本技術(shù)涉及圖像數(shù)據(jù)處理，具體涉及一種用于風(fēng)電及光伏發(fā)電設(shè)備的檢測(cè)信息處理方法。

背景技術(shù)：

1、風(fēng)力發(fā)電和光伏發(fā)電是綠色能源發(fā)電系統(tǒng)中的重要組成部分，當(dāng)日照不足時(shí)風(fēng)電難以滿足電網(wǎng)需求，而光伏板作為光伏發(fā)電中的重要供能設(shè)備，能夠作為風(fēng)能的補(bǔ)充，提高整個(gè)發(fā)電系統(tǒng)的能源產(chǎn)出和穩(wěn)定性。因此，光伏板需要保持獨(dú)立、穩(wěn)定的電力供應(yīng)能力。

2、在光伏板發(fā)電過(guò)程中，污染物的積累，如水漬、油污、鳥(niǎo)糞等會(huì)導(dǎo)致光伏板發(fā)電效率下降，從而影響能源產(chǎn)量和環(huán)境可持續(xù)性。因此，對(duì)光伏板上的污染物進(jìn)行及時(shí)準(zhǔn)確的檢測(cè)和清理至關(guān)重要。為了解決此問(wèn)題，通過(guò)圖像處理的檢測(cè)方式應(yīng)運(yùn)而生，其通過(guò)采集光伏板表面的圖像，利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)圖像進(jìn)行處理和分析，以區(qū)分污染物區(qū)域。其中，利用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型的檢測(cè)處理需要大量人為標(biāo)注的高質(zhì)量樣本集；而光伏板表面積累的污染物，如油污，水漬等形狀并不固定，難以針對(duì)每種污染物形成移動(dòng)數(shù)量的樣本，訓(xùn)練出高質(zhì)量的神經(jīng)網(wǎng)絡(luò)模型。

3、現(xiàn)階段，為了適應(yīng)光伏板上污染物的形狀、類型多樣性，采用數(shù)字圖像處理技術(shù)對(duì)光伏板污染物進(jìn)行檢測(cè)，在對(duì)光伏板污染物進(jìn)行檢測(cè)時(shí)，由于光伏板上反光原因會(huì)對(duì)污染物的區(qū)域檢測(cè)產(chǎn)生影響，導(dǎo)致光伏板表面的污染物特征識(shí)別可能不準(zhǔn)確，從而無(wú)法有效分割出污染物區(qū)域，降低了光伏板污染物圖像區(qū)域劃分的準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供一種用于風(fēng)電及光伏發(fā)電設(shè)備的檢測(cè)信息處理方法，以解決現(xiàn)有的問(wèn)題。

2、本技術(shù)的一種用于風(fēng)電及光伏發(fā)電設(shè)備的檢測(cè)信息處理方法采用如下技術(shù)方案：

3、本技術(shù)一個(gè)實(shí)施例提供了一種用于風(fēng)電及光伏發(fā)電設(shè)備的檢測(cè)信息處理方法，該方法包括以下步驟：

4、獲取光伏板表面灰度圖像以及光伏板的傾斜方向；使用訓(xùn)練后的分割神經(jīng)網(wǎng)絡(luò)分割出光伏板表面灰度圖像中的光伏電池區(qū)域；

5、對(duì)光伏電池區(qū)域進(jìn)行區(qū)域生長(zhǎng)，將光伏電池區(qū)域劃分為若干個(gè)連通域；根據(jù)每個(gè)連通域在不同方向上的像素點(diǎn)灰度值以及光伏板的傾斜方向，得到每個(gè)連通域在灰度影響下屬于污染物區(qū)域的可能性；

6、根據(jù)每個(gè)連通域內(nèi)像素點(diǎn)的梯度以及光伏板的傾斜方向，得到每個(gè)連通域在梯度特征下屬于污染物區(qū)域的可能性；根據(jù)每個(gè)連通域在灰度影響下屬于污染物區(qū)域的可能性以及在梯度特征下屬于污染物區(qū)域的可能性，得到每個(gè)連通域的污染可能性；

7、根據(jù)每個(gè)連通域的污染可能性，從光伏電池區(qū)域劃分的所有連通域中分割出污染區(qū)域。

8、優(yōu)選的，所述根據(jù)每個(gè)連通域在不同方向上的像素點(diǎn)灰度值以及光伏板的傾斜方向，得到每個(gè)連通域在灰度影響下屬于污染物的可能性，包括的具體步驟如下：

9、將第個(gè)連通域的最小外接圓的圓心處的像素點(diǎn)，記為第個(gè)連通域的初始點(diǎn)；

10、以水平向右為初始方向，順時(shí)針旋轉(zhuǎn)一周，每隔45度選取一個(gè)方向，得到8個(gè)方向；

11、根據(jù)從第個(gè)連通域的初始點(diǎn)開(kāi)始，沿著每個(gè)方向上的前個(gè)像素點(diǎn)的灰度值，得到第個(gè)連通域在每個(gè)方向上的擬合直線；所述為預(yù)設(shè)的數(shù)量閾值；

12、根據(jù)第個(gè)連通域在每個(gè)方向上的擬合直線的斜率的大小，得到第個(gè)連通域在每個(gè)方向的灰度下降程度；

13、根據(jù)第個(gè)連通域在每個(gè)方向的灰度下降程度以及光伏板的傾斜方向，得到第個(gè)連通域在灰度影響下屬于污染物區(qū)域的可能性。

14、優(yōu)選的，所述根據(jù)從第個(gè)連通域的初始點(diǎn)開(kāi)始，沿著每個(gè)方向上的前個(gè)像素點(diǎn)的灰度值，得到第個(gè)連通域在每個(gè)方向上的擬合直線，包括的具體步驟如下：

15、從第個(gè)連通域的初始點(diǎn)開(kāi)始，沿著第個(gè)方向上，將依次統(tǒng)計(jì)的前個(gè)像素點(diǎn)的灰度值構(gòu)成的序列，記為第個(gè)連通域在第個(gè)方向上的灰度序列；

16、使用最小二乘法對(duì)第個(gè)連通域在第個(gè)方向上的灰度序列進(jìn)行直線擬合，得到第個(gè)連通域在第個(gè)方向上的擬合直線。

17、優(yōu)選的，所述根據(jù)第個(gè)連通域在每個(gè)方向上的擬合直線的斜率的大小，得到第個(gè)連通域在每個(gè)方向的灰度下降程度，包括的具體步驟如下：

18、當(dāng)?shù)趥€(gè)連通域在第個(gè)方向上的擬合直線的斜率為負(fù)數(shù)時(shí)，將第個(gè)連通域在第個(gè)方向上的擬合直線的斜率的絕對(duì)值，記為第個(gè)連通域在第個(gè)方向的灰度下降程度；

19、當(dāng)?shù)趥€(gè)連通域在第個(gè)方向上的擬合直線的斜率為非負(fù)數(shù)時(shí)，將第個(gè)連通域在第個(gè)方向的灰度下降程度設(shè)置為0。

20、優(yōu)選的，所述根據(jù)第個(gè)連通域在每個(gè)方向的灰度下降程度以及光伏板的傾斜方向，得到第個(gè)連通域在灰度影響下屬于污染物區(qū)域的可能性，包括的具體步驟如下：

21、在第個(gè)連通域在所有方向的灰度下降程度中，將最大的灰度下降程度對(duì)應(yīng)的方向，記為目標(biāo)方向，將第個(gè)連通域?qū)?yīng)的所有方向中不是目標(biāo)方向的其它的方向，記為參考方向；

22、將第個(gè)連通域在目標(biāo)方向的灰度下降程度減去第個(gè)連通域在第個(gè)參考方向的灰度下降程度的差值，記為第個(gè)連通域在第個(gè)參考方向的第一差異；

23、計(jì)算第個(gè)連通域在所有參考方向的第一差異的均值，再計(jì)算第個(gè)連通域的目標(biāo)方向與光伏板的傾斜方向的最小夾角值的反比例的歸一化值，將所述均值與所述歸一化值的乘積，記為第個(gè)連通域在灰度影響下屬于污染物區(qū)域的可能性。

24、優(yōu)選的，所述根據(jù)每個(gè)連通域內(nèi)像素點(diǎn)的梯度以及光伏板的傾斜方向，得到每個(gè)連通域在梯度特征下屬于污染物區(qū)域的可能性，包括的具體步驟如下：

25、使用sobel算子對(duì)第個(gè)連通域進(jìn)行運(yùn)算，得到第個(gè)連通域中每個(gè)像素點(diǎn)的梯度；

26、將第個(gè)連通域內(nèi)所有像素點(diǎn)的梯度之和，記為第個(gè)連通域的梯度；

27、根據(jù)第個(gè)連通域的梯度、第個(gè)連通域內(nèi)每個(gè)像素點(diǎn)的梯度、像素點(diǎn)之間的距離、第個(gè)連通域的目標(biāo)方向以及光伏板的傾斜方向，得到第個(gè)連通域在梯度特征下屬于污染物區(qū)域的可能性。

28、優(yōu)選的，所述根據(jù)第個(gè)連通域的梯度、第個(gè)連通域內(nèi)每個(gè)像素點(diǎn)的梯度、像素點(diǎn)之間的距離、第個(gè)連通域的目標(biāo)方向以及光伏板的傾斜方向，得到第個(gè)連通域在梯度特征下屬于污染物區(qū)域的可能性，包括的具體步驟如下：

29、根據(jù)第個(gè)連通域的梯度、第個(gè)連通域內(nèi)每個(gè)像素點(diǎn)的梯度、像素點(diǎn)之間的距離以及第個(gè)連通域的目標(biāo)方向，得到第個(gè)連通域的第一特征值；

30、計(jì)算第個(gè)連通域的梯度的方向與光伏板的傾斜方向的最小夾角值的反比例的歸一化值，?將第個(gè)連通域的梯度的大小、所述最小夾角值的反比例的歸一化值以及第個(gè)連通域的第一特征值的乘積，記為第個(gè)連通域在梯度特征下屬于污染物區(qū)域的可能性。

31、優(yōu)選的，所述根據(jù)第個(gè)連通域的梯度、第個(gè)連通域內(nèi)每個(gè)像素點(diǎn)的梯度、像素點(diǎn)之間的距離以及第個(gè)連通域的目標(biāo)方向，得到第個(gè)連通域的第一特征值，包括的具體步驟如下：

32、計(jì)算第個(gè)連通域內(nèi)第個(gè)像素點(diǎn)到第個(gè)連通域邊界的最短距離的倒數(shù)，再計(jì)算與的和值，將所述和值的反比例的歸一化值與所述倒數(shù)的乘積，記為第個(gè)連通域內(nèi)第個(gè)像素點(diǎn)的污染可能性；其中，為第個(gè)連通域內(nèi)第個(gè)像素點(diǎn)的梯度的方向與第個(gè)連通域的梯度的方向的最小夾角值，為第個(gè)連通域內(nèi)第個(gè)像素點(diǎn)的梯度的方向與第個(gè)連通域的目標(biāo)方向的最小夾角值；

33、將第個(gè)連通域內(nèi)所有像素點(diǎn)的污染可能性的均值，記為第個(gè)連通域的第一特征值。

34、優(yōu)選的，所述根據(jù)每個(gè)連通域在灰度影響下屬于污染物區(qū)域的可能性以及在梯度特征下屬于污染物區(qū)域的可能性，得到每個(gè)連通域的污染可能性，包括的具體步驟如下：

35、計(jì)算第個(gè)連通域在灰度影響下屬于污染物的可能性與第個(gè)連通域在梯度特征下屬于污染物的可能性的乘積，將所述乘積的歸一化值，記為第個(gè)連通域的污染可能性。

36、優(yōu)選的，所述根據(jù)每個(gè)連通域的污染可能性，從光伏電池區(qū)域劃分的所有連通域中分割出污染區(qū)域，包括的具體步驟如下：

37、將所有連通域的污染可能性作為大津閾值算法的輸入，得到分割閾值；

38、在光伏電池區(qū)域中，將污染可能性大于分割閾值的所有連通域構(gòu)成的區(qū)域，記為污染區(qū)域。

39、本技術(shù)的技術(shù)方案的有益效果是：

40、本技術(shù)實(shí)施例中，獲取光伏板表面灰度圖像以及光伏板的傾斜方向，分割出光伏板表面灰度圖像中的光伏電池區(qū)域，將光伏電池區(qū)域劃分為若干個(gè)連通域，根據(jù)每個(gè)連通域在不同方向上的像素點(diǎn)灰度值以及光伏板的傾斜方向，得到每個(gè)連通域在灰度影響下屬于污染物的可能性，其根據(jù)像素點(diǎn)灰度值的分析，確定灰度影響下屬于污染物的可能性，用以計(jì)算污染可能性，保障污染區(qū)域區(qū)分的準(zhǔn)確性。根據(jù)每個(gè)連通域內(nèi)像素點(diǎn)的梯度以及光伏板的傾斜方向，得到每個(gè)連通域在梯度特征下屬于污染物的可能性，從而得到每個(gè)連通域的污染可能性，其根據(jù)像素點(diǎn)梯度的分析，梯度特征下屬于污染物的可能性，用以計(jì)算污染可能性，進(jìn)一步保障污染區(qū)域區(qū)分的準(zhǔn)確性。由此從光伏電池區(qū)域劃分的所有連通域中篩選出污染區(qū)域。至此本技術(shù)通過(guò)對(duì)光伏板表面灰度圖像進(jìn)行劃分，計(jì)算劃分的每個(gè)連通域的污染可能性，準(zhǔn)確的區(qū)分出污染區(qū)域，提高了光伏板表面灰度圖像中污染物區(qū)域分割的準(zhǔn)確性，進(jìn)而提高對(duì)光伏板檢測(cè)信息處理的準(zhǔn)確性。