[发明专利]一种基于人工智能的光伏电池板粗栅检测方法

说明书

本发明提出一种基于人工智能的光伏电池板粗栅检测方法。通过无人机采集光伏电池板图像，通过电池板检测网络提取出电池板图像。对电池板灰度图像进行阈值分割后进行开运算得到主栅图像；通过坐标变换将灰度值为1的像素转换到霍夫参数空间中，并筛选出待测点；根据待测点距离和m坐标对待测点进行匹配得到待测点集合，针对任意两个待测点集合，计算待测点集合中待测点对应直线的最大间距，根据两待测点集合的最大间距乘积判断是否为主栅点集合，得到主栅点集合和离群点；根据m坐标判断离群点是否为粗栅点，将粗栅点转换到图像坐标空间中，得到粗栅的准确位置。

技术领域

本申请涉及计算机视觉领域，具体涉及一种基于人工智能的光伏电池板粗栅检测方法。

背景技术

光伏电池板在印刷制版过程中，可能会存在错误印刷的情况，具体为断栅、粗栅等。该类存在印刷错误情况的电池板，其发电效率会比正常印刷电池板的发电效率低，而印刷问题在光伏电池板使用过程中已无法改变，因此为避免因印刷问题产生的发电效率与标准值不同而报障的情况，需要对光伏电池板上的粗栅情况进行检测。

目前通常采用人工巡检的方式检测光伏电池板是否出现粗栅的情况，通过人的肉眼观察光伏电池板并记录存在粗栅的光伏电池板。该方法的问题在于，通过人为巡检耗时耗力，尤其是大型光伏电站内的人工巡检，其工作量更大；且人为巡检时作判断的主观性较强，可能存在漏检误检等情况，而粗栅检测工作如果由人为巡检一般只会巡检一次，此时漏检误检情况无法得到修正。

发明内容

针对以上问题，本发明提出一种基于人工智能的光伏电池板粗栅检测方法。通过无人机采集光伏电池板图像，通过电池板检测网络提取出电池板图像。对电池板灰度图像进行阈值分割后进行开运算得到主栅图像；通过坐标变换将灰度值为1的像素转换到霍夫参数空间中，并筛选出待测点；根据待测点距离和m坐标对待测点进行匹配得到待测点集合，针对任意两个待测点集合，计算待测点集合中待测点对应直线的最大间距，根据两待测点集合的最大间距乘积判断是否为主栅点集合，得到主栅点集合和离群点；根据m坐标判断离群点是否为粗栅点，将粗栅点转换到图像坐标空间中，得到粗栅的准确位置。

一种基于人工智能的光伏电池板粗栅检测方法，其特征在于，该方法包括：

步骤S1：通过相机采集光伏电池板的原始图像，通过电池板检测网络检测原始图像中光伏电池板区域，输出电池板图像；对光伏电池板图像进行二值化处理，再进行开运算，得到二值图像；

步骤S2：将二值图像中灰度值非零的像素由图像坐标空间转换到霍夫参数空间中，所述霍夫参数空间横坐标为m，纵坐标为b，针对霍夫参数空间中所有直线交点，统计经过每个交点的直线数量a并筛选出待测点；

步骤S3：根据待测点之间的距离匹配待测点，得到待测点集合；计算集合中待测点在图像坐标空间中对应直线的最大间距l_max，针对任意两个待测点集合对应的l_max相乘得到面积s，根据面积s和电池板图像面积s′的接近度判断待测点集合是否为主栅点集合，输出主栅点集合；

步骤S4：将主栅点集合中点设为主栅点，其余待测点设为离群点，根据离群点的m坐标与主栅点的m坐标是否一致判断离群点是否为粗栅点，将粗栅点变换到图像坐标空间中获得粗栅的位置。

所述电池板检测网络的训练方法包括：以若干张原始图像为数据集；人工对数据集进行标注，标注出光伏电池板区域的包围框，生成标注数据；使用均方误差损失函数进行训练。

所述统计经过每个交点的直线数量a并筛选出待测点包括：设置数量阈值β，当a≥β时，判定该交点为待测点；当a＜β时，判定该交点不是待测点。

所述根据待测点之间的距离匹配待测点，得到待测点集合包括：