本申請(qǐng)涉及光伏巡檢領(lǐng)域，公開了一種異物識(shí)別方法、系統(tǒng)和光伏巡檢設(shè)備，其中方法包括：獲取包含異物的數(shù)據(jù)集，對(duì)數(shù)據(jù)集中的異物進(jìn)行至少兩個(gè)維度的劃分，對(duì)劃分得到的每個(gè)數(shù)據(jù)子集增加異物類別標(biāo)簽；構(gòu)建異物識(shí)別模型，使用數(shù)據(jù)集對(duì)異物識(shí)別模型進(jìn)行訓(xùn)練；基于訓(xùn)練后的異物識(shí)別模型識(shí)別光伏組件上的目標(biāo)異物，輸出目標(biāo)異物對(duì)應(yīng)每個(gè)異物類別標(biāo)簽的特征數(shù)值。以便識(shí)別出所述圖像數(shù)據(jù)中是否存在目標(biāo)異物，并計(jì)算得到目標(biāo)異物對(duì)應(yīng)每個(gè)異物類別標(biāo)簽的概率數(shù)值。通過本申請(qǐng)，將數(shù)據(jù)集進(jìn)行不同維度的劃分，使其帶有泛化的特性，能讓模型有識(shí)別任意異物的基礎(chǔ)，降低了數(shù)據(jù)集整理的難度，提高了模型構(gòu)建及處理的工作性能，也提高了異物識(shí)別的范圍。
【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請(qǐng)涉及光伏巡檢領(lǐng)域，具體而言，涉及一種異物識(shí)別方法、系統(tǒng)和光伏巡檢設(shè)備。
技術(shù)介紹
1、太陽(yáng)能光伏板是現(xiàn)代清潔能源技術(shù)的重要組成部分，它們通過將太陽(yáng)光轉(zhuǎn)換成電能來為家庭、企業(yè)和電網(wǎng)提供電力。然而，光伏板的效率受到多種因素的影響，其中之一就是表面的異物遮擋。當(dāng)光伏板上出現(xiàn)樹葉、塑料垃圾、鳥糞或其他任何形式的異物時(shí)，它們會(huì)阻擋陽(yáng)光的直射，影響光伏板吸收光能的能力。
2、如果這些異物形成大面積遮擋，還可能導(dǎo)致光伏板出現(xiàn)局部熱斑進(jìn)而引發(fā)起火，造成安全事故。傳統(tǒng)的人工檢查和清潔方法在面對(duì)大規(guī)模光伏電廠時(shí)顯得力不從心。由于光伏板數(shù)量龐大，人工檢查每一塊板是否存在遮擋不僅耗時(shí)，而且增加了人工成本。此外，人工檢查的效率和準(zhǔn)確性也難以保證，可能會(huì)出現(xiàn)遮擋物檢查遺漏的問題。
技術(shù)實(shí)現(xiàn)思路
1、為了解決上述技術(shù)問題，本申請(qǐng)?zhí)峁┮环N異物識(shí)別方法、系統(tǒng)和光伏巡檢設(shè)備，通過將光伏電站的大量光伏組件數(shù)據(jù)集進(jìn)行不同維度的劃分，使其帶有泛化的特性，讓模型有識(shí)別任意異物的基礎(chǔ)，其中數(shù)據(jù)集中不需要大量不同類型的異物特征，提高了模型構(gòu)建及處理的工作性能，也提高了異物識(shí)別的范圍。
2、具體的，本申請(qǐng)的技術(shù)方案如下：
3、第一方面，本申請(qǐng)公開一種異物識(shí)別方法，包括：
4、獲取包含異物的數(shù)據(jù)集，對(duì)所述數(shù)據(jù)集中的所述異物的特征進(jìn)行至少兩個(gè)維度的劃分，對(duì)劃分得到的每個(gè)數(shù)據(jù)子集增加異物類別標(biāo)簽；
5、構(gòu)建異物識(shí)別模型，使用所述數(shù)據(jù)集對(duì)所述異物識(shí)別模型進(jìn)行訓(xùn)練；
<
p>6、基于訓(xùn)練后的所述異物識(shí)別模型識(shí)別采集的圖像數(shù)據(jù)，輸出所述圖像數(shù)據(jù)對(duì)應(yīng)每個(gè)所述異物類別標(biāo)簽的特征數(shù)值；7、通過概率轉(zhuǎn)換函數(shù)處理所述特征數(shù)值，識(shí)別出所述圖像數(shù)據(jù)中是否存在目標(biāo)異物，并得到所述目標(biāo)異物對(duì)應(yīng)每個(gè)所述異物類別標(biāo)簽的概率數(shù)值。
8、在一些實(shí)施方式中，所述的對(duì)所述數(shù)據(jù)集進(jìn)行至少兩個(gè)維度的劃分，對(duì)劃分得到的每個(gè)數(shù)據(jù)子集增加異物類別標(biāo)簽，包括：
9、識(shí)別所述異物的色彩，對(duì)所述數(shù)據(jù)集進(jìn)行劃分并增加色彩標(biāo)簽；
10、識(shí)別所述異物的形狀，對(duì)所述數(shù)據(jù)集進(jìn)行劃分并增加形狀標(biāo)簽；
11、識(shí)別所述異物相對(duì)于光伏組件的尺寸，對(duì)所述數(shù)據(jù)集進(jìn)行劃分并增加尺寸標(biāo)簽；
12、識(shí)別所述異物的所在位置是否在所述光伏組件上，對(duì)所述數(shù)據(jù)集進(jìn)行劃分并增加位置標(biāo)簽。
13、在一些實(shí)施方式中，所述異物識(shí)別模型包括相互連接的卷積神經(jīng)網(wǎng)絡(luò)和多層感知器結(jié)構(gòu)。
14、在一些實(shí)施方式中，所述的基于訓(xùn)練后的所述異物識(shí)別模型識(shí)別采集的圖像數(shù)據(jù)，輸出所述圖像數(shù)據(jù)對(duì)應(yīng)每個(gè)所述異物類別標(biāo)簽的特征數(shù)值，包括如下步驟：
15、將所述圖像數(shù)據(jù)輸入所述卷積神經(jīng)網(wǎng)絡(luò)；
16、通過所述卷積神經(jīng)網(wǎng)絡(luò)對(duì)所述圖像數(shù)據(jù)進(jìn)行圖像特征提取，得到圖像特征；
17、通過所述多層感知器結(jié)構(gòu)，對(duì)所述圖像特征進(jìn)行分類，輸出所述圖像數(shù)據(jù)對(duì)應(yīng)每個(gè)所述異物類別標(biāo)簽的特征數(shù)值。
18、在一些實(shí)施方式中，所述的通過所述多層感知器結(jié)構(gòu)，對(duì)所述圖像特征進(jìn)行分類，輸出所述圖像數(shù)據(jù)對(duì)應(yīng)每個(gè)所述異物類別標(biāo)簽的特征數(shù)值，還包括：
19、通過所述多層感知器結(jié)構(gòu)，將所述特征數(shù)值分為有異物特征的第一類特征數(shù)值和無(wú)異物特征的第二類特征數(shù)值；
20、具體的，基于所述位置標(biāo)簽的特征數(shù)值，對(duì)所述異物是否在所述光伏組件范圍內(nèi)進(jìn)行歸類，若是則將所述特征數(shù)值分為第一類特征數(shù)值；若否則將所述特征數(shù)值分為第二類特征數(shù)值；
21、基于所述尺寸標(biāo)簽的特征數(shù)值，對(duì)所述異物的尺寸是否在大于最小設(shè)定尺寸進(jìn)行歸類，若是則將所述特征數(shù)值分為第一類特征數(shù)值；若否則將所述特征數(shù)值分為第二類特征數(shù)值。
22、在一些實(shí)施方式中，所述通過概率轉(zhuǎn)換函數(shù)處理所述特征數(shù)值，識(shí)別出所述圖像數(shù)據(jù)中是否存在目標(biāo)異物，包括：
23、通過概率轉(zhuǎn)換函數(shù)，處理所述第一類特征數(shù)值和所述第二類特征數(shù)值，得到所述圖像數(shù)據(jù)對(duì)應(yīng)的所述異物類別標(biāo)簽中有異物概率和無(wú)異物概率的概率數(shù)值；
24、若所述有異物概率的概率數(shù)值大于第一設(shè)定概率，或所述無(wú)異物概率的概率數(shù)值小于第二設(shè)定概率，則認(rèn)為所述圖像數(shù)據(jù)中存在所述目標(biāo)異物。
25、在一些實(shí)施方式中，所述得到所述目標(biāo)異物對(duì)應(yīng)每個(gè)所述異物類別標(biāo)簽的概率數(shù)值，包括：
26、通過概率轉(zhuǎn)換函數(shù)依次處理所述異物類別標(biāo)簽的特征數(shù)值；
27、優(yōu)先處理所述位置標(biāo)簽，判斷所述異物在所述光伏組件上的區(qū)塊位置，得到其對(duì)應(yīng)的概率數(shù)值；
28、其次處理所述尺寸標(biāo)簽，判斷所述異物的尺寸范圍，得到其對(duì)應(yīng)的概率數(shù)值；
29、再次識(shí)別所述形狀標(biāo)簽，判斷所述異物是否具有片狀、條狀、圓形狀，以及不規(guī)則形狀特征，分別得到其對(duì)應(yīng)的概率數(shù)值；
30、最后處理所述色彩標(biāo)簽，識(shí)別所述異物所屬的色彩類別，分別得到其對(duì)應(yīng)的概率數(shù)值。
31、在一些實(shí)施方式中，所述的一種異物識(shí)別方法，還包括使用驗(yàn)證后的所述圖像數(shù)據(jù)對(duì)所述異物識(shí)別模型進(jìn)行反向傳播訓(xùn)練。
32、在一些實(shí)施方式中，所述的一種異物識(shí)別方法，還包括：通過調(diào)整識(shí)別所述異物的特征權(quán)重，控制相應(yīng)所述異物的識(shí)別強(qiáng)度。
33、第二方面，本申請(qǐng)還概括一種異物識(shí)別系統(tǒng)，包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)上述任一項(xiàng)實(shí)施方式中所述的一種異物識(shí)別方法的步驟。
34、第三方面，本申請(qǐng)還公開一種光伏巡檢設(shè)備，至少包括上述任一項(xiàng)實(shí)施方式中所述的一種異物識(shí)別系統(tǒng)。
35、與現(xiàn)有技術(shù)相比，本申請(qǐng)至少具有以下一項(xiàng)有益效果：
36、1、本申請(qǐng)構(gòu)建的數(shù)據(jù)集，可降低深度學(xué)習(xí)模型的處理難度，提高了深度學(xué)習(xí)模型對(duì)大量異物的處理準(zhǔn)確度。通過本申請(qǐng)，將數(shù)據(jù)集進(jìn)行不同維度的劃分，使其帶有泛化的特性，能讓模型有識(shí)別任意異物的基礎(chǔ)。降低了數(shù)據(jù)集采集的難度和工作量。
37、2、本申請(qǐng)?zhí)峁┑漠愇镒R(shí)別模型，基于本申請(qǐng)?zhí)峁┑臄?shù)據(jù)集訓(xùn)練得到，不需要對(duì)輸入的圖像數(shù)據(jù)進(jìn)行語(yǔ)義分割和檢測(cè)，只需要能實(shí)現(xiàn)分類任務(wù)，就可以對(duì)不同類型的異物特征進(jìn)行識(shí)別，提高了模型構(gòu)建及處理的工作性能，也提高了異物識(shí)別的范圍。
本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種異物識(shí)別方法，其特征在于，用于光伏巡檢，包括如下步驟：
2.如權(quán)利要求1所述的一種異物識(shí)別方法，其特征在于，所述的對(duì)所述數(shù)據(jù)集進(jìn)行至少兩個(gè)維度的劃分，對(duì)劃分得到的每個(gè)數(shù)據(jù)子集增加異物類別標(biāo)簽，包括：
3.如權(quán)利要求2所述的一種異物識(shí)別方法，其特征在于，所述異物識(shí)別模型包括相互連接的卷積神經(jīng)網(wǎng)絡(luò)和多層感知器結(jié)構(gòu)；
4.如權(quán)利要求3所述的一種異物識(shí)別方法，其特征在于，所述的通過所述多層感知器結(jié)構(gòu)，對(duì)所述圖像特征進(jìn)行分類，輸出所述圖像數(shù)據(jù)對(duì)應(yīng)每個(gè)所述異物類別標(biāo)簽的特征數(shù)值，還包括：
5.如權(quán)利要求4所述的一種異物識(shí)別方法，其特征在于，所述通過概率轉(zhuǎn)換函數(shù)處理所述特征數(shù)值，識(shí)別出所述圖像數(shù)據(jù)中是否存在目標(biāo)異物，包括：
6.如權(quán)利要求4所述的一種異物識(shí)別方法，其特征在于，所述得到所述目標(biāo)異物對(duì)應(yīng)每個(gè)所述異物類別標(biāo)簽的概率數(shù)值，包括：
7.如權(quán)利要求1-6任一項(xiàng)所述的一種異物識(shí)別方法，其特征在于，還包括：使用驗(yàn)證后的所述圖像數(shù)據(jù)對(duì)所述異物識(shí)別模型進(jìn)行反向傳播訓(xùn)練。
8.如權(quán)利要求7所述的一種異物識(shí)別方法，其特征在于，還包括：通過調(diào)整識(shí)別所述異物的特征權(quán)重，控制相應(yīng)所述異物的識(shí)別強(qiáng)度。
9.一種異物識(shí)別系統(tǒng)，包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)權(quán)利要求1-8任一項(xiàng)所述一種異物識(shí)別方法的步驟。
10.一種光伏巡檢設(shè)備，其特征在于，至少包括權(quán)利要求9所述的一種異物識(shí)別系統(tǒng)。
...
【技術(shù)特征摘要】
1.一種異物識(shí)別方法，其特征在于，用于光伏巡檢，包括如下步驟：
2.如權(quán)利要求1所述的一種異物識(shí)別方法，其特征在于，所述的對(duì)所述數(shù)據(jù)集進(jìn)行至少兩個(gè)維度的劃分，對(duì)劃分得到的每個(gè)數(shù)據(jù)子集增加異物類別標(biāo)簽，包括：
3.如權(quán)利要求2所述的一種異物識(shí)別方法，其特征在于，所述異物識(shí)別模型包括相互連接的卷積神經(jīng)網(wǎng)絡(luò)和多層感知器結(jié)構(gòu)；
4.如權(quán)利要求3所述的一種異物識(shí)別方法，其特征在于，所述的通過所述多層感知器結(jié)構(gòu)，對(duì)所述圖像特征進(jìn)行分類，輸出所述圖像數(shù)據(jù)對(duì)應(yīng)每個(gè)所述異物類別標(biāo)簽的特征數(shù)值，還包括：
5.如權(quán)利要求4所述的一種異物識(shí)別方法，其特征在于，所述通過概率轉(zhuǎn)換函數(shù)處理所述特征數(shù)值，識(shí)別出所述圖像數(shù)據(jù)中是否存在目標(biāo)異物，包括：
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉軍，王士濤，張鄴，
申請(qǐng)(專利權(quán))人：湖州麗天智能科技有限公司，
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。