一种海上漂浮式光伏电站光伏板析盐区域识别方法
本发明涉及光伏板图像处理，尤其涉及一种海上漂浮式光伏电站光伏板析盐区域识别方法。
背景技术：
1、海上漂浮式光伏电站由于其独特的地理位置和安装环境，面临着与陆地光伏电站不同的挑战，尤其是光伏板面的析盐问题，在海上漂浮式电站中，析盐是一种常见的污损现象，它是由海水蒸发后盐分在光伏板表面的积累形成的。这种大范围的可透光污损不仅会阻碍光线的正常汇聚，还会导致光线散射，从而显著降低光伏电站的发电效率，由于海上环境的复杂性，如风浪、潮湿和盐雾等，这些因素进一步加剧了析盐的形成和积累，给光伏电站的维护和发电效率带来了严峻的挑战。
2、尽管无人机技术为海上漂浮式光伏电站的巡检提供了一种可行的解决方案，但由于人工巡检的难度极大，维护工作主要依赖无人机进行，这在一定程度上限制了巡检的效率和效果。此外，由于析盐与常见的灰尘在颜色和分布特性上的差异，传统的灰尘识别算法并不适用于析盐问题，这使得识别和处理析盐污损变得更加困难。目前，对于光伏板上的析盐区域，还需依靠人工进行手动标注和记录，这不仅增加了维护工作的难度，也大大提高了工作量和成本。因此，现有技术在高效、准确地识别和处理海上漂浮式光伏电站析盐问题方面存在明显的不足。
技术实现思路
1、基于上述目的，本发明提供了一种海上漂浮式光伏电站光伏板析盐区域识别方法。
2、一种海上漂浮式光伏电站光伏板析盐区域识别方法，包括以下步骤：
3、s1：使用无人机对海上漂浮式光伏电站进行整体图像的拍摄，获取由无人机巡检得到的光伏电站图像；
4、s2：通过目标检测算法对光伏电站图像进行光伏板区域分割操作，以识别和定位每块光伏板的位置信息，并根据该位置信息对原图像进行裁剪，获取所有单块光伏板图像；
5、s3：将单块光伏板图像经析盐边缘标记算法处理得到单块的析盐边缘粗标图；
6、s4：将所有析盐边缘粗标图结合原图进行析盐区域识别与标记，得到析盐分割标记图；
7、s5：将所有析盐分割标记图进行图像拼接，得到整体的光伏电站析盐标记图。
8、进一步的，所述s2中的目标检测算法采用fasterrcnn神经网络，将光伏电站图像导入至训练后的fasterrcnn神经网络中，得到光伏板位置区域。
9、进一步的，所述fasterrcnn神经网络具体包括：
10、数据预处理：对无人机拍摄的整体光伏电站图像进行预处理，包括调整图像的大小以符合fasterrcnn网络的输入要求，进行颜色归一化以减少光照变化的影响；
11、图像输入：将预处理后的图像输入到训练好的fasterrcnn神经网络中，所述fasterrcnn神经网络结合区域提议网络和r-cnn的深度学习模型，用于从图像中检测出目标对象的位置和类别；
12、区域提议：在fasterrcnn中，通过rpn生成一系列的区域提议，rpn评估图像的每个位置，并提出包含光伏板的区域候选框；
13、特征提取：对于每个区域提议，通过共享的卷积层将提取其特征，卷积层从图像中提取丰富的特征表示，识别和区分光伏板；
14、分类和回归：提取的特征被送入后续的网络层进行分类和边界框回归；
15、非极大值抑制：应用非极大值抑制算法来消除重叠过多的提议框，保留最佳的提议框作为最终的光伏板位置；
16、结果输出：fasterrcnn神经网络输出每块光伏板的位置信息，包括边界框的坐标，位置信息用于裁剪原始图像，得到单独的光伏板图像，以供后续的分析和处理使用。
17、进一步的，所述s3具体包括：
18、s31：为对光伏板图像进行降噪处理；
19、s32：将光伏板降噪后的图像，进行hls颜色空间转换；
20、s33：根据析盐区域在hls颜色空间中的特性进行区域标记处理，得到析盐区域图；
21、s34：在得到的析盐区域图中，将析盐区域以白色填充，对填充区域进行边缘识别处理，得到析盐边缘粗标图。
22、进一步的，所述s31中的降噪处理包括对图像做高斯模糊处理，表示为：
23、
24、其中，x为图像横坐标值，y为图像纵坐标值，p(x,y)为处理后图像中坐标为(x,y)的像素值，i(x,y)为原图像中坐标为(x,y)的像素值，σ为预设的方差值，用于调整高斯模糊程度。
25、进一步的，所述s32中的hls颜色空间转换具体表示如下：
26、
27、其中，r、g、b分别表示rgb颜色空间中的红、绿、蓝通道的像素值，h、l、s分别表示hls颜色空间中的色调、亮度、饱和度的值，max和min分别表示rgb颜色空间中的三通道中的最大值和最小值。
28、进一步的，所述s33中的区域标记处理具体如下：
29、
30、其中，new(x,y)为处理后图像于(x,y)的像素值，i(x,y)为降噪图像于(x,y)的像素值，h(x,y)为h通道中于(x,y)的像素值，l(x,y)为l通道中于(x,y)的像素值，s(x,y)为s通道中于(x,y)的像素值，hmean为h通道均值，lmean为l通道均值，smean为s通道均值。
31、进一步的，所述s4包括结合原图和所有析盐边缘粗标图，使用标准fcn全卷积神经网络进行析盐区域的识别与标记，其中，fcn全卷积神经网络的输入由原rgb颜色空间的三通道改为四通道输入，第四通道为析盐边缘粗标图的灰度数据，以得到每块光伏板的析盐分割标记图。
32、本发明的有益效果：
33、本发明，通过采用无人机巡检结合先进的图像处理技术，如fasterrcnn网络进行光伏板区域分割和析盐区域的精准识别，该方法能够有效识别出光伏板上的析盐污损，从而及时进行清洁和维护，不仅有助于减少因析盐导致的光线散射和发电效率下降，还能显著提高维护团队对于海上漂浮式光伏电站的维护效率，确保电站能够在最佳状态下运行。
34、本发明，利用无人机进行巡检并结合自动化的图像识别技术，可以大幅度降低对人工巡检的依赖，从而减少安全风险和人力成本，同时，这种自动化的巡检和分析方法可以实现更为频繁和全面的电站检查，以发现并解决问题，避免了因延误维护而导致的潜在损失。
35、本发明，通过自动化的图像收集和分析过程，为电站维护提供了大量准确的数据支持，通过对数据的分析，可以更好地理解海上漂浮式光伏电站析盐问题的规律和特点，从而优化维护流程和策略，实现针对性的维护和清洁工作。
技术特征：
1.一种海上漂浮式光伏电站光伏板析盐区域识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种海上漂浮式光伏电站光伏板析盐区域识别方法，其特征在于，所述s2中的目标检测算法采用fasterrcnn神经网络，将光伏电站图像导入至训练后的fasterrcnn神经网络中，得到光伏板位置区域。
3.根据权利要求2所述的一种海上漂浮式光伏电站光伏板析盐区域识别方法，其特征在于，所述fasterrcnn神经网络具体包括：
4.根据权利要求1所述的一种海上漂浮式光伏电站光伏板析盐区域识别方法，其特征在于，所述s3具体包括：
5.根据权利要求4所述的一种海上漂浮式光伏电站光伏板析盐区域识别方法，其特征在于，所述s31中的降噪处理包括对图像做高斯模糊处理，表示为：
6.根据权利要求5所述的一种海上漂浮式光伏电站光伏板析盐区域识别方法，其特征在于，所述s32中的hls颜色空间转换具体表示如下：
7.根据权利要求6所述的一种海上漂浮式光伏电站光伏板析盐区域识别方法，其特征在于，所述s33中的区域标记处理具体如下：
8.根据权利要求7所述的一种海上漂浮式光伏电站光伏板析盐区域识别方法，其特征在于，所述s4包括结合原图和所有析盐边缘粗标图，使用标准fcn全卷积神经网络进行析盐区域的识别与标记，其中，fcn全卷积神经网络的输入由原rgb颜色空间的三通道改为四通道输入，第四通道为析盐边缘粗标图的灰度数据，以得到每块光伏板的析盐分割标记图。
技术总结
本发明涉及光伏板图像处理技术领域，具体涉及一种海上漂浮式光伏电站光伏板析盐区域识别方法，包括以下步骤：使用无人机对海上漂浮式光伏电站进行整体图像的拍摄，获取由无人机巡检得到的光伏电站图像；对光伏电站图像进行光伏板区域分割操作，以识别和定位每块光伏板的位置信息，并根据该位置信息对原图像进行裁剪，获取所有单块光伏板图像；将单块光伏板图像经析盐边缘标记算法处理得到单块的析盐边缘粗标图；进行析盐区域识别与标记，得到析盐分割标记图；将所有析盐分割标记图进行图像拼接，得到整体的光伏电站析盐标记图。本发明，减少因析盐导致的光线散射和发电效率下降，显著提高维护团队对于海上漂浮式光伏电站的维护效率。
技术研发人员：刘孟孟,马旭,高喜峰,李强,练继建,梁文冬,崔益鸣,于宏波
受保护的技术使用者：天津理工大学
技术研发日：
技术公布日：2024/9/23