于人工智能的光伏电池图像局部光照不均处理方法

权利要求书

1.一种基于人工智能的光伏电池图像局部光照不均处理方法，其特征在于，该方法包括：

步骤S1：采集光伏电池板区域的RGB图像，输出原始图像；将原始图像输入关键点检测网络，检测栅线交点，输出关键点热力图；根据栅线交点坐标划分出栅格区域，得到包含N个栅格区域图像的ImageA；

步骤S2：将ImageA转化为HSV空间，计算ImageA中各个栅格区域图像的V通道均值，得到V通道均值序列n取值范围为[1,N],根据的分布确定标准明度值V_s；

步骤S3:对比栅格区域图像的和标准明度值V_s，判断栅格区域图像是否光照正常，并对ImageA进行二值化处理和连通域分析，得到若干个光照异常连通域，根据连通域包含的像素数量判断连通域是疑似异物区域还是阴影区域；

步骤S4:根据γ＝a₁^{|Gray-Gray′|}a₂^{|value-value′|}a₃^Hue′-Hue计算ImageA中疑似异物区域的异物指标并判断疑似异物区域是否为异物区域；

ImageA中疑似异物区域像素的灰度均值为Gray、H通道均值为Hue、V通道均值为value；ImageA中光照正常区域图像像素的灰度均值为Gray′、H通道均值为Hue′、V通道均值为value′；a₁为灰度放缩系数、a₂为明度放缩系数。

2.如权利要求1所述的方法，其特征在于，所述关键点检测网络的训练方法包括：

以相机采集的若干张原始图像为数据集；

人工标注出数据集中的栅线交点，生成标注数据；

使用均方误差损失函数进行网络训练。

3.如权利要求1所述的方法，其特征在于，所述确定标准明度值V_s的方法包括：

对进行直方图统计，得到频数最高的区间S，将区间S的中值作为标准明度值V_s。

4.如权利要求1所述的方法，其特征在于，所述判断栅格图像是否为光照正常区域图像的方法包括：

计算各栅格图像V通道均值与标准明度值V_s的方差β，设置经验方差阈值m₂，当β≥m₂时，判定该栅格图像为光照异常区域图像；当β＜m₂时，判定该栅格图像为光照正常区域图像。

5.如权利要求1所述的方法，其特征在于，所述二值化处理的方法包括：

将光照异常区域内像素灰度值设为255，将光照正常区域内像素灰度值设为0。

6.如权利要求1所述的方法，其特征在于，所述判断连通域是疑似异物区域还是阴影区域的方法包括：

统计各个连通域包含的像素数量Q_b，b为连通域编号，设置像素数量阈值m₃，当Q_b≥m₃时，判定该连通域为阴影区域；当Q_b＜m₃时，判定该连通域为疑似异物区域。

7.如权利要求1所述的方法，其特征在于，所述判断疑似异物区域是否为异物区域包括：

设置经验异物指标阈值m₄，当γ≥m₄时，判定疑似异物区域为异物区域；当γm₄时，判定疑似异物区域为阴影区域。