[发明专利]一种基于深度学习的光伏电池板巡检方法

说明书

本发明公开了一种基于深度学习的光伏电池板巡检方法，涉及电力巡检与图像处理领域，其步骤如下：准备网络输入数据，利用无人机携带成像设备采集光伏电池板的图像数据集；通过翻转、旋转、镜像、亮度调节等操作对训练集和测试集进行增强和扩展，增加数据的多样性；本发明通过改进的Unet分割模型设计了光伏电池板缺陷区域的检测算法，针对无人机采集图像的特点和检测微小区域的要求，改进了原始的Unet模型的网络结构，引入了双注意力特征融合模块，并设置了合适的激活函数等网络参数，实现了对于裂缝等微小缺陷的特征提取，抑制了背景的干扰，提高了网络的鲁棒性和准确率，可以有效地解决光伏电池板巡检的问题，为光伏变电站的稳定运行提供了保障。

技术领域

本发明涉及电力巡检与图像处理技术领域，尤其涉及一种基于深度学习的光伏电池板巡检方法。

背景技术

随着能源危机和环境污染的进一步加剧，人们逐渐寻求新的绿色能源替代传统的化石能源。太阳能作为一种可再生能源，具有容易获取、可持续利用、绿色环保等优点。同时，光伏产业和技术也在不断的进步发展，各地逐渐开始建设光伏电站来利用太阳能。在这些电站中分布着大量的太阳能电池板，而每一块电池板都是太阳能发电中最重要的部件之一，其转换率和使用寿命是决定太阳电池是否具有使用价值的重要因素。作为一种将光能转换为电能的装置，太阳能电池板的组建材料包括太阳能电池板、EVA材料、铝合金、TP背板以及钢化玻璃等。在生产过程中任何意想不到的错误都会导致缺陷，同时太阳能电池板长期处于暴晒、雨淋等恶劣的环境下，这些不可避免地会给电池板造成不同程度的损伤。如何及时地发现并处理这些问题直接影响了太阳能电池板光电转换效率以及使用寿命。传统的检测方法主要通过人工视觉的巡检、电致发光检测EL法、超声波检测法等。但是这些检测方法需要耗费大量的人力、物力物资且效率极低，不能达到工业检测的实际需求。随着无人机技术的快速发展，已经被逐步运用于电力巡检等领域。通过工业无人机搭载可见光或红外一体相机对大型光伏电站进行巡检，可以有效的解决这一系列问题。首先利用无人机按照规划好的巡检路线采集待检的光伏图像，然后利用图像处理等技术进行区域分割,将前景区域与背景区域分割出来，最后进行故障检测与分析从而得出结论。

目前对光伏电池板进行巡检时，无法准确快速地对目标光伏电池板区域进行巡检，更无法及时地获得设备的真实状态，发现故障区域完成检修任务，从而无法为整个光伏变电站的稳定运行提供保障，为此我们提出一种基于深度学习的光伏电池板巡检方法来解决上述问题。

发明内容

本发明的目的是为了解决现有技术中存在对光伏电池板进行巡检时，无法准确快速地对目标光伏电池板区域进行巡检，更无法及时地获得设备的真实状态，发现故障区域完成检修任务，从而无法为整个光伏变电站的稳定运行提供保障的问题，而提出的一种基于深度学习的光伏电池板巡检方法。

为了实现上述目的，本发明采用了如下技术方案：

一种基于深度学习的光伏电池板巡检方法，其步骤如下：

步骤1：准备网络输入数据，利用无人机携带成像设备采集光伏电池板的图像数据集；

步骤2：通过翻转、旋转、镜像、亮度调节等操作对训练集和测试集进行增强和扩展，增加数据的多样性；

步骤3：构建并行注意力机制优化的分割网络U-Net；

步骤4：构建并行注意力模块；

步骤5：使用搭建好的模型在步骤1构建的数据集上进行训练；

步骤6：使用训练好的网络对无人机拍摄的图像进行测试，微调网络。

优选地，准备网络输入数据，利用无人机携带成像设备采集光伏电池板的图像数据集，包括不同损伤类型：破损、裂缝、遮盖等，所有图像大小均调整为八位256pixel×256pixel，然后通过Labelme软件对采集对图像进行真值标注并输出标注后的数据集及对应的真值图。