【技術實現步驟摘要】
本專利技術屬于光伏發電系統中光伏接線盒領域，尤其涉及一種基于輪廓匹配的光伏接線盒故障檢測方法。
技術介紹
1、隨著近年光伏產業的迅猛發展，光伏接線盒是連接太陽能光伏組件之間的連接和保護裝置，其作用為連接和保護太陽能光伏組件，將太陽能電池的電力與外部線路連接，傳導光伏組件所產生的電流。當光伏接線盒故障時，可能會導致光伏電池間的電路開斷，影響太陽能光伏組件的發電功能。此外，光伏接線盒的故障會增加光伏組件內部元器件損害的可能性，嚴重時甚至導致光伏組件內部發生高溫、短路、火災等安全事故。
2、現有技術中，對光伏接線盒的測試方法主要包括人工目視檢測法。但人工目視檢測法，即通過直接的用人眼視覺或者借助一些光學設，如放大鏡、顯微鏡等來觀察光伏接線盒是否發生損壞的方法。此種方法不僅效率比較低，實時性差，還存在漏檢故障的情況。因此，急需一種快速、準確、低成本檢測方法對光伏接線盒的故障進行檢測。
技術實現思路
1、本專利技術目的在于提供一種一種基于輪廓匹配的光伏接線盒故障檢測方法,以解決現有光伏接線盒故障檢測效率低、實時性差且準確性低的技術問題。
2、為解決上述技術問題，本專利技術所采用的的具體技術方案如下：
3、s1、獲取待檢測光伏接線盒圖像；
4、s2、根據待檢測光伏接線盒圖像得到待檢測光伏接線盒輪廓；
5、s3、根據檢測到的光伏接線盒輪廓判斷光伏接線盒故障類型。
6、進一步的，步驟s1中所述獲取待檢測光伏接線盒圖像，包括使用
7、進一步的，步驟s1中所述獲取待檢測光伏接線盒圖像，包括采集獲取待檢測光伏接線盒圖像后對圖像進行數字化預處理運算。
8、進一步的，所述對采集獲取待檢測光伏接線盒圖像進行數字化預處理運算，包括中值濾波、otsu閾值法、灰度級形態學處理、圖像增強。此步驟通過中值濾波、圖像對比度增強、局部二值化結合分區域otsu閾值法、灰度級形態學處理等方法對圖像進行預處理，為故障檢測提供數據保障。其包括如下子步驟：
9、s1.1采用非線性的中值濾波方法，對圖像進行平滑處理；
10、s1.2調節對比度，使采集的接線盒圖像更突出、清晰；
11、s1.3采用局部二值化方法和分區域全局二值化相結合方法對圖像進行二值化處理；
12、進一步的，采用局部二值化方法和分區域全局二值化相結合方法對圖像進行二值化處理，其包括如下子步驟：
13、s1.3.1判斷像素灰度變換平坦（或劇烈）區域，將圖像分為若干子塊，計算子塊區域內所有像素的平均偏差。一塊圖像區域的平均絕對偏差代表單個像素的灰度值與所有像素灰度平均值的偏離水平，能夠反映該區域內像素值的灰度變化偏向平坦還是劇烈。當局部窗口在整幅圖像中滑動時，計算局部窗口中不同圖像子塊落入的面積比例，將每個子塊對應的通過該比例進行加權求和后可得到閾值子塊落入的面積比例，將每個子塊對應的通過該比例進行加權求和后可得到閾值子塊落入的面積比例，將每個子塊對應的通過該比例進行加權求和后可得到閾值，計算公式為：
14、；
15、其中，n代表圖像子塊落入局部窗口中的個數，i代表圖像字塊的標號。為第i個子塊對應的平均絕對值偏差。為由第i個字塊落入滑動窗口中所占的面積比例因子，該因子可由下式求得：
16、；
17、其中，為第i個子塊落入滑動窗口中的像素數，sum為滑動窗口中的像素總數。接著，再計算局部滑動窗口內像素的平均偏差σ，通過比較σ和來判斷局部窗口區域內像素灰度的變化情況，具體比較方法如下所示：
18、
19、其中，α為比較系數，經過實驗發現，該系數在處理光伏接線盒圖片時，取0.3時效果最佳。
20、s1.3.2灰度變化平坦區域二值化方法。利用ostu算法同時計算每個子塊的二值化閾值，具體方法如下式：
21、
22、其中，為第i個子塊對應的otsu閾值。當窗口內為灰度變化平坦區域時，直接判斷局部窗口中心化像素灰度值與上式計算得到的閾值o的大小，并進行二值化，其具體方法如下所示：
23、；
24、其中，和分別為圖像在像素點處的原灰度值和二值化后的值。
25、s1.3.3灰度變化劇烈區域二值化方法。當局部窗口中心像素灰度遠大于（或遠小于）閾值o時，直接將該像素閾值置為0（或1），具體方法如下式所示：
26、；
27、其中，參數β控制局部窗口中心像素灰度值與閾值o的距離，β越大距離越遠。
28、當局部窗口中心像素灰度與閾值接近時，二值化方法如下所示：
29、；
30、其中，mean和σ分別代表局部窗口像素灰度平均值和平均絕對偏差。
31、s1.4對二值化后的圖像進行適合的形態學處理，對于故障檢測的圖片進行閉運算，填充片內細小空洞、平滑其邊界的同時并不明顯改變其面積。
32、進一步的，步驟s2中利用自適應canny邊緣檢測算法得到待檢測光伏接線盒輪廓，包括以下步驟：
33、s2.1實用一階sobel算子對圖像x方向和y方向進行計算，得到梯度矢量，；
34、s2.2計算出圖像的梯度值矩陣s，同時計算出圖像中最大梯度值m：
35、；
36、；
37、其中，表表示梯度值矩陣s某個點i的坐標，表示梯度值矩陣s某個點j的坐標，表示i點的梯度值，表示j點的梯度值，max表示求最大值；
38、s2.3首先計算出圖像的梯度值直方圖，然后設定直方圖的最大梯度值為h并且通過計算得到用于canny邊緣檢測的高閾值和低閾值，最后設定梯度值大小在前γ%的像素點為圖像的非邊緣點，剩下的1-γ%像素點為邊緣點：
39、；
40、；
41、；
42、其中，i表示1-的像素點中的最小梯度值，k標示高低閾值之間的比例系數。獲取輪廓邊緣上的k個像素點。
43、進一步的，步驟s3中判斷光伏接線盒故障類型還包括以下步驟：
44、通過比對預設接線盒故障類型邊緣線圍住的點坐標，判斷相同點所占所有預設點的百分比，百分比最大的則是對應的種類。邊緣線圍住的點的值記作1，即，預設接線盒故障類型邊緣線圍住的點記作，對于滿足預設的點,如果,則匹配計數加1。計算當前輪廓與預設故障類型的匹配度，公式如下：
45、；
46、則令匹配點最大所對應的預設點數所關聯的預設接線盒故障類型則為接線盒故障的種類。
47、本專利技術的有益效果在于：基于局部二值化方法和分區域全局二值化相結合方法對圖像進行二值化處理對待檢測的光伏接線盒圖像進行二值化處理并得到相應的二值化圖像；然后，采用自適應canny邊緣算法檢測出待檢測的光伏接線盒圖像的輪廓；最后，根據邊緣與預設故障類型的匹配度確定待檢測的光伏接線盒的故障類型。相本文檔來自技高網...
【技術保護點】
1.一種基于輪廓匹配的光伏接線盒故障檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于輪廓匹配的光伏接線盒故障檢測方法，其特征在于，所述獲取待檢測光伏接線盒圖像，包括采集獲取待檢測光伏接線盒圖像后對圖像進行數字化預處理運算。
3.根據權利要求2所述的基于輪廓匹配的光伏接線盒故障檢測方法，其特征在于，所述對采集獲取待檢測光伏接線盒圖像后對圖像進行數字化預處理運算，包括中值濾波、圖像對比度增強、局部二值化結合分區域Otsu閾值法、灰度級形態學處理方法對圖像進行預處理。
4.根據權利要求3所述的基于輪廓匹配的光伏接線盒故障檢測方法，其特征在于，所述局部二值化結合分區域Otsu閾值法，包括局部二值化方法和分區域全局二值化相結合方法對圖像進行二值化處理。
5.根據權利要求1所述的基于輪廓匹配的光伏接線盒故障檢測方法，其特征在于，所述根據待檢測光伏接線盒圖像得到待檢測光伏接線盒輪廓，包括自適應Canny邊緣檢測算法得到待檢測光伏接線盒輪廓。
6.根據權利要求1所述的基于輪廓匹配的光伏接線盒故障檢測方法，其特征在于，所
7.根據權利要求1所述的基于輪廓匹配的光伏接線盒故障檢測方法，其特征在于，所述步驟S1中所述獲取待檢測光伏接線盒圖像，包括使用工業CCD相機采集獲取待檢測光伏接線盒圖像。
...【技術特征摘要】
1.一種基于輪廓匹配的光伏接線盒故障檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于輪廓匹配的光伏接線盒故障檢測方法，其特征在于，所述獲取待檢測光伏接線盒圖像，包括采集獲取待檢測光伏接線盒圖像后對圖像進行數字化預處理運算。
3.根據權利要求2所述的基于輪廓匹配的光伏接線盒故障檢測方法，其特征在于，所述對采集獲取待檢測光伏接線盒圖像后對圖像進行數字化預處理運算，包括中值濾波、圖像對比度增強、局部二值化結合分區域otsu閾值法、灰度級形態學處理方法對圖像進行預處理。
4.根據權利要求3所述的基于輪廓匹配的光伏接線盒故障檢測方法，其特征在于，所述局部二值化結合分區域otsu閾值法，包括局部二值化方法和分區域全局...
【專利技術屬性】
技術研發人員：林敏，盧杭杰，吳精益，盧錁灃，文向明，
申請(專利權)人：浙江明禾新能科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。