[发明专利]一种基于无人机的光伏板灰尘检测系统及检测方法

权利要求书

1.一种光伏板灰尘检测系统的检测方法，其特征在于，检测系统包括运载平台，所述运载平台上设置有图像采集装置，包括后台服务器，所述图像采集装置通过通信网络与后台服务器信号相连；

包括以下步骤：

S1.根据作业现场规划无人机航线，运载平台搭载图像采集装置采集太阳能电池板的图像数据；

S2.图像采集装置将采集到的图像数据发送到后台服务器，后台服务器对图像进行预处理；

S3.后台服务器构建图像数据特征提取模型，后台服务器对预处理的数据通过图像数据特征提取模型进行特征提取；

S4.后台服务器中创建灰尘聚集程度级别数据库,具体步骤为：a.将光伏板灰尘积聚程度分为若干级别，根据步骤S3的光伏板图像特征提取数据，通过层次聚类算法对大量的光伏板灰尘图像数据实现不同灰尘积聚程度的图像特征数据划分，对光伏板积灰程度达到一个标准的量化度量；b.通过采用求解聚类质心的方法构建灰尘积聚程度级别数据库；

S5.后台服务器根据步骤S3中提取出来的特征数据与灰尘聚集程度级别数据库比对，判断太阳能电池板上的灰尘聚集程度。

2.如权利要求1所述的一种基于无人机的光伏板灰尘检测系统的检测方法，其特征在于：步骤S3中，建图像数据特征提取模型包括以下步骤：

S3.1、构建深度残差卷积神经网络模型，并对构建的深度残差卷积神经网络模型进行优化训练；

S3.2、判断训练后的深度残差卷积神经网络模型是否收敛，若收敛则进入步骤S3.3，若不收敛则回到步骤S3.1重新构建深度残差卷积神经网络模型并训练，重复若干次；

S3.3、对步骤S3.2中产生的收敛模型进行验证，获取最优的收敛模型，作为迁移学习的预训练模型；

S3.4、将步骤S2中预处理后的图像数据送入步骤S3.3中生成的预训练模型进行训练，对预训练模型实现微调，实现迁移学习，得到光伏板图像数据特征提取的深度学习模型。

3.如权利要求1所述的一种基于无人机的光伏板灰尘检测系统的检测方法，其特征在于：步骤S2中，图像进行预处理包括以下步骤：

S2.1、对采集到的图像进行太阳能电池板识别，并将太阳能电池板所对应的图像区域分割出来形成单一的太阳能电池板图像；

S2.2、对生成的单一的太阳能电池板图像进行线性滤波、非线性滤波和形态性学滤波处理；

S2.3、对步骤2处理后的图形进行“图像归一化”以及“图像特定尺寸缩放”算法处理，生成标准图像。

4.如权利要求1所述的一种基于无人机的光伏板灰尘检测系统的检测方法，其特征在于，在步骤S5中，根据步骤S3的光伏板图像特征提取数据与步骤S4创建的光伏板灰尘积聚程度级别数据库通过求解欧式距离进行最优匹配，准确检测出指定光伏组件的光伏板表面灰尘积聚程度级别，为是否进行清洗做出合理的判断依据。

5.如权利要求2所述的一种基于无人机的光伏板灰尘检测系统的检测方法，其特征在于：步骤S3.1中，对构建的深度残差卷积神经网络模型进行优化训练时，采用开源图像数据集ImageNet、CIFAR、PascalVOC、COCO对深度残差卷积神经网络模型进行优化训练。

6.如权利要求2-5中任一项所述的一种基于无人机的光伏板灰尘检测系统的检测方法，其特征在于：所述运载平台中设置有运行控制程序，所述图像采集装置为云台相机；所述后台服务器中设置有图像处理模型。

7.如权利要求2-5中任一项所述的一种基于无人机的光伏板灰尘检测系统的检测方法，其特征在于：所述后台服务器为深度学习服务器，所述运载平台为多旋翼无人机；包括平板设备，所述平板设备中设置有路线规划APP。

8.如权利要求2-5中任一项所述的一种基于无人机的光伏板灰尘检测系统的检测方法，其特征在于：所述多旋翼无人机上设置有RTK模块，所述多旋翼无人机通过RTK模块连接至千寻网络，提高设备的定位精度。