[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

说明书

本发明提出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。采集光伏电池板原始图像，通过关键点检测网络检测光伏电池板栅线的交点并得到关键点热力图。根据一定规则将关键点连接起来，得到包含若干个栅格区域的ImageA。计算各栅格区域图像V通道均值，统计得出标准明度值；对比各栅格区域图像的和标准明度值，判断栅格区域图像光照是否正常；对ImageA进行二值化处理并进行连通域分析，得到若干个光照异常连通域；根据连通域中像素点数量判断连通域是疑似异物区域还是阴影区域；进一步地，计算疑似异物区域的异物指标，判断是否为异物区域。

技术领域

本申请涉及计算机视觉领域，具体涉及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。

背景技术

对于光照不均匀的光伏电池板图像，需要对光照不均匀的区域进行匀光处理，但匀光处理会丢失光伏电池上鸟粪、树叶等异物的信息，所以如何在识别光照不均匀的区域的同时将异物区域区分出来，对更好地进行匀光处理有积极意义。

2015年10月7日公开的“CN 103712685 B”公开了光伏阵列辐照度测量识别方法，其提前标记好光伏组件的边框，使用相机采集光伏阵列图像，以光伏组件的边框的灰度值代表整个光伏组件的灰度值，根据灰度值的均方差大小判断是否光照均匀。该方法的不足在于：整体判断是否光照均匀，若在几个较小的栅格区域有光照不均的情况，会误判为光照均匀。且无法区分出存在异物的区域。

发明内容

针对以上问题，本发明提出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。采集光伏电池板原始图像，通过关键点检测网络检测光伏电池板栅线的交点，得到关键点热力图,根据一定规则将关键点连接起来，得到包含若干个栅格区域的ImageA。计算各栅格区域图像V通道均值，统计得出标准明度值，对比各栅格区域图像的和标准明度值，判断栅格区域图像光照是否正常；对ImageA进行二值化处理并进行连通域分析，得到若干个光照异常连通域，根据连通域中像素点数量判断连通域是疑似异物区域还是阴影区域；进一步地，计算疑似异物区域的异物指标，判断是否为异物区域。

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。

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。