【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及光伏系統(tǒng)中的缺陷檢測(cè)技術(shù)，具體涉及一種多尺度中心環(huán)繞抑制的紅外光伏熱斑檢測(cè)方法，特別適用于復(fù)雜環(huán)境下光伏的熱斑檢測(cè)。
技術(shù)介紹
1、光伏板（也稱太陽(yáng)能電池板）作為光伏發(fā)電系統(tǒng)的核心組件，其性能和穩(wěn)定性直接影響整個(gè)系統(tǒng)的發(fā)電效率和使用壽命。在光伏板的實(shí)際應(yīng)用中，由于安裝環(huán)境復(fù)雜多變，光伏板表面容易受到灰塵、樹葉、鳥糞等物質(zhì)的遮擋，以及受到局部機(jī)械損傷或材料老化的影響，從而在板面上形成局部的高溫區(qū)域，即熱斑現(xiàn)象。熱斑的出現(xiàn)會(huì)嚴(yán)重影響光伏板的發(fā)電效率和使用壽命。
2、現(xiàn)有光伏熱斑檢測(cè)方法存在很多問題：（1）檢測(cè)精度低：使用可見光或紅外攝像頭拍攝光伏板表面圖像，可通過圖像處理技術(shù)檢測(cè)溫度異常區(qū)域。然而，傳統(tǒng)圖像處理方法在復(fù)雜環(huán)境下容易受到噪聲干擾，檢測(cè)精度和魯棒性較低。并且在檢測(cè)相鄰的多個(gè)熱斑時(shí)，傳統(tǒng)方法難以區(qū)分，容易導(dǎo)致檢測(cè)結(jié)果的混淆。（2）環(huán)境敏感度高：灰塵、樹葉等遮擋物容易干擾圖像處理，導(dǎo)致誤檢。而環(huán)境溫度、風(fēng)速等因素會(huì)影響紅外圖像的質(zhì)量，需要額外的溫度校正和補(bǔ)償措施。（3）檢測(cè)實(shí)時(shí)性差：傳統(tǒng)方法在數(shù)據(jù)采集、處理和分析過程中耗時(shí)較長(zhǎng)，無法實(shí)現(xiàn)實(shí)時(shí)檢測(cè)和快速響應(yīng)，導(dǎo)致熱斑問題不能及時(shí)發(fā)現(xiàn)和處理。而紅外圖像處理需要復(fù)雜的算法支持，傳統(tǒng)算法在精度和實(shí)時(shí)性上存在一定的不足。（4）檢測(cè)成本高：高分辨率的紅外熱成像設(shè)備成本較高，尤其是大規(guī)模應(yīng)用時(shí)，設(shè)備投入較大，需要高效的紅外圖像檢測(cè)算法。
3、這些問題限制了現(xiàn)有光伏熱斑檢測(cè)的環(huán)境適應(yīng)性及使用條件，導(dǎo)致在復(fù)雜環(huán)境下現(xiàn)有的光伏熱斑檢測(cè)方法出現(xiàn)定位不準(zhǔn)確，識(shí)別
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)針對(duì)現(xiàn)有的光伏熱斑檢測(cè)算法存在的檢測(cè)精度低、環(huán)境敏感度高、檢測(cè)實(shí)時(shí)性差、檢測(cè)成本高等缺點(diǎn)，提供了一種多尺度中心環(huán)繞抑制的紅外光伏熱斑檢測(cè)方法和系統(tǒng)，以實(shí)現(xiàn)復(fù)雜環(huán)境下光伏板熱斑的高效、準(zhǔn)確檢測(cè)和定位，顯著提高檢測(cè)的準(zhǔn)確率和實(shí)時(shí)性，同時(shí)降低檢測(cè)成本。
2、為實(shí)現(xiàn)上述目的，本專利技術(shù)采取下述技術(shù)方案：
3、一種多尺度中心環(huán)繞抑制的紅外光伏熱斑檢測(cè)方法，包括如下步驟：
4、s1紅外圖像采集步驟，使用高精度紅外相機(jī)對(duì)光伏面板進(jìn)行拍攝。紅外相機(jī)能夠捕捉面板的熱成像圖，以便后續(xù)分析。
5、s2數(shù)據(jù)預(yù)處理步驟，對(duì)采集到的紅外圖像進(jìn)行去噪處理。使用fourier-gauss濾波器對(duì)圖像進(jìn)行處理。具體來說，通過傅里葉變換將圖像轉(zhuǎn)換到頻域，然后應(yīng)用高斯濾波器對(duì)頻域圖像進(jìn)行平滑處理，最后進(jìn)行逆傅里葉變換得到處理后的圖像。這一過程能夠有效抑制圖像中的噪聲，增強(qiáng)熱斑的顯著性。
6、s3邊緣增強(qiáng)步驟，使用邊緣增強(qiáng)算法對(duì)預(yù)處理后的圖像進(jìn)行處理，增強(qiáng)圖像中的邊緣特征。具體來說，使用形態(tài)學(xué)開操作和sobel算子進(jìn)行邊緣增強(qiáng)，將檢測(cè)到的邊緣與原始圖像進(jìn)行融合，增強(qiáng)圖像中的邊緣信息。通過邊緣增強(qiáng)，可以更清晰地顯示出熱斑的輪廓。
7、s4初始特征提取步驟，利用deformable?attention網(wǎng)絡(luò)提取紅外圖像中的特征點(diǎn)。具體來說，deformable?attention網(wǎng)絡(luò)引入了可變形卷積和注意力機(jī)制，使得網(wǎng)絡(luò)能夠根據(jù)圖像內(nèi)容動(dòng)態(tài)調(diào)整感受野和注意力區(qū)域。通過在標(biāo)準(zhǔn)卷積操作中引入動(dòng)態(tài)偏移量，使得卷積核在圖像上的采樣位置可以動(dòng)態(tài)調(diào)整，從而更好地適應(yīng)圖像中的形變，從而更加精準(zhǔn)地檢測(cè)出熱斑。
8、s5中心環(huán)繞抑制步驟，中心環(huán)繞抑制機(jī)制通過增強(qiáng)圖像中的顯著區(qū)域并抑制背景區(qū)域，從而提高圖像處理和計(jì)算機(jī)視覺任務(wù)的效果，并使用adapool自適應(yīng)池化方法，根據(jù)輸入圖像的特征動(dòng)態(tài)調(diào)整池化參數(shù)，將池化后特征圖輸入bifpn結(jié)構(gòu)實(shí)現(xiàn)不同尺度的圖像特征融合。
9、s6熱斑檢測(cè)步驟，定義一種基于集合的子模信息度量的損失函數(shù)，利用這一損失函數(shù)，進(jìn)行faster?r-cnn-csi（center-surround-inhibition）模型的訓(xùn)練，顯著提高模型的檢測(cè)精度。
10、所述s2中高斯濾波器對(duì)頻域圖像進(jìn)行平滑處理的具體步驟為：設(shè)計(jì)一個(gè)高斯濾波器平滑圖像，抑制高頻噪聲，同時(shí)保留低頻信息；通過點(diǎn)乘操作，將高斯濾波器與頻率域圖像相乘，從而實(shí)現(xiàn)對(duì)圖像的頻率選擇性平滑處理。
11、所述s2具體步驟如下：
12、s2.1圖像的傅里葉變換：將采集到的紅外圖像i(x,y)通過傅里葉變換轉(zhuǎn)換到頻域，傅里葉變換公式如下：?其中，f(u,v)為頻域圖像，m和n分別是圖像的寬度和高度，j是虛數(shù)單位，所述u為頻域圖像中的橫坐標(biāo)，其中v為頻域圖像中的縱坐標(biāo)，其中x為紅外圖像中的橫坐標(biāo)，其中y為紅外圖像中的縱坐標(biāo)，e是常用對(duì)數(shù)；
13、s2.2應(yīng)用高斯濾波器：在頻域中，對(duì)圖像應(yīng)用高斯濾波器進(jìn)行平滑處理，高斯濾波器的頻域表示為：?其中，為高斯濾波器的標(biāo)準(zhǔn)差，控制濾波器的平滑程度。通過將高斯濾波器h(u,v)乘以頻域圖像f(u,v)，得到平滑處理后的頻域圖像：，u和v全程是同一個(gè)初始圖像的水平垂直分量，是一致的；
14、s2.3逆傅里葉變換：將平滑處理后的頻域圖像g(u,v)，通過逆傅里葉變換轉(zhuǎn)換回空間域，得到去噪處理后的圖像。逆傅里葉變換公式如下：
15、。
16、所述s3中邊緣增強(qiáng)模塊，具體內(nèi)容如下：所述形態(tài)學(xué)開操作先進(jìn)行形態(tài)學(xué)腐蝕操作，然后進(jìn)行形態(tài)學(xué)膨脹操作，再使用sobel算子對(duì)形態(tài)學(xué)開操作后的圖像進(jìn)行邊緣檢測(cè)；所述sobel算子分別計(jì)算圖像在水平方向和垂直方向上的梯度，然后將兩個(gè)方向上的梯度進(jìn)行組合，得到圖像的邊緣強(qiáng)度圖，之后將邊緣強(qiáng)度圖與原始圖像按照一定的權(quán)重進(jìn)行相加，得到增強(qiáng)后的圖像。融合的方法可以是簡(jiǎn)單的加權(quán)相加，即將邊緣強(qiáng)度圖與原始圖像按照一定的權(quán)重進(jìn)行相加，得到增強(qiáng)后的圖像。
17、所述形態(tài)學(xué)開操作公式如下：；其中，表示腐蝕操作，表示膨脹操作，b為結(jié)構(gòu)元素，結(jié)構(gòu)元素b是一個(gè)二值矩陣，即，是形態(tài)學(xué)開操作的結(jié)果。
18、所述s4中deformable?attention網(wǎng)絡(luò)提取紅外圖像中的特征，具體內(nèi)容如下：
19、s4.1輸入特征提取：從處理后的紅外圖像中提取初始特征圖，所述初始特征圖通過卷積神經(jīng)網(wǎng)絡(luò)獲得，包含圖像中不同區(qū)域的特征信息；
20、s4.2deformable卷積層：在初始特征圖上應(yīng)用deformable卷積層；deformable卷積是一種改進(jìn)的卷積操作，通過引入可學(xué)習(xí)的偏移量，使得卷積核可以適應(yīng)不同形狀的感受野，從而更好地捕捉到圖像中的幾何變形和細(xì)節(jié)特征。
21、s4.3注意力機(jī)制：在deformable卷積后的特征圖上應(yīng)用注意力機(jī)制；所述注意力機(jī)制通過對(duì)初始特征圖中的不同位置賦予不同的權(quán)重，突出重要區(qū)域的特征信息，抑制不重要區(qū)域的干擾；這一步可以增強(qiáng)紅外圖像中熱斑區(qū)域的特征，使得熱斑更加明顯。
22、s4.4deformable?attention模塊：結(jié)合deformable卷積層和注意力機(jī)制，形成deformable?attention模塊本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種多尺度中心環(huán)繞抑制的紅外光伏熱斑檢測(cè)方法，其特征在于，包括如下步驟：
2.如權(quán)利要求1所述的一種多尺度中心環(huán)繞抑制的紅外光伏熱斑檢測(cè)方法，其特征在于，所述S2中高斯濾波器對(duì)頻域圖像進(jìn)行平滑處理的具體步驟為：設(shè)計(jì)一個(gè)高斯濾波器平滑圖像，抑制高頻噪聲，同時(shí)保留低頻信息；通過點(diǎn)乘操作，將高斯濾波器與頻率域圖像相乘，從而實(shí)現(xiàn)對(duì)圖像的頻率選擇性平滑處理。
3.如權(quán)利要求2所述的一種多尺度中心環(huán)繞抑制的紅外光伏熱斑檢測(cè)方法，其特征在于，所述S2具體步驟如下：
4.根據(jù)權(quán)利要求1所述的一種多尺度中心環(huán)繞抑制的紅外光伏熱斑檢測(cè)方法，其特征在于，所述S3中邊緣增強(qiáng)模塊，具體內(nèi)容如下：所述形態(tài)學(xué)開操作先進(jìn)行形態(tài)學(xué)腐蝕操作，然后進(jìn)行形態(tài)學(xué)膨脹操作，再使用Sobel算子對(duì)形態(tài)學(xué)開操作后的圖像進(jìn)行邊緣檢測(cè)；所述Sobel算子分別計(jì)算圖像在水平方向和垂直方向上的梯度，然后將兩個(gè)方向上的梯度進(jìn)行組合，得到圖像的邊緣強(qiáng)度圖，之后將邊緣強(qiáng)度圖與原始圖像按照一定的權(quán)重進(jìn)行相加，得到增強(qiáng)后的圖像。
5.根據(jù)權(quán)利要求1所述的一種多尺度中心環(huán)繞抑制的紅外光伏熱斑檢測(cè)
6.根據(jù)權(quán)利要求1所述的一種多尺度中心環(huán)繞抑制的紅外光伏熱斑檢測(cè)方法，其特征在于，所述S4中Deformable?Attention網(wǎng)絡(luò)提取紅外圖像中的特征，具體內(nèi)容如下：
7.根據(jù)權(quán)利要求1所述的一種多尺度中心環(huán)繞抑制的紅外光伏熱斑檢測(cè)方法，其特征在于，所述S5中中心環(huán)繞抑制機(jī)制，具體內(nèi)容如下：首先對(duì)BiFPN結(jié)構(gòu)處理后的多尺度特征圖進(jìn)行空間注意力加權(quán)，計(jì)算每個(gè)特征點(diǎn)的中心環(huán)繞抑制權(quán)重。
8.根據(jù)權(quán)利要求1所述的一種多尺度中心環(huán)繞抑制的紅外光伏熱斑檢測(cè)方法，其特征在于，所述Adapool自適應(yīng)池化方法，具體內(nèi)容如下：AdaPool?通過利用Dice-S?rensen?系數(shù)計(jì)算每個(gè)激活之間的相似度，然后對(duì)內(nèi)核區(qū)域內(nèi)的平均激活進(jìn)行指數(shù)加權(quán)。
9.根據(jù)權(quán)利要求1所述的一種多尺度中心環(huán)繞抑制的紅外光伏熱斑檢測(cè)方法，其特征在于，損失函數(shù)，基于子模信息度量，F(xiàn)aster?R-CNN-CSI模型，公式如下：
...【技術(shù)特征摘要】
1.一種多尺度中心環(huán)繞抑制的紅外光伏熱斑檢測(cè)方法，其特征在于，包括如下步驟：
2.如權(quán)利要求1所述的一種多尺度中心環(huán)繞抑制的紅外光伏熱斑檢測(cè)方法，其特征在于，所述s2中高斯濾波器對(duì)頻域圖像進(jìn)行平滑處理的具體步驟為：設(shè)計(jì)一個(gè)高斯濾波器平滑圖像，抑制高頻噪聲，同時(shí)保留低頻信息；通過點(diǎn)乘操作，將高斯濾波器與頻率域圖像相乘，從而實(shí)現(xiàn)對(duì)圖像的頻率選擇性平滑處理。
3.如權(quán)利要求2所述的一種多尺度中心環(huán)繞抑制的紅外光伏熱斑檢測(cè)方法，其特征在于，所述s2具體步驟如下：
4.根據(jù)權(quán)利要求1所述的一種多尺度中心環(huán)繞抑制的紅外光伏熱斑檢測(cè)方法，其特征在于，所述s3中邊緣增強(qiáng)模塊，具體內(nèi)容如下：所述形態(tài)學(xué)開操作先進(jìn)行形態(tài)學(xué)腐蝕操作，然后進(jìn)行形態(tài)學(xué)膨脹操作，再使用sobel算子對(duì)形態(tài)學(xué)開操作后的圖像進(jìn)行邊緣檢測(cè)；所述sobel算子分別計(jì)算圖像在水平方向和垂直方向上的梯度，然后將兩個(gè)方向上的梯度進(jìn)行組合，得到圖像的邊緣強(qiáng)度圖，之后將邊緣強(qiáng)度圖與原始圖像按照一定的權(quán)重進(jìn)行相加，得到增強(qiáng)后的圖像。
5.根據(jù)權(quán)利要求1所述的一種多尺度中心環(huán)繞抑制的紅外光伏熱斑檢測(cè)方法...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張磊，董欽，章立宗，陳浩，沈祥，秦建松，金建舟，張皓淇，賀明，朱杰，汪磊，周松，金鋼，張碩彬，王子弋，顧煜明，徐達(dá)，車艷紅，裘索，蘆高明，金旸棟，黃紫英，金平，
申請(qǐng)(專利權(quán))人：紹興建元電力集團(tuán)有限公司，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。