【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請(qǐng)涉及光伏電池板識(shí)別，特別是涉及一種基于視覺特征約束的光伏識(shí)別方法及相關(guān)裝置。
技術(shù)介紹
1、隨著可再生能源需求的不斷增長(zhǎng)，光伏發(fā)電作為一種清潔、可持續(xù)的能源形式，受到了廣泛關(guān)注和快速發(fā)展。光伏電池板是光伏發(fā)電系統(tǒng)的核心組成部分，其性能和布局直接影響著光伏發(fā)電系統(tǒng)的效率。為了提高光伏電池板的維護(hù)效率和運(yùn)行可靠性，準(zhǔn)確識(shí)別和分割光伏電池板在各種應(yīng)用場(chǎng)景中顯得尤為重要。
2、光伏電池板的分割是計(jì)算機(jī)視覺中的一個(gè)重要問題，旨在從復(fù)雜的圖像背景中識(shí)別并提取出光伏電池板區(qū)域。傳統(tǒng)的圖像處理方法在處理光伏電池板分割時(shí)，往往因?yàn)楣庹兆兓⒈尘皬?fù)雜等原因，使得光伏電池板識(shí)別結(jié)果不準(zhǔn)確、不可靠。
3、隨著深度學(xué)習(xí)技術(shù)的迅猛發(fā)展，基于深度學(xué)習(xí)的分割模型在計(jì)算機(jī)視覺任務(wù)中展示了強(qiáng)大的性能，光伏電池板分割也因此受益匪淺。然而，光伏電池板在圖像中的視覺特征具有其獨(dú)特性，例如紋理均勻、顏色差異顯著、形狀規(guī)則。鑒于上述光伏電池板的視覺特征，傳統(tǒng)的通用深度學(xué)習(xí)分割模型在應(yīng)用于光伏電池板分割任務(wù)時(shí)，往往未能充分利用這些特性，從而限制了分割效果的進(jìn)一步提升，最終得到的光伏電池板識(shí)別結(jié)果也不太準(zhǔn)確。
技術(shù)實(shí)現(xiàn)思路
1、本申請(qǐng)的目的是提供一種基于視覺特征約束的光伏識(shí)別方法及相關(guān)裝置，可以有效提升識(shí)別光伏電池板的準(zhǔn)確性。
2、為實(shí)現(xiàn)上述目的，本申請(qǐng)?zhí)峁┝巳缦路桨福?/p>
3、第一方面，本申請(qǐng)?zhí)峁┝艘环N基于視覺特征約束的光伏識(shí)別方法，包括以下步驟：
4、獲取遙感圖像數(shù)
5、構(gòu)建upernet分割網(wǎng)絡(luò)模型；所述upernet分割網(wǎng)絡(luò)模型以所述遙感圖像為輸入，以所述遙感圖像對(duì)應(yīng)的圖像分割結(jié)果為輸出，所述upernet分割網(wǎng)絡(luò)模型包括特征金字塔網(wǎng)絡(luò)、特征聚合模塊和語義分割檢測(cè)頭，所述特征金字塔網(wǎng)絡(luò)用于對(duì)所述遙感圖像的多尺度特征進(jìn)行提取和融合，所述特征聚合模塊用于對(duì)融合后的多尺度特征對(duì)應(yīng)的特征圖進(jìn)行整合處理，所述語義分割檢測(cè)頭用于根據(jù)整合處理后的特征圖，輸出所述圖像分割結(jié)果；所述圖像分割結(jié)果為預(yù)測(cè)出的所述遙感圖像中分割出所述光伏電池板的所在區(qū)域的結(jié)果。
6、構(gòu)建基于對(duì)抗自編碼器的特征約束模塊；所述特征約束模塊包括顏色特征約束模塊、紋理特征約束模塊和形狀特征約束模塊，所述顏色特征約束模塊、所述紋理特征約束模塊和所述形狀特征約束模塊均包括自動(dòng)編碼器、解碼器和判別器，所述自動(dòng)編碼器用于將輸入特征向量編碼為低維流形，所述解碼器用于對(duì)輸入向量進(jìn)行解碼重構(gòu)，所述判別器用于區(qū)分所述upernet分割網(wǎng)絡(luò)模型預(yù)測(cè)的所述遙感圖像對(duì)應(yīng)的所述圖像分割結(jié)果與所述遙感圖像的所述真實(shí)標(biāo)簽之間的差異。
7、利用所述遙感圖像數(shù)據(jù)集，對(duì)所述特征約束模塊和所述upernet分割網(wǎng)絡(luò)模型進(jìn)行對(duì)抗訓(xùn)練，得到最優(yōu)upernet分割網(wǎng)絡(luò)模型。
8、獲取目標(biāo)區(qū)域的待測(cè)遙感圖像，并將所述待測(cè)遙感圖像輸入至所述最優(yōu)upernet分割網(wǎng)絡(luò)模型，預(yù)測(cè)得到所述目標(biāo)區(qū)域的所述待測(cè)遙感圖像對(duì)應(yīng)的所述圖像分割結(jié)果。
9、可選地，在獲取遙感圖像數(shù)據(jù)集的步驟之后，所述基于視覺特征約束的光伏識(shí)別方法還包括以下步驟：
10、分別對(duì)所述遙感圖像數(shù)據(jù)集中每一所述遙感圖像進(jìn)行預(yù)處理，得到預(yù)處理后的遙感圖像數(shù)據(jù)集；所述預(yù)處理后的遙感圖像數(shù)據(jù)集用于對(duì)所述特征約束模塊和所述upernet分割網(wǎng)絡(luò)模型進(jìn)行對(duì)抗訓(xùn)練，得到所述最優(yōu)upernet分割網(wǎng)絡(luò)模型。
11、可選地，分別對(duì)所述遙感圖像數(shù)據(jù)集中每一所述遙感圖像進(jìn)行預(yù)處理，得到預(yù)處理后的遙感圖像數(shù)據(jù)集，具體包括以下步驟：
12、分別對(duì)所述遙感圖像數(shù)據(jù)集中每一所述遙感圖像進(jìn)行剪裁處理，得到剪裁后的遙感圖像數(shù)據(jù)集；所述剪裁后的遙感圖像數(shù)據(jù)集包括若干剪裁后的遙感圖像。
13、分別對(duì)所述剪裁后的遙感圖像數(shù)據(jù)集中每一所述剪裁后的遙感圖像進(jìn)行數(shù)據(jù)增強(qiáng)處理，得到所述預(yù)處理后的遙感圖像數(shù)據(jù)集；所述數(shù)據(jù)增強(qiáng)處理包括圖像隨機(jī)旋轉(zhuǎn)處理，所述圖像隨機(jī)旋轉(zhuǎn)處理包括圖像隨機(jī)水平翻轉(zhuǎn)處理和圖像隨機(jī)垂直翻轉(zhuǎn)處理。
14、可選地，構(gòu)建所述顏色特征約束模塊，具體包括以下步驟：
15、針對(duì)所述顏色特征約束模塊，分別接受所述upernet分割網(wǎng)絡(luò)模型的預(yù)測(cè)掩碼和真實(shí)標(biāo)簽，并將所述預(yù)測(cè)掩碼和所述真實(shí)標(biāo)簽分別與對(duì)應(yīng)的遙感圖像做掩膜，確定目標(biāo)區(qū)域圖像。
16、根據(jù)所述目標(biāo)區(qū)域圖像，計(jì)算目標(biāo)區(qū)域的顏色直方圖。
17、基于所述目標(biāo)區(qū)域的顏色直方圖，利用所述顏色特征約束模塊的自動(dòng)編碼器，分別接受所述upernet分割網(wǎng)絡(luò)模型預(yù)測(cè)的陽性區(qū)域的顏色直方圖特征向量和真實(shí)的陽性區(qū)域的顏色直方圖特征向量，并將所述顏色直方圖特征向量中每個(gè)顏色特征映射到低維向量；所述陽性區(qū)域?yàn)樗龉夥姵匕宓乃趨^(qū)域。
18、利用所述顏色特征約束模塊的解碼器，捕獲所述低維向量中的顏色相關(guān)特征同時(shí)丟棄顏色無關(guān)特征，并重建輸入的顏色特征。
19、利用所述顏色特征約束模塊的判別器，區(qū)分所輸入的顏色特征來自于所述upernet分割網(wǎng)絡(luò)模型預(yù)測(cè)的圖像分割結(jié)果還是來自于真實(shí)的遙感圖像樣本。
20、可選地，構(gòu)建所述紋理特征約束模塊，具體包括以下步驟：
21、針對(duì)所述紋理特征約束模塊，采用lbp算法計(jì)算所述遙感圖像的局部二值模式編碼。
22、根據(jù)所述遙感圖像的局部二值模式編碼，確定所述遙感圖像對(duì)應(yīng)的lbp編碼圖。
23、將所述lbp編碼圖與對(duì)應(yīng)的所述upernet分割網(wǎng)絡(luò)模型的預(yù)測(cè)掩碼和所述真實(shí)標(biāo)簽進(jìn)行掩膜，得到目標(biāo)區(qū)域的lbp值。
24、將目標(biāo)區(qū)域的lbp值作為紋理特征向量，分別送入所述紋理特征約束模塊的自動(dòng)編碼器，并利用所述紋理特征約束模塊的判別器，區(qū)分對(duì)抗訓(xùn)練過程中的紋理特征差異。
25、可選地，構(gòu)建所述形狀特征約束模塊，具體包括以下步驟：
26、針對(duì)所述形狀特征約束模塊，將所述upernet分割網(wǎng)絡(luò)模型預(yù)測(cè)的圖像分割結(jié)果和所述真實(shí)標(biāo)簽輸入所述形狀特征約束模塊的自動(dòng)編碼器，利用對(duì)抗訓(xùn)練的方法訓(xùn)練自動(dòng)編碼器，以使所述形狀特征約束模塊的自動(dòng)編碼器編碼兩種類型的形狀，并捕獲兩種類型的形狀之間的差異，同時(shí)利用所述upernet分割網(wǎng)絡(luò)模型對(duì)抗所述形狀特征約束模塊的自動(dòng)編碼器，以使所述形狀特征約束模塊的自動(dòng)編碼器無法捕獲兩種類型的形狀之間的差異；其中，兩種類型的形狀指的是所述upernet分割網(wǎng)絡(luò)模型預(yù)測(cè)的圖像分割結(jié)果的二值圖的形狀和所述真實(shí)標(biāo)簽的二值圖的形狀。
27、可選地，對(duì)抗訓(xùn)練過程中使用的目標(biāo)損失函數(shù)的表達(dá)式為：
28、
29、其中，lall表示對(duì)抗訓(xùn)練的總目標(biāo)損失函數(shù)，lseg、ls、lt、lc分別表示分割損失、形狀損失、紋理損失、顏色損失；λ本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于視覺特征約束的光伏識(shí)別方法，其特征在于，所述基于視覺特征約束的光伏識(shí)別方法包括：
2.根據(jù)權(quán)利要求1所述的基于視覺特征約束的光伏識(shí)別方法，其特征在于，在獲取遙感圖像數(shù)據(jù)集的步驟之后，所述基于視覺特征約束的光伏識(shí)別方法還包括：
3.根據(jù)權(quán)利要求2所述的基于視覺特征約束的光伏識(shí)別方法，其特征在于，分別對(duì)所述遙感圖像數(shù)據(jù)集中每一所述遙感圖像進(jìn)行預(yù)處理，得到預(yù)處理后的遙感圖像數(shù)據(jù)集，具體包括：
4.根據(jù)權(quán)利要求1所述的基于視覺特征約束的光伏識(shí)別方法，其特征在于，構(gòu)建所述顏色特征約束模塊，具體包括：
5.根據(jù)權(quán)利要求1所述的基于視覺特征約束的光伏識(shí)別方法，其特征在于，構(gòu)建所述紋理特征約束模塊，具體包括：
6.根據(jù)權(quán)利要求1所述的基于視覺特征約束的光伏識(shí)別方法，其特征在于，構(gòu)建所述形狀特征約束模塊，具體包括：
7.根據(jù)權(quán)利要求1所述的基于視覺特征約束的光伏識(shí)別方法，其特征在于，對(duì)抗訓(xùn)練過程中使用的目標(biāo)損失函數(shù)的表達(dá)式為：
8.一種計(jì)算機(jī)設(shè)備，包括：存儲(chǔ)器、處理器以及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行
9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的基于視覺特征約束的光伏識(shí)別方法。
10.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的基于視覺特征約束的光伏識(shí)別方法。
...【技術(shù)特征摘要】
1.一種基于視覺特征約束的光伏識(shí)別方法，其特征在于，所述基于視覺特征約束的光伏識(shí)別方法包括：
2.根據(jù)權(quán)利要求1所述的基于視覺特征約束的光伏識(shí)別方法，其特征在于，在獲取遙感圖像數(shù)據(jù)集的步驟之后，所述基于視覺特征約束的光伏識(shí)別方法還包括：
3.根據(jù)權(quán)利要求2所述的基于視覺特征約束的光伏識(shí)別方法，其特征在于，分別對(duì)所述遙感圖像數(shù)據(jù)集中每一所述遙感圖像進(jìn)行預(yù)處理，得到預(yù)處理后的遙感圖像數(shù)據(jù)集，具體包括：
4.根據(jù)權(quán)利要求1所述的基于視覺特征約束的光伏識(shí)別方法，其特征在于，構(gòu)建所述顏色特征約束模塊，具體包括：
5.根據(jù)權(quán)利要求1所述的基于視覺特征約束的光伏識(shí)別方法，其特征在于，構(gòu)建所述紋理特征約束模塊，具體包括：
6.根據(jù)權(quán)利要求1所述的基于視覺特征約束的光伏...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陳云浩，趙智宇，蔣金豹，李康寧，
申請(qǐng)(專利權(quán))人：北京師范大學(xué)，
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。