光伏板热斑检测方法及存储介质、电子设备技术

本发明专利技术公开了一种光伏板热斑检测方法及存储介质、电子设备，该方法获取光伏板红外图像；利用预先训练好的图像分割轻量化模型对光伏板红外图像进行分割，得到光伏组件红外图像，其中，图像分割轻量化模型采用剪枝后的U2

【技术实现步骤摘要】
光伏板热斑检测方法及存储介质、电子设备


[0001]本专利技术涉及缺陷检测
，尤其涉及一种光伏板热斑检测方法及存储介质、电子设备。

技术介绍

[0002]随着人类对环境保护意识的不断加强和对能源需求的不断增加，太阳能光伏产业在全球范围内迅速发展，建设大量太阳能光伏电站。在建设太阳能光伏电站后还需要对太阳能光伏电站进行维护。相关光伏板的检测采用传统的人工巡检，满足不了当前需求。

技术实现思路

[0003]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种光伏板热斑检测方法，具有自动化程度高、检测精度高、鲁棒性强和多类别识别等优势。
[0004]本专利技术的第二个目的在于提出一种计算机可读存储介质。
[0005]本专利技术的第三个目的在于提出一种电子设备。
[0006]为达到上述目的，本专利技术第一方面实施例提出一种光伏板热斑检测方法，所述方法包括：获取光伏板红外图像；利用预先训练好的图像分割轻量化模型对所述光伏板红外图像进行分割，得到光伏组件红外图像，其中，所述图像分割轻量化模型采用剪枝后的U2
‑
Net模型；利用预先训练好的缺陷检测轻量化模型分别对所述光伏组件红外图像进行热斑检测，得到各所述光伏组件红外图像的热斑检测结果，其中，所述缺陷检测轻量化模型采用剪枝后的YOLOv5模型；根据所述光伏组件红外图像的热斑检测结果，得到所述光伏板红外图像的热斑检测结果。
[0007]根据本专利技术实施例的光伏板热斑检测方法，利用计算机视觉技术实现高精度的热斑检测，比传统的人工巡检方法更加准确，检测精度更高。
[0008]另外，根据本专利技术上述实施例提出的光伏板热斑检测方法还可以具有如下附加的技术特征：根据本专利技术的一个实施例，所述图像分割轻量化模型的训练过程包括：构建分割数据集，其中，所述分割数据集中包括多个光伏板红外样本图像；分别对各所述光伏板红外样本图像中的光伏组件进行分割标注，并将标注好的光伏板红外样本图像按照第一预设比例划分为分割训练集和分割测试集；利用所述分割训练集中的光伏板红外样本图像对所述图像分割模型进行训练，其中，所述图像分割模型采用U2
‑
Net模型；利用所述分割测试集中的光伏板红外样本图像对训练后的图像分割模型进行测试，得到训练好的图像分割模型；对所述训练好的图像分割模型进行剪枝；利用所述分割训练集中的光伏板红外样本图像对剪枝后的图像分割模型进行训练，得到所述训练好的图像分割轻量化模型。
[0009]根据本专利技术的一个实施例，所述对所述训练好的图像分割模型进行剪枝，包括：计算所述训练好的图像分割模型的第一精度，以及各通道的第一通道数量和每一通道对应的
第一权重值；根据各所述第一权重值对所述训练好的图像分割模型进行剪枝，并计算剪枝后的图像分割模型的第二精度以及各通道的第二通道数量；根据所述第一精度、所述第二精度、所述第二通道数量和预设阈值，确定第一最优通道数量；根据所述第一最优通道数量对所述训练好的图像分割模型进行剪枝。
[0010]根据本专利技术的一个实施例，所述缺陷检测轻量化模型的训练过程包括：构建检测数据集，其中，所述分割数据集中包括多个光伏组件红外样本图像；分别对各所述光伏组件红外样本图像中的热斑进行检测标注，并将标注好的光伏组件红外样本图像按照第二预设比例划分为检测训练集和检测测试集；利用所述检测训练集中的光伏组件红外样本图像对创建的缺陷检测模型进行训练，其中，所述缺陷检测模型采用YOLOv5模型；利用所述检测测试集中的光伏组件红外样本图像对训练后的缺陷检测模型进行测试，得到训练好的缺陷检测模型；对所述训练好的缺陷检测模型进行剪枝；利用所述分割训练集中的光伏板红外样本图像对剪枝后的缺陷检测模型进行训练，得到所述训练好的缺陷检测轻量化模型。
[0011]根据本专利技术的一个实施例，所述缺陷检测模型采用基于CSPDarknet53骨干网络的YOLOv5模型，所述缺陷检测轻量化模型包括基于Shufflenetv2骨干网络的YOLOv5模型，对所述训练好的缺陷检测模型进行剪枝之前，所述方法还包括：将所述训练好的缺陷检测模型中基于CSPDarknet53骨干网络，替换为基于Shufflenetv2骨干网络；其中，基于Shufflenetv2结构的骨干网络包括一个输入层、一个卷积层、5个Shufflenetv2
‑
res层和一个输出层，所述Shufflenetv2
‑
res层包括channel split模块、卷积模块、深度可分离卷积模块和通道重排模块。
[0012]根据本专利技术的一个实施例，所述对所述训练好的缺陷检测模型进行剪枝，包括：计算所述训练好的缺陷检测模型的第三精度，以及各通道第三通道数量，和每一通道对应的第二权重值；根据各所述第二权重值对所述训练好的缺陷检测模型进行剪枝，并计算剪枝后缺陷检测模型的第四精度以及各通道的第四数量；根据所述第三精度、所述第四精度、所述第四数量和第二预设阈值，确定第二最优通道数量；根据所述第二最优通道数量对所述训练好的缺陷检测模型进行剪枝。
[0013]根据本专利技术的一个实施例，所述获取光伏板红外图像，包括：控制无人机按照预设飞行路线在光伏板区域进行巡航，采集光伏板红外视频，其中，所述无人机上搭载有热成像摄像头；对所述光伏板红外视频进行解析，得到光伏板红外图像。
[0014]根据本专利技术的一个实施例，所述无人机上搭载有GPS定位模块，所述方法还包括：获取所述光伏板红外图像对应的GPS定位信息；根据所述光伏板红外图像对应的GPS定位信息和热斑检测结果，确定所述光伏板的目标位置。
[0015]为达到上述目的，本专利技术第二方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如本专利技术第一方面实施例提出的光伏板热斑检测方法。
[0016]为达到上述目的，本专利技术第三方面实施例提出了一种电子设备，包括存储器、处理器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如本专利技术第一方面实施例提出的光伏板热斑检测方法。
附图说明
[0017]图1是本专利技术一个实施例的光伏板热斑检测方法的流程图；图2是本专利技术一个实施例的图像分割轻量化模型的训练流程图；图3（a）是本专利技术一个实施例的光伏板红外样本图像的示意图；图3（b）是本专利技术一个实施例的光伏板红外样本图像的示意图；图4是本专利技术一个实施例的对训练好的图像分割模型进行剪枝的流程图；图5是本专利技术一个实施例的缺陷检测轻量化模型的训练流程图；图6（a）
‑
图6（e）是本专利技术一个实施例的热斑缺陷类别依次分别为电池片故障、反光、热斑、二极管故障、遮挡对应的缺陷图像；图7是本专利技术一个实施例的channel split模块的示意图；图8是本专利技术一个实施例的shufflenetv2
‑
res模块的示意图；图9是本专利技术一个实施例的对训练好的缺陷检测模型进行剪枝的流程图；图10是本专利技术一个具体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏板热斑检测方法，其特征在于，所述方法包括：获取光伏板红外图像；利用预先训练好的图像分割轻量化模型对所述光伏板红外图像进行分割，得到光伏组件红外图像，其中，所述图像分割轻量化模型采用剪枝后的U2
‑
Net模型；利用预先训练好的缺陷检测轻量化模型分别对所述光伏组件红外图像进行热斑检测，得到各所述光伏组件红外图像的热斑检测结果，其中，所述缺陷检测轻量化模型采用剪枝后的YOLOv5模型；根据所述光伏组件红外图像的热斑检测结果，得到所述光伏板红外图像的热斑检测结果。2.根据权利要求1所述的光伏板热斑检测方法，其特征在于，所述图像分割轻量化模型的训练过程包括：构建分割数据集，其中，所述分割数据集中包括多个光伏板红外样本图像；分别对各所述光伏板红外样本图像中的光伏组件进行分割标注，并将标注好的光伏板红外样本图像按照第一预设比例划分为分割训练集和分割测试集；利用所述分割训练集中的光伏板红外样本图像对所述图像分割模型进行训练，其中，所述图像分割模型采用U2
‑
Net模型；利用所述分割测试集中的光伏板红外样本图像对训练后的图像分割模型进行测试，得到训练好的图像分割模型；对所述训练好的图像分割模型进行剪枝；利用所述分割训练集中的光伏板红外样本图像对剪枝后的图像分割模型进行训练，得到所述训练好的图像分割轻量化模型。3.根据权利要求2所述的光伏板热斑检测方法，其特征在于，所述对所述训练好的图像分割模型进行剪枝，包括：计算所述训练好的图像分割模型的第一精度，以及各通道的第一通道数量和每一通道对应的第一权重值；根据各所述第一权重值对所述训练好的图像分割模型进行剪枝，并计算剪枝后的图像分割模型的第二精度以及各通道的第二通道数量；根据所述第一精度、所述第二精度、所述第二通道数量和预设阈值，确定第一最优通道数量；根据所述第一最优通道数量对所述训练好的图像分割模型进行剪枝。4.根据权利要求2所述的光伏板热斑检测方法，其特征在于，所述缺陷检测轻量化模型的训练过程包括：构建检测数据集，其中，所述分割数据集中包括多个光伏组件红外样本图像；分别对各所述光伏组件红外样本图像中的热斑进行检测标注，并将标注好的光伏组件红外样本图像按照第二预设比例划分为检测训练集和检测测试集；利用所述检测训练集中的光伏组件红外样本图像对创建的缺陷检测模型进行训练，其中，所述缺陷检测模型采用YOLOv5模型；利用所述检测测试集中的光伏组件红外样本图像对训练后的缺陷检测模型进行测试，得到训练好的缺陷检测模型；

【专利技术属性】
技术研发人员：洪流，柴东元，李小飞，王飞，
申请(专利权)人：尚特杰电力科技有限公司，
类型：发明
国别省市：