[发明专利]一种基于人工智能的光伏电站零件松动检测系统及方法

说明书

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的光伏电站零件松动检测系统及方法。该发明包括图像获取模块、实例分割模块、姿态特征提取模块、相对特征提取模块、特征融合模块、松动判别模块；图像获取模块用于获取零件图像信息；实例分割模块用于获得不同零件的实例掩膜；姿态特征提取模块用于获取每个零件的姿态特征；相对特征提取模块用于获取每个零件与其周围其他零件的相对特征；特征融合模块用于融合实例掩膜、姿态特征和相对特征到松动判别模块中；松动判别模块用于结合零件图像信息和融合进来的特征对零件根据所预设的松动等级进行判别。本发明通过多特征的判别网络可以清楚高效的获取零件松动程度。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的光伏电站零件松动检测系统及方法。

背景技术

光伏电站是利用太阳光能、采用特殊材料诸如晶硅板、逆变器等电子元件组成的。由于光伏电站的天气、地理环境的影响，光伏电站的组件的零件难免会发生松动或脱落，可能造成严重后果。

在现有的零件检测技术中，通过单一网络输入零件图片信息进行训练。将当前零件图片信息输入到网络中得出网络输出结果。对于光伏电站而言由于零件种类多，连接点多，在判断零件松动时，可能会有当前零件未松动但是其附属连接的零件松动了的情况。在这种情况下使用单一网络容易判定当前零件松动，造成错判误判，使得判定不精准。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的光伏电站零件松动检测系统及方法，所采用的的技术方案如下：

本发明提供一种基于人工智能的光伏电站零件松动检测系统，包括图像获取模块、实例分割模块、姿态特征提取模块、相对特征提取模块、特征融合模块和松动判别模块；

所述图像获取模块用于获取零件图像信息；所述零件图像信息分为初始图像信息和当前图像信息；

所述实例分割模块用于通过分割所述初始图像信息，输出每个零件的实例掩膜；

所述姿态特征提取模块用于通过处理所述实例掩膜获取每个零件的姿态特征；

所述相对特征提取模块用于通过处理所述实例掩膜得到实例邻域掩膜，所述实例邻域掩膜表示零件周围的附属零件；通过处理所述实例邻域掩膜和所述实例掩膜获取每个零件与其周围附属零件的相对特征；

所述特征融合模块用于分别将所述实例掩膜、所述姿态特征和所述相对特征融合到所述松动判别模块中；

所述松动判别模块用于结合所述图像信息和所述特征融合模块融合的特征对零件根据所预设的松动等级进行判别。

进一步地，所述图像获取模块采用线扫描相机或者面阵相机获得所述零件图像信息。

进一步地，所述姿态特征提取模块包括：第一图像裁切模块和边缘提取模块；

所述第一图像裁切模块，用于裁切所述实例掩膜获得零件像素数据；

所述边缘提取模块，用于通过预先训练好的边缘提取网络处理所述零件像素数据，获取每个零件的边缘特征，所述边缘特征表示每个零件的姿态特征。

进一步地，：所述相对特征提取模块包括：实例邻域掩膜提取模块、第二图像裁切模块、相对特征编码器、相对特征解码器；

所述实例邻域掩膜提取模块，用于处理所述实例掩膜，输出所述实例邻域掩膜；

所述第二图像裁切模块，用于裁切所述实例邻域掩膜，获得零件邻域像素数据；

相对特征编码器，用于提取所述零件像素数据和所述零件邻域像素数据的特征作为所述相对特征解码器的输入；

相对特征解码器，用于对所述相对特征解码器的输入进行采样，输出所述相对特征。