申请/专利权人:广东工业大学
申请日:2023-11-01
公开(公告)日:2024-04-26
公开(公告)号:CN117934364A
主分类号:G06T7/00
分类号:G06T7/00;G06T7/13;G06V10/54;G06V10/28;G06V10/34;G06V10/26;G06V10/82;G06N3/045
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明涉及一种基于多层特征的光伏板高阶纹理定位和故障检测方法。不同于传统的、稳定性较差的人工检测方法,该方法能够准确地检测和定位由于天气因素、物理损坏等原因导致的太阳能板故障,进而指导电站运维人员对缺陷面板采取适当的手段进行修复。所述方法包括如下步骤:使用小波变换算法对光伏太阳能板的红外图像进行预处理;通过灰度量化技术对预处理后的图像进行关键特征提取,将提取的特征送入一个多层次、多变量的深度学习模型,其中每一层对应不同类别的神经元,这些神经元专门设计用于测量缺陷类别的支持度,基于所得到的支持度值,利用高阶纹理定位技术来进一步定位缺陷。
主权项:1.一种基于深度学习的光伏电站太阳能板红外缺陷检测和定位方法,其特征在于,包括以下步骤:R1:通过无人机拍摄光伏红外图片,对其使用小波变换算法进行预处理以去除噪声;R2:提取预处理后的图像的关键特征,使用索贝尔边缘检测、二值图像转换、形态学操作、灰度量化分割等方法;R3:将提取的多种特征输入到多层次、多变量的神经网络中,计算缺陷类别的支持度,包括光斑、裂纹、腐蚀和纹理缺陷类;R4:根据缺陷类别的支持度值,运用高阶纹理定位技术实现对缺陷的精确定位。
全文数据:
权利要求:
百度查询: 广东工业大学 一种基于多层特征的光伏板高阶纹理定位和故障检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。