[发明专利]基于可见光和热红外的光伏组件热斑联合检测系统及方法

说明书

本发明公开一种基于可见光和热红外的光伏组件热斑联合检测系统及方法，通过无人机采集光伏组件的热红外图像与可见光图像数据，采用卷积神经网络对随机从训练数据集中抽取部分训练数据进行训练，采用改进的Resnet‑50的网络模型和mobileV3网络模型集成网络对热红外图像与可见光图像进行检测，使用多数投票法确定最终的检测结果，并综合其检测结果判断是否出现热斑，本发明可对可见光图像与热红外图像进行多源数据融合决策，对于每次获取的图像，无需传统图像处理复杂的过程即可对热斑进行高精度实时检测，通过无人机机载系统和地面站系统的硬实时、软实时诊断相结合的故障诊断策略解决了热红外图像检测实时性差的问题。

技术领域

本发明属于光伏组件故障检测技术领域，具体涉及一种基于可见光和热红外的光伏组件热斑联合检测系统及检测方法。

背景技术

随着光伏组件应用范围的扩大，其安全性问题也愈发受到关注，其中最为普遍且危害最大的就是光伏组件存在的热斑效应，即在光伏组件使用过程中，表面难免会出现阴影遮挡或沾上污渍等情况，其内部产生的电流也因此相比正常工作时小。当一个区域中某一小部分处于上述情形时，就会产生严重的局部放热，最终导致整个光伏组件的烧毁。当前市面上流通的光伏产品通常会在电池片两侧并联旁路二极管以防止热斑效应，但受限于制造工艺水平，二极管的寿命长短不一，若二极管性能退化出现失效便会丧失对电池片的保护能力，因而热斑检测依旧是不可或缺的。

现有技术中为检测热斑，目前已有多种检测方法被提出。基于热红外图像分析故障诊断是当前最流行的方法，该方法是利用热红外图像中温度越高像素值越高的特点，通过图像处理获取图像特征，再使用算法对获取的特征进行分析，从而实现故障检测与定位。由于热红外图像自身具有边缘模糊，易受噪声干扰的缺点，该方法往往需要对获得的图像进行特征提取、特征识别、特征分析等多个环节操作，实行性差，且在诸如滤波等图像处理过程中难免造成信息丢失。此外，该方法对光反射等环境因素造成的图像灰度值上升没有较好的区分方法，容易造成误检，浪费维护资源。

发明内容

针对现有技术中存在的问题，本发明提供了一种基于可见光和热红外的光伏组件热斑联合检测系统及方法，对可见光图像与热红外图像进行多源数据融合决策，对于每次获取的图像，无需传统图像处理复杂的过程即可对热斑进行

高精度实时检测，提高了热红外图像检测过程的实行性，降低了发生误检的概率，最大程度降低了光伏组件的维护成本。

本发明是通过以下技术方案来实现：

一种基于可见光和热红外的光伏组件热斑联合检测系统，包括无人机机载系统和地面站系统，

所述无人机机载系统包括图像采集模块、机载通信模块和定位模块；所述图像采集模块用于采集可见光图像和热红外图像；所述定位模块用于记录图像采集模块中的可见光图像和热红外图像的拍摄位置信息；所述机载通信模块用于接收图像采集模块中的可见光图像和热红外图像传输至地面站系统的地面通信模块；

所述地面站系统包括地面通信模块和地面故障诊断模块；所述地面通信系统将接收到的可见光图像和热红外图像传输至地面故障诊断系统；所述地面故障诊断模块包括Resnet-50的网络模型模块，所述Resnet-50的网络模型模块用于对可见光图像和热红外图像进行识别诊断以确定热斑的位置。

优选的，所述无人机机载系统设置有机载故障诊断模块，所述机载故障诊断模块用于负责完成通信条件差时对热红外图像的离线诊断，且将热红外图像的热斑的位置信息传输至地面站系统。

优选的，所述无人机机载系统设置有存储模块，所述存储模块用于配合机载故障诊断模块在通信条件差时对热红外图像的离线诊断，并将诊断结果与图像位置信息存储。

优选的，所述机载故障诊断模块中设置有mobileV3网络模型模块，所述mobileV3网络模型模块用于通信条件差时对热红外图像的热斑进行识别检测。