[发明专利]一种光伏阵列组串组件位置匹配和编号识别方法

权利要求书

1.一种光伏阵列组串组件位置匹配和编号识别方法，其特征在于，包括以下步骤：

S1、获取光伏区域的二维正射影像和CAD图纸，所述CAD图纸上设置有组串编号和直流汇流箱编号；

S2、基于YOLOV3神经网络模型对二维正射影像上的可见光组串和CAD图纸上的图纸组串进行定位编号，使每个可见光组串和每个图纸组串均获得一个编号，且相对应的可见光组串和图纸组串具有相同编号；

S3、基于CRNN神经网络模型识别CAD图纸的组串编号和直流汇流箱编号；

S4、在YOLOV3神经网络模型中，基于步骤S2的定位编号，将步骤S3识别的组串编号和直流汇流箱编号对应到可见光组串上。

2.根据权利要求1所述的一种光伏阵列组串组件位置匹配和编号识别方法，其特征在于，步骤S1中，所述二维正射影像的获取过程如下：

采用无人机拍摄可见光影像，通过GPS地理信息、地图构建和影像拼接技术生成二维正射影像。

3.根据权利要求1所述的一种光伏阵列组串组件位置匹配和编号识别方法，其特征在于，步骤S2中，先把CAD图纸使用OpenCv图片库按比例进行图片拆分，分成高宽相等的图片，再基于YOLOV3神经网络模型进行定位编号。

4.根据权利要求3所述的一种光伏阵列组串组件位置匹配和编号识别方法，其特征在于，步骤S3中，CRNN神经网络模型识别过程如下：

每张图片中的组串编号和直流汇流箱编号字符存储在一个文本文件中，然后根据编号的字符规则生成新的编号做数据增强，增加样本数量；通过TensorFlow框架平台对改数据进行机器学习有监督训练，使用Adam自适应矩估计方法优化器，初始学习率设为1e-3，自动调整学习率，使用CTC联结主义时间分类损失函数，训练50次。

5.根据权利要求1所述的一种光伏阵列组串组件位置匹配和编号识别方法，其特征在于，步骤S2中，先对二维正射影像进行预处理，再基于YOLOV3神经网络模型进行定位编号；所述预处理为：

图像灰度化后进行膨胀、腐蚀和开闭操作。

6.根据权利要求1所述的一种光伏阵列组串组件位置匹配和编号识别方法，其特征在于，步骤S2中，基于OLOV3神经网络模型进行定位编号的具体过程如下：

使用YOLOV3神经网络模型检测可见光组串和图纸组串生成定位编号，该定位编号为标注数据，通过TensorFlow框架平台对标注数据进行机器学习有监督训练，使用Adam自适应矩估计方法优化器，初始学习率设为1e-3，自动调整学习率，训练10000次。

7.根据权利要6所述的一种光伏阵列组串组件位置匹配和编号识别方法，其特征在于，步骤S2中，采用技术手段对标注数据进行数据增强，所述技术手段包括翻转、缩放、亮度调节、对比度调节和增加噪声。

8.根据权利要1所述的一种光伏阵列组串组件位置匹配和编号识别方法，其特征在于，步骤S2中，使用YOLOV3模型检测出可见光组串和图纸组串，然后均按照从左到右，从上到下的规则进行编号。

9.根据权利要求1所述的一种光伏阵列组串组件位置匹配和编号识别方法，其特征在于，步骤S3中，在使用CRNN神经网络模型识别组串编号和直流汇流箱编号之前进行以下处理：

使用OpenCv库获取CAD图纸的组串编号和直流汇流箱编号位置，做成编号识别数据，对该数据中的每张图片做图像二值化处理，直线检测，去掉CAD图纸中直流汇流箱线路的在图上的噪音。

10.根据权利要求1所述的一种光伏阵列组串组件位置匹配和编号识别方法，其特征在于，步骤S4中，使用CRNN模型进行组串编号和直流汇流箱编号的识别，把识别结果和组串编号ZXX—XX和直流汇流箱编号HLXX—XX进行对比，“Z”和“HL”以及“—”作为参考位置进行校正，将校正后获取到的识别编号加入到该组串的信息中，然后把CAD图纸上的组串编号和直流汇流箱编号对应到可见光组串上。