【技术实现步骤摘要】
本专利技术涉及光伏组件el照片缺陷分析，具体为一种光伏组件el缺陷筛查分析方法。
技术介绍
1、光伏el相机缺陷检测其主要作业原理是光伏面板通电后会发光，在使用时，通过el相机拍摄照片，光伏组件上的缺陷在照片上很明显能体现出来，然后通过将照片上传至系统，由系统进行智能化分析判断，然后通过人工进行核定，最终生成相应的缺陷报告反馈于用户，从而能够帮助用户快速判断光伏组件的真实缺陷。
2、但是现在的光伏组件el缺陷筛查分析系统其主要功能框架就是搭建一个系统化的检测平台，由用户检修相应的账号，然后上传光伏组件el照片，通过分析系统对照片上的特征进行捕捉分析，然后判断相应的问题，但是在实际使用时，用户所拍摄的光伏组件el照片会因为角度、光线强弱以及el相机的像素不同，导致所拍摄的画面效果差异较大，导致系统在进行实际分析时容易出现较大的误差，一方面分析结果准确率不够高，另一方面会导致后续核定人员的工作量非常之大，使用非常不方便，为此特提供一种光伏组件el缺陷筛查分析方法以解决上述问题。
技术实现思路
1、本专利技术的目的在于克服现有技术中存在的上述不足，而提供一种光伏组件el缺陷筛查分析方法。
2、本专利技术解决上述问题所采用的技术方案是：一种光伏组件el缺陷筛查分析方法，其特征是，建立以mysql数据库为主要的数据存储数据库，同时以net core 3.1框架为框架开发后台服务，以pytorch框架开发ai缺陷识别算法，以react框架开发web前端可视化系统页面，最
3、进一步的，数据存储数据库以结构化信息存储数据库（mysql，ms sql）为主要业务数据存储方案，以分布式数据存储系统（gfs、hdfs、tfs、minio）为el照片存储方案；实现终端数据结构化、容器化存储，便于数据分类后期筛查比对时快速提取关键信息。
4、进一步的，数据存储数据库在数据传输的过程中，以消息中间件（kafka、rocketmq、rabbitmq、redis）为多子系统协同、信息同步方案，以ssl、tsl、https、rsa等加密算法为信息传输、存储、查阅加密，同时以云计算服务器为云端数据传送中转站，并且最终以docker、k8s等容器技术为分布式业务承载。
5、进一步的，框架开发后台服务以orleans.net、net等作为分布式系统开发方案，用于降低系统的风险集中性，系统为分布式设计，无服务器，各节点独立运行工作；实现系统不依赖服务器或类似于服务器的工作站，实现系统运行更加灵活，数据处理更加便捷。
6、进一步的，框架开发后台服务基于netcore的缺陷管理后台系统，采用asp.netwebapi架构拆分成不同组件，各个组件按模块化拆分成各个组成承单元，各个组件之间均可独立运行，在系统开发过程中可多人并行开发，大大提高了开发效率，满足招标人在时间节点上的要求；系统各组件可独立部署、独立运行，在与招标方对齐相关需求时可做到多个需求同时更新，可满足招标人对系统不同部分需求变化时系统功能更新的及时性。
7、进一步的，ai缺陷识别算法以ai神经网络（dnn、cnn）为el照片缺陷检测基础框架，以resnet、yolo、densenet、vgg等为el照片缺陷分类定位检测算法；本系统开发基于cnn的缺陷检测算法，算法采用yolov5模型与resnet模型为基础，yolov5模型较好地平衡检测速度和检测精度之间的关系，在保证检测精度的前提下，尽可能地提高了检测速度，可以用于实时的图像缺陷检测，resnet模型具有较多的参数，有较强的图像特征表示能力，可以用于缺陷分类任务。
8、进一步的，yolov5模型主要用于系统对所获取照片进行前期处理，其主要包含输入端、backone、neck、head四个部分，backbone用于在不同图像细粒度上聚合并形成图像特征的卷积神经网络，neck用于一系列混合和组合图像特征的网络层，并将图像特征传递到预测层，head用于对图像特征进行预测，生成边界框合并预测类别。
9、进一步的，输入端可实现mosaic数据增强、自适应锚框计算和自适应图片缩放，从而极大地提升了算法的推理速度。
10、进一步的，分析流程包括获取图片信息、图片智能处理、对比分析、结构预生成浏览和自动入库，通过对用户所上传的光伏组件el缺陷照片进行识别，然后利用yolov5模型对其进行智能化处理，然后提取数据库内部的类似案例进行比对，从而达到快速分析诊断的目的，然后预生成相应的缺陷报告，由用户进行浏览，在得到用户确认后输出正式的分析报告，并对结构进行自动入库。
11、本专利技术与现有技术相比，具有以下优点和效果：通过对用户所上传的光伏组件el缺陷照片进行识别，然后利用yolov5模型对其进行智能化处理，之后提取数据库内部的类似案例进行比对，从而实现智能分析，一方面能够进行合理地优化处理，使得照片中的不利因素被克服，尽可能地还原本来样貌，另一方面所有的用户照片均被用作扩充数据库，使得整个分析系统具有主动学习能力和进阶性，从而使得后续筛查分析时，能够快速匹配同类型缺陷，使得整个分析过程更加迅速和准确，同时也能极大程度降低后续核定人员的工作量。
本文档来自技高网...【技术保护点】
1.一种光伏组件EL缺陷筛查分析方法，其特征是，建立以MySQL数据库为主的数据存储数据库，同时以NET Core 3.1框架为框架开发后台服务，以PyTorch框架开发AI缺陷识别算法，以React框架开发WEB前端可视化系统页面，最终以React Native开发跨平台移动端APP界面，同时以AI神经网络为El照片缺陷检测基础框架，以ResNet、Yolo、DenseNet、VGG为El照片缺陷分类定位检测算法，搭建一个跨平台的智能化筛查分析系统，对用户上传的光伏组件EL照片进行智能分析，并将所有用户上传的照片进行系统化存储，用于扩建数据库，为后续的智能分析提供比对基础；
【技术特征摘要】
1.一种光伏组件el缺陷筛查分析方法，其特征是，建立以mysql数据库为主的数据存储数据库，同时以net core 3.1框架为框架开发后台服务，以pytorch框架开发ai缺陷识别算法，以react框架开发web前端可视化系统页面，最终以react native开发跨平台移动端app界面，...
【专利技术属性】
技术研发人员：刘保松，张伟，徐国强，刘晓光，许新瑞，吴昱，李航宇，刘洋，李岳纯，
申请(专利权)人：杭州华电工程咨询有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。