[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

说明书

本发明公开了一种光伏阵列组串组件位置匹配和编号识别方法，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。本发明解决了基于CAD图纸对光伏组件进行检测和维护导致耗时长、效率低的问题。

技术领域

本发明涉及图像处理技术领域，具体涉及一种光伏阵列组串组件位置匹配和编号识别方法。

背景技术

电站光伏区设计施工的CAD图纸，ZXX—XX为光伏组件组串编号，HLXX—XX为直流汇流箱编号，编号颜色相同的一排矩形为一个组串。

目前，对光伏组件的检测和维护，采用的是现场工作人员根据CAD图纸去一一对应组串，耗费时间较长，导致检测和维护的效率低，且CAD图纸容易丢失。

发明内容

本发明的目的在于提供一种光伏阵列组串组件位置匹配和编号识别方法，以解决基于CAD图纸对光伏组件进行检测和维护导致耗时长、效率低的问题。

本发明通过下述技术方案实现：

一种光伏阵列组串组件位置匹配和编号识别方法，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，其中，ZXX—XX为光伏组件组串编号，HLXX—XX为直流汇流箱编号；

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。

本发明的CAD图纸为光伏区域的设计施工图纸，所述二维正射影像为光伏区域施工完成后拍摄的实景图像。

本发明所述方法基于CAD图纸对照实际的可见光光伏区域进行组串匹配，然后把组件组串编号和直流汇流箱编号识别，对应到可见光图像上匹配，使用匹配有组件组串编号和直流汇流箱编号的可见光图像进行对光伏组件的检测和维护，解决了基于CAD图纸对光伏组件进行检测和维护导致耗时长、效率低的问题。

进一步地，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。

进一步地，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。

CAD图纸由于尺寸大，分辨率过高，组串编号文本位置提取不准确；组串编号识别由于Z和2，3和5等相似性影响识别的准确率，通过使用OpenCv图片库按比例进行图片拆分，能够提高识别精度。

进一步地，步骤S3中，CRNN神经网络模型识别过程如下：