【技术实现步骤摘要】
本申请涉及图像检测领域，具体而言，涉及一种光伏模块的热点缺陷的检测方法及装置、存储介质及电子装置。
技术介绍
1、现代光伏电场的光伏系统在工作过程中，如出现热点缺陷，会缩短光伏模块的使用寿命，甚至可能引发火灾等安全事故，大量热点缺陷(hotspot defect)会影响光伏系统的正常运行，进而影响光伏系统的发电效率和发电可靠性。因此，及时准确地检测和识别热点缺陷对于维护光伏电场的正常运营和确保系统安全至关重要。
2、目前传统的缺陷检测方法主要依赖于人工检测和经验判断，这不仅耗时耗力，而且难以保证检测结果的准确性。随着科技的发展，相关领域已引入卷积神经网络(convolutional neural network，cnn)等技术来实现对热点缺陷的智能识别。然而，现有cnn在光伏热点缺陷检测任务中仍存在一些不足，例如由于网络深度的增加，小缺陷特征在网络中逐渐消失，导致检测效果不理想。此外，复杂背景的干扰也使得缺陷特征的区分能力不足，往往难以有效提取和识别小缺陷特征，存在检测精度低和鲁棒性不足，继而导致缺陷检测准确性不高。
3、针对相关技术中，存在光伏模块的热点缺陷的检测准确性不高的问题，目前尚未提出有效的解决方案。
4、因此，有必要对相关技术予以改良以克服相关技术中的所述缺陷。
技术实现思路
1、本申请实施例提供了一种光伏模块的热点缺陷的检测方法及装置、存储介质及电子装置，以至少解决光伏模块的热点缺陷的检测准确性不高的问题。
2、根据本申
3、在一个示例性的实施例中，在将所述初始图像对应的初始特征图输入热点缺陷检测模型之前，所述方法还包括：对所述初始图像进行图像降噪处理，得到中间图像，其中，所述中间图像的噪点数量低于所述初始图像的噪点数量；对所述中间图像进行图像增强，得到增强图像；对所述增强图像进行特征提取操作，得到所述增强图像对应的图像特征向量，并基于所述图像特征向量生成所述初始图像对应的初始特征图。
4、在一个示例性的实施例中，所述热点缺陷检测模型至少包括邻域相关特征模块，将所述初始图像对应的初始特征图输入热点缺陷检测模型，并根据所述热点缺陷检测模型的输出结果确定所述光伏模块的热点缺陷类型，包括：使用所述邻域相关特征模块的特征生成模块对所述初始特征图进行采样，得到第一尺度特征图和第二尺度特征图，其中，所述第一尺度特征图对应的采样点数量大于所述第二尺度特征图对应的采样点数量；将所述第一尺度特征图对应的第一尺度特征向量，所述第二尺度特征图对应的第二尺度特征向量和所述初始特征图对应的第三尺度特征向量输入所述邻域相关特征模块的特征融合模块，以使所述特征融合模块对所述第一尺度特征向量，所述第二尺度特征向量和所述第三尺度特征向量进行向量融合，得到第一融合向量；将所述第一融合向量输入至所述热点缺陷检测模型的全连接层，在所述全连接层内基于预设操作对所述第一融合向量进行向量更新，得到更新向量；将所述第一融合向量和所述更新向量进行融合，得到第二融合向量；将所述第二融合向量输入至所述热点缺陷检测模型的输出层，通过所述输出层输出所述第二融合向量对应的热点缺陷类型。
5、在一个示例性的实施例中，使用所述邻域相关特征模块的特征生成模块对所述初始特征图进行采样，得到第一尺度特征图和第二尺度特征图，包括：使用所述邻域相关特征模块的特征生成模块对所述初始特征图进行上采样，得到所述第一尺度特征图；以及使用所述邻域相关特征模块的特征生成模块对所述初始特征图进行下采样，得到所述第二尺度特征图。
6、在一个示例性的实施例中，通过以下方式实现所述特征融合模块对所述第一尺度特征向量，所述第二尺度特征向量和所述第三尺度特征向量进行向量融合，得到第一融合向量：使用串联操作将所述第一尺度特征向量，所述第二尺度特征向量和所述第三尺度特征向量合并为第一融合向量；所述第一融合向量x表示如下：x＝cat(x0,x1,x2)；其中，x0表示所述第一尺度特征向量，x2表示所述第二尺度特征向量，x1表示所述第三尺度特征向量。
7、在一个示例性的实施例中，在所述全连接层内基于预设操作对所述第一融合向量进行向量更新，得到更新向量，包括：在所述全连接层内对所述第一融合向量进行全局平均池化操作，得到池化向量；按照1×1的卷积核对所述池化向量进行卷积操作，得到卷积向量；使用激活函数对所述卷积向量进行激活操作，以得到所述更新向量，其中，所述更新向量表示为：wg＝σ(h(g(x)))；其中，g(·)表示全局平均池化操作，h(·)表示卷积操作，σ表示激活操作。
8、根据本申请实施例的另一方面，还提供了一种光伏模块的热点缺陷的检测装置，包括：得到模块，用于使用图像采集装置对光伏电场的光伏模块进行图像采集，得到所述光伏模块的初始图像；第一确定模块，用于将所述初始图像对应的初始特征图输入热点缺陷检测模型，并根据所述热点缺陷检测模型的输出结果确定所述光伏模块的热点缺陷类型，其中，所述热点缺陷检测模型是以所述光伏模块的历史图像为输入样本，以所述光伏模块存在的历史热点缺陷的热点缺陷类型为输出样本训练得到的；第二确定模块，用于基于所述光伏模块的热点缺陷类型确定所述光伏模块存在的热点缺陷。
9、根据本申请实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述光伏模块的热点缺陷的检测方法。
10、根据本申请实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述光伏模块的热点缺陷的检测方法。
11、根据本申请的又一方面，还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述任一项方法实施例中的步骤。
12、通过本申请，通过使用图像采集装置对光伏电场的光伏模块进行图像采集，得到所述光伏模块的初始图像；将所述初始图像对应的初始特征图输入热点缺陷检测模型，并根据所述热点缺陷检测模型的输出结果确定所述光伏模块的热点缺陷类型，其中，所述热点缺陷检测模型是以所述光伏模块的历史图像为输入样本，以所述光伏模块存在的历史热点缺陷的热点缺陷类型为输出样本训练得到的；基于所述光伏模块的热点缺陷类型确定所述光伏模块存在的热点缺陷，不仅可以有效检测出小缺陷特征，还能在复杂背景下保持高检测精度，为光伏电场的智能巡检提供了一种高效、可靠本文档来自技高网...
【技术保护点】
1.一种光伏模块的热点缺陷的检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在将所述初始图像对应的初始特征图输入热点缺陷检测模型之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述热点缺陷检测模型至少包括邻域相关特征模块，将所述初始图像对应的初始特征图输入热点缺陷检测模型，并根据所述热点缺陷检测模型的输出结果确定所述光伏模块的热点缺陷类型，包括：
4.根据权利要求3所述的方法，其特征在于，使用所述邻域相关特征模块的特征生成模块对所述初始特征图进行采样，得到第一尺度特征图和第二尺度特征图，包括：
5.根据权利要求4所述的方法，其特征在于，通过以下方式实现所述特征融合模块对所述第一尺度特征向量，所述第二尺度特征向量和所述第三尺度特征向量进行向量融合，得到第一融合向量：
6.根据权利要求5所述的方法，其特征在于，在所述全连接层内基于预设操作对所述第一融合向量进行向量更新，得到更新向量，包括：
7.一种光伏模块的热点缺陷的检测装置，其特征在于，包括：
8.一种计算
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行权利要求1至6中任一项所述的方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种光伏模块的热点缺陷的检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在将所述初始图像对应的初始特征图输入热点缺陷检测模型之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述热点缺陷检测模型至少包括邻域相关特征模块，将所述初始图像对应的初始特征图输入热点缺陷检测模型，并根据所述热点缺陷检测模型的输出结果确定所述光伏模块的热点缺陷类型，包括：
4.根据权利要求3所述的方法，其特征在于，使用所述邻域相关特征模块的特征生成模块对所述初始特征图进行采样，得到第一尺度特征图和第二尺度特征图，包括：
5.根据权利要求4所述的方法，其特征在于，通过以下方式实现所述特征融合模块对所述第一尺度特征向量，所述第二尺度特征向量和所述第...
【专利技术属性】
技术研发人员：周涛，伊然，王介昌，葛鎣，李景伟，李凌鑫，张立武，于波，安琪，翟强，张梦楠，
申请(专利权)人：华能吉林发电有限公司，
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。