一种基于人工智能的光伏电池板振动损毁检测方法及系统技术方案

本发明专利技术公开一种基于人工智能的光伏电池板振动损毁检测方法及系统，涉及人工智能领域。该方法包括如下步骤：在大风天气时，采集电池板的振动幅度和振动频率；当振动幅度或者振动频率大于预设阈值时，获取当前时刻的振动幅度和振动频率；然后获得振幅均值和频率均值计算电池板异常振动度量值，判断其大于预设异常振动阈值时，采集对应电池板表面图像；根据电池板表面图像获得电池板边框与电池片之间密封胶面积、电池板边框内边缘的几何特征以及电池片的裂痕数量，然后综合计算振动损坏度量值，当振动损坏度量值大于预设阈值时，反馈电池板异常。实现了当电池板振动异常时、振动只产生电池板其他部件的形变或者造成损坏时，能够及时的反馈异常。

【技术实现步骤摘要】
一种基于人工智能的光伏电池板振动损毁检测方法及系统
本专利技术涉及人工智能
，具体涉及一种基于人工智能的光伏电池板振动损毁检测方法及系统。
技术介绍
目前，很多光伏电站难免会受到恶劣气候或天气的影响，例如大风天气，当光伏组件按照标准安装时，光伏电池板时可以抵抗一定程度的恶劣天气的干扰的，但是由于光伏电池板安装不规范，或者光伏组件受自然环境的不断侵蚀，组件结构发生老化或松动，会导致电池板出现振动或颤震的情况。电池板受到较小的振动干扰时，是不会对电池板造成太大影响的，但是振动强度或振动能量大时，会对电池板有所损坏，一旦出现损坏缺陷，电池板抗振动的能力会变得更弱，导致电池板会因受到振动而出现更加严重的损坏。但是目前针对电池板的振动损坏，是通过人工或者其他方式检测电池板表面的已经产生的损坏情况，判断是否更换或者修复，并且这些方式所检测的损坏情况，主要是针对电池板表面电池片的损坏。当电池板振动异常时，电池板表面未产生损坏或者只产生其他部件的形变，现有方法不能够检测到，而这些因素也是成为电池板损坏的潜在问题。
技术实现思路
为了解决上述技术问题，本专利技术的目的在于提供一种基于人工智能的光伏电池板振动损毁检测方法及系统，所采用的技术方案具体如下：第一方面，本专利技术一个实施例提供了一种基于人工智能的光伏电池板振动损毁检测方法，包括以下步骤：当风力大于设定风力阈值时，采集电池板的振动幅度和振动频率，当风力在设定风力阈值以下时，停止采集，此时间段为采集时间段；当所述振动幅度大于预设幅度阈值或者当所述振动评率大于预设频率阈值时，获取当前时刻的所述振动幅度和所述振动频率，为时刻振动幅度和时刻振动频率；根据所述采集时间段内的多组所述时刻振动幅度获得振幅均值、多组所述时刻振动频率获得频率均值，根据所述振幅均值和所述频率均值获得所述电池板异常振动度量值；当所述电池板异常振动度量值大于预设异常振动阈值时，采集对应所述电池板表面图像，所述电池板表面图像包括电池板边框和电池片的特征信息；将所述电池板表面图像经过图像处理，获得所述电池板边框与电池片之间密封胶面积、所述电池板边框内边缘的几何特征以及电池片的裂痕数量，所述电池板边框内边缘的几何特征包含所述电池板边框内边缘中相邻边之间倾斜角度；根据所述电池板异常振动度量值、所述电池片的裂痕数量和所述密封胶面积以及所述电池板边框内边缘的几何特征，获得振动损坏度量值；当所述振动损坏度量值大于预设阈值时，反馈所述电池板异常。优选的，所述的根据所述振幅均值和所述频率均值获得所述电池板异常振动度量值包括：将所述振幅均值和所述振幅均值输入电池板异常振动判别模型，输出所述电池板异常振动度量值，所述的电池板异常振动判别模型J为：其中，为所述振幅均值，为所述频率均值；L(S)为根据所述的采集时间段内多组所述时刻振动幅度获得的振幅序列的长度，用于表征振动持续的时间；α为偏移系数，用于表示所述时刻振动幅度和所述时刻振动频率的变化幅度。优选的，所述的将所述电池板表面图像经过图像处理，获得所述电池板边框与电池片之间密封胶面积和所述电池板边框内边缘的几何特征，包括：获取所述电池板表面图像的亮度图；将所述亮度图经过阈值分割和数学形态学处理，获得第一遮罩，所述第一遮罩反映所述电池板中电池片的连通域；获取所述第一遮罩中电池片连通域的整体区域的最小外接矩形框；根据第一遮罩和所述最小外接矩形框，经过反相处理和直线拟合，获得电池板边框内边缘；所述电池板边框内边缘所构成的区域面积与所述最小外接矩形框构成的区域面积的差值，为所述密封胶区域面积。优选的，所述的将所述电池板表面图像经过图像处理获得电池片的裂痕数量，包括：获取所述电池板表面图像的亮度图，并进行阈值分割，获得第二遮罩，所述第二遮罩中包含高亮的栅线、边框和裂痕的连通域；将所述第二遮罩经过数学形态学处理，去除细长的裂痕纹理后，与所述第二遮罩进行求差处理，获得第三遮罩，所述第三遮罩包含裂痕纹理和噪点区域；获取所述第三遮罩每个连通域的最小边界框，去除疑似噪点区域的最小边界框后，得到裂痕数量。优选的，所述的获得振动损坏度量值包括：将所述电池板异常振动度量值、所述电池片的裂痕数量和所述密封胶面积以及所述电池板边框内边缘的几何特征输入振动损坏检测模型，输出振动损坏度量值，所述的振动损坏检测模型为：Dn＝Jn(L1n+L2n)(1+bβ)其中，L1n为当前采集时间段内根据所述电池板边框与电池片之间密封胶面积以及所述电池板边框内边缘的几何特征获得的边框偏移程度，L2n为当前采集时间段内所述电池板中所述电池片的裂痕数量；b是一个缩放系数；β表示的是当前采集时间段内与上一时间段内异常振动程度的变化量对电池板的影响程度：ΔJn表示本时间段内与上一采集时间段内异常振动程度的变化量，L1n-1上一采集时间段内根据所述电池板边框与电池片之间密封胶面积以及所述电池板边框内边缘的几何特征获得的边框偏移程度，L2n-1表示上一采集时间段内所述电池板中所述电池片的裂痕数量。优选的，所述边框偏移程度L1为:其中，Area0表示电池板边框没有偏移时密封胶区域的面面积，a1、a2、a3和a4分别为所述电池板边框内边缘与所述最小外接矩形框对应边之间的夹角，用于反映电池板边框的变形情况。第二方面，本专利技术另一个实施例提供了一种基于人工智能的光伏电池板振动损毁检测系统，包括：振动信息获取模块，用于当风力大于设定风力阈值时，采集电池板的振动幅度和振动频率，当风力在设定风力阈值以下时，停止采集，此时间段为采集时间段；振动筛选模块，用于当所述振动幅度大于预设幅度阈值或者当所述振动评率大于预设频率阈值时，获取当前时刻的所述振动幅度和所述振动频率，为时刻振动幅度和时刻振动频率；异常振动度量值获取模块，用于根据所述采集时间段内的多组所述时刻振动幅度获得振幅均值、多组所述时刻振动频率获得频率均值，根据所述振幅均值和所述频率均值获得所述电池板异常振动度量值；异常振动电池板判定模块，用于当所述电池板异常振动度量值大于预设异常振动阈值时，采集对应所述电池板表面图像，所述电池板表面图像包括电池板边框和电池片的特征信息；图像处理模块，用于将所述电池板表面图像经过图像处理，获得所述电池板边框与电池片之间密封胶面积、所述电池板边框内边缘的几何特征以及电池片的裂痕数量，所述电池板边框内边缘的几何特征包含所述电池板边框内边缘中相邻边之间倾斜角度；振动损坏度量值获取模块，用于根据所述电池板异常振动度量值、所述电池片的裂痕数量和所述密封胶面积以及所述电池板边框内边缘的几何特征，获得振动损坏度量值；振动影响判定模块，用于当所述振动损坏度量值大于预设阈值时，反馈所述电池板异常。优选的，所述的异常振动度量值获取模块包括异常振动判别单元，用于将所述振幅均值和所述振幅均值输入电池板异常振动判别模型本文档来自技高网...

【技术保护点】
1.一种基于人工智能的光伏电池板振动损毁检测方法，其特征在于，包括以下步骤：/n当风力大于设定风力阈值时，采集电池板的振动幅度和振动频率，当风力在设定风力阈值以下时，停止采集，此时间段为采集时间段；/n当所述振动幅度大于预设幅度阈值或者当所述振动评率大于所述预设频率阈值时，获取当前时刻的所述振动幅度和所述振动频率，为时刻振动幅度和时刻振动频率；/n根据所述采集时间段内的多组所述时刻振动幅度获得振幅均值、多组所述时刻振动频率获得频率均值，根据所述振幅均值和所述频率均值获得所述电池板异常振动度量值；/n当所述电池板异常振动度量值大于预设异常振动阈值时，采集对应所述电池板表面图像，所述电池板表面图像包括电池板边框和电池片的特征信息；/n将所述电池板表面图像经过图像处理，获得所述电池板边框与电池片之间密封胶面积、所述电池板边框内边缘的几何特征以及电池片的裂痕数量，所述电池板边框内边缘的几何特征包含所述电池板边框内边缘中相邻边之间倾斜角度；/n根据所述电池板异常振动度量值、所述电池片的裂痕数量和所述密封胶面积以及所述电池板边框内边缘的几何特征，获得振动损坏度量值。/n当所述振动损坏度量值大于预设阈值时，反馈所述电池板异常。/n...

【技术特征摘要】
1.一种基于人工智能的光伏电池板振动损毁检测方法，其特征在于，包括以下步骤：
当风力大于设定风力阈值时，采集电池板的振动幅度和振动频率，当风力在设定风力阈值以下时，停止采集，此时间段为采集时间段；
当所述振动幅度大于预设幅度阈值或者当所述振动评率大于所述预设频率阈值时，获取当前时刻的所述振动幅度和所述振动频率，为时刻振动幅度和时刻振动频率；
根据所述采集时间段内的多组所述时刻振动幅度获得振幅均值、多组所述时刻振动频率获得频率均值，根据所述振幅均值和所述频率均值获得所述电池板异常振动度量值；
当所述电池板异常振动度量值大于预设异常振动阈值时，采集对应所述电池板表面图像，所述电池板表面图像包括电池板边框和电池片的特征信息；
将所述电池板表面图像经过图像处理，获得所述电池板边框与电池片之间密封胶面积、所述电池板边框内边缘的几何特征以及电池片的裂痕数量，所述电池板边框内边缘的几何特征包含所述电池板边框内边缘中相邻边之间倾斜角度；
根据所述电池板异常振动度量值、所述电池片的裂痕数量和所述密封胶面积以及所述电池板边框内边缘的几何特征，获得振动损坏度量值。
当所述振动损坏度量值大于预设阈值时，反馈所述电池板异常。


2.根据权利要求1所述的基于人工智能的光伏电池板振动损毁检测方法，其特征在于，所述的根据所述振幅均值和所述频率均值获得所述电池板异常振动度量值包括：将所述振幅均值和所述振幅均值输入电池板异常振动判别模型，输出所述电池板异常振动度量值，所述的电池板异常振动判别模型J为：



其中，为所述振幅均值，为所述频率均值；L(S)为根据所述的采集时间段内多组所述时刻振动幅度获得的振幅序列的长度，用于表征振动持续的时间；α为偏移系数，用于表示所述时刻振动幅度和所述时刻振动频率的变化幅度。


3.根据权利要求1所述的基于人工智能的光伏电池板振动损毁检测方法，其特征在于，所述的将所述电池板表面图像经过图像处理，获得所述电池板边框与电池片之间密封胶面积和所述电池板边框内边缘的几何特征，包括：
获取所述电池板表面图像的亮度图；
将所述亮度图经过阈值分割和数学形态学处理，获得第一遮罩，所述第一遮罩反映所述电池板中电池片的连通域；
获取所述第一遮罩中电池片连通域的整体区域的最小外接矩形框；
根据第一遮罩和所述最小外接矩形框，经过反相处理和直线拟合，获得电池板边框内边缘；
所述电池板边框内边缘所构成的区域面积与所述最小外接矩形框构成的区域面积的差值，为所述密封胶区域面积。


4.根据权利要求1所述的基于人工智能的光伏电池板振动损毁检测方法，其特征在于，所述的将所述电池板表面图像经过图像处理获得电池片的裂痕数量，包括：
获取所述电池板表面图像的亮度图，并进行阈值分割，获得第二遮罩，所述第二遮罩中包含高亮的栅线、边框和裂痕的连通域；
将所述第二遮罩经过数学形态学处理，去除细长的裂痕纹理后，与所述第二遮罩进行求差处理，获得第三遮罩，所述第三遮罩包含裂痕纹理和噪点区域；
获取所述第三遮罩每个连通域的最小边界框，去除疑似噪点区域的最小边界框后，得到裂痕数量。


5.根据权利要求1所述的基于人工智能的光伏电池板振动损毁检测方法，其特征在于，所述的获得振动损坏度量值包括：将所述电池板异常振动度量值、所述电池片的裂痕数量和所述密封胶面积以及所述电池板边框内边缘的几何特征输入振动损坏检测模型，输出振动损坏度量值，所述的振动损坏检测模型为：
Dn＝Jn(L1n+L2n)(1+bβ)
其中，L1n为当前采集时间段内根据所述电池板边框与电池片之间密封胶面积以及所述电池板边框内边缘的几何特征获得的边框偏移程度，L2n为当前采集时间段内所述电池板中所述电池片的裂痕数量；b是一个缩放系数；β表示的是当前采集时间段内与上一时间段内异常振动程度的变化量对电池板的影响程度：



ΔJn表示本时间段内与上一采集时间段内异常振动程度的变化量，L1n-1上一采集时间段内根据所述电池板边框与电池片之间密封胶面积以及所述电池板边框内边缘的几何特征获得的边框偏移程度，L2n-1表示上一采集时间段内所述电池板中所述电池片的裂痕数量。

【专利技术属性】
技术研发人员：杨晓敏，范会笑，
申请(专利权)人：杨晓敏，
类型：发明
国别省市：河南;41