基于计算机视觉的光伏组件缺陷诊断研究
发布时间：2021-11-13 10:09
随着集中式光伏电站和分布式光伏系统的大范围应用,光伏运维需求日益突出。无人机自动化巡检和组件缺陷智能化诊断是当下解决运维难题的两大技术要点。利用快速发展的计算机视觉和深度学习技术,对包含复杂背景的光伏区域航拍图像进行智能分析,是解决光伏组件缺陷诊断的有效手段。本文以实现光伏组件缺陷智能诊断为目标,结合光伏行业运维现状,提出了基于计算机视觉的光伏组件可见光缺陷诊断技术。该技术包括渐进式自动标注方法,基于实例分割的光伏组件分割模型和基于迁移学习的光伏组件缺陷诊断模型三个部分。由于缺少缺陷数据以及目前较高的人工标注成本,人们难以直接使用深度学习技术完成光伏组件航拍图像的分析。本文提出了一种渐进式自动标注方法,可以在较短时间内完成光伏组件和缺陷样本的标注,并构建了光伏组件数据集和缺陷样本数据集。考虑到光伏缺陷的细粒度特性,本文采用两步法构建光伏组件缺陷诊断模型。第一步从复杂背景中分割得到光伏组件,第二步从光伏组件中采样得到缺陷样本,样本通过分类网络得到诊断结果。鉴于采用的数据集与实际情况的偏差,本文采用迁移学习方法训练模型,以此来应对数据分布的偏移和频繁的模型迭代。本文提出的方法在实验平台和某...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
光伏组件结构
浙江大学硕士学位论文无人机光伏系统自动化巡检的框架和关键技术概论106）巡检员根据缺陷定位信息，找到问题光伏组件。功能模块简介：1）3D航迹规划，在Ubuntu-Tegra环境下，安装好ROS-Indigo、OpenCV2.4.10，再安装Onboard-SDK3.2.2包，然后部署飞行控制、定高飞行、障碍物感知、数据传输算法；2）组件缺陷诊断，在Docker-CE中建立Ubuntu16.04环境，安装好Python3.6、Pytorch1.0、OpenCV（>3.0）、PyQt5，然后部署组件分割模型、缺陷诊断模型、可视化界面；3）地理信息匹配，地势起伏不大的光伏电站可用CAD图进行路径规划，起伏较大的光伏电站需要航拍图进行3D路径规划，离线地图和在线的算法相互配合完成飞行任务；4）数据管理，数据包括无人机飞行数据、采集到的红外/可见光数据、障碍物感知数据、组件数据库、缺陷样本数据库。图2-2无人机分布式光伏自动化巡检框架2.5计算机视觉关键技术本文的目标是对无人机采集到的光伏组件图像进行缺陷智能诊断。从该目标出发，除了框架中提到的无人机平台、地面站平台及各个软件要素，
浙江大学硕士学位论文光伏组件的渐进式自动标注技术13观察直到最后一个点。栈中元素即为凸包上的点。算法流程：1）缩放图像，将图像从BGR空间转换到HSV空间，对每个通道分别设置阈值，得到目标和其他少数干扰像素；2）进行形态学开操作，分隔目标和噪点；3）提取外轮廓，画出每个轮廓的外接多边形，计算多边形所占面积，去掉面积较小区域；4）提取每个多边形的外接凸包；5）坐标映射回原图，保存每个凸包的顶点到“.txt”文件，即一张图片对应一个文件。（a）（b）图3-1光伏组件分割图中（a）为开操作，（b）为光伏组件的凸包轮廓。参数设置：1）原始图像大小1280*720，缩放比例0.5；2）HSV阈值，H（200/2，280/2）、S（12*255/100，90*255/100）、V（12*255/100，90*255/100），与标准蓝色的范围相比更大；3）开操作的核大小（5，5），轮廓面积阈值9000，多边形顶点间隔阈值5。3.1.2渐进式自动标注组件使用实验平台标注的数据，训练Mask-RCNN网络得到第一代的组件分割模型，然后在实际场景下进行推理，发现分割效果一般，特别是目标边缘的分割效果较差。这与模型本身的泛化能力和两类数据的分布差异有关，简单的做法是加入部分实际场景数据进行再训练。但是实际场景没有标注，所以需要对推理结果进行修正，修正后的数据可以用于第二次训练。
【参考文献】：
期刊论文
[1]集中式光伏电站巡检无人机视觉定位与导航[J]. 席志鹏,楼卓,李晓霞,孙艳,杨强,颜文俊. 浙江大学学报(工学版). 2019(05)
[2]基于深度学习优化SSD算法的硅片隐裂检测识别[J]. 田晓杰,程耀瑜,常国立. 机床与液压. 2019(01)
[3]基于快速过采样主成分分析法的光伏阵列故障诊断[J]. 李元良,丁坤,陈富东,丁汉祥. 电网技术. 2019(01)
[4]大型光伏电站无人机巡检中的路径规划方法研究[J]. 罗雪静,颜文俊. 工业控制计算机. 2018(09)
[5]基于光伏电站排布设计数据的无人机热斑巡检系统方案[J]. 徐庆,张天文,沈道军,李春阳,罗易,周承军. 民营科技. 2018(02)
[6]中车株洲所大数据平台在光伏领域实现首次应用[J]. 大功率变流技术. 2016(04)
[7]光伏组件热斑诊断及模糊优化控制方法[J]. 吴春华,周笛青,李智华,付立. 中国电机工程学报. 2013(36)
[8]基于BP神经网络的光伏组件在线故障诊断[J]. 王元章,李智华,吴春华,周笛青,付立. 电网技术. 2013(08)
[9]基于红外图像的太阳能光伏阵列故障分析[J]. 王培珍,郑诗程. 太阳能学报. 2010(02)
硕士论文
[1]太阳能电站光伏组件故障监测系统的研发[D]. 闫天一.江苏大学 2019
[2]光伏电站自主巡检中的无人机视觉定位算法研究[D]. 楼卓.浙江大学 2019
[3]无人机自主飞行若干关键问题研究[D]. 席志鹏.浙江大学 2019
[4]基于模型和数据驱动的光伏组件故障检测与诊断[D]. 孙艳.浙江大学 2019
[5]太阳能光伏阵列识别及热斑检测技术的研究与实现[D]. 杨亚楠.南京邮电大学 2018
[6]面向光伏巡检的四旋翼飞行器路径规划问题研究[D]. 罗雪静.浙江大学 2018
[7]基于改进聚类算法的光伏组件图像识别技术[D]. 张铎.浙江大学 2018
[8]光伏电站中的航拍图像识别与匹配技术研究[D]. 吴枫杰.浙江大学 2018
[9]基于无人机视觉的大规模光伏电池板检测技术研究[D]. 黄钰雯.广西大学 2017
[10]无人机航迹规划及导航定位系统研究[D]. 王涵.浙江大学 2017
本文编号：3492831
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
光伏组件结构
浙江大学硕士学位论文无人机光伏系统自动化巡检的框架和关键技术概论106）巡检员根据缺陷定位信息，找到问题光伏组件。功能模块简介：1）3D航迹规划，在Ubuntu-Tegra环境下，安装好ROS-Indigo、OpenCV2.4.10，再安装Onboard-SDK3.2.2包，然后部署飞行控制、定高飞行、障碍物感知、数据传输算法；2）组件缺陷诊断，在Docker-CE中建立Ubuntu16.04环境，安装好Python3.6、Pytorch1.0、OpenCV（>3.0）、PyQt5，然后部署组件分割模型、缺陷诊断模型、可视化界面；3）地理信息匹配，地势起伏不大的光伏电站可用CAD图进行路径规划，起伏较大的光伏电站需要航拍图进行3D路径规划，离线地图和在线的算法相互配合完成飞行任务；4）数据管理，数据包括无人机飞行数据、采集到的红外/可见光数据、障碍物感知数据、组件数据库、缺陷样本数据库。图2-2无人机分布式光伏自动化巡检框架2.5计算机视觉关键技术本文的目标是对无人机采集到的光伏组件图像进行缺陷智能诊断。从该目标出发，除了框架中提到的无人机平台、地面站平台及各个软件要素，
浙江大学硕士学位论文光伏组件的渐进式自动标注技术13观察直到最后一个点。栈中元素即为凸包上的点。算法流程：1）缩放图像，将图像从BGR空间转换到HSV空间，对每个通道分别设置阈值，得到目标和其他少数干扰像素；2）进行形态学开操作，分隔目标和噪点；3）提取外轮廓，画出每个轮廓的外接多边形，计算多边形所占面积，去掉面积较小区域；4）提取每个多边形的外接凸包；5）坐标映射回原图，保存每个凸包的顶点到“.txt”文件，即一张图片对应一个文件。（a）（b）图3-1光伏组件分割图中（a）为开操作，（b）为光伏组件的凸包轮廓。参数设置：1）原始图像大小1280*720，缩放比例0.5；2）HSV阈值，H（200/2，280/2）、S（12*255/100，90*255/100）、V（12*255/100，90*255/100），与标准蓝色的范围相比更大；3）开操作的核大小（5，5），轮廓面积阈值9000，多边形顶点间隔阈值5。3.1.2渐进式自动标注组件使用实验平台标注的数据，训练Mask-RCNN网络得到第一代的组件分割模型，然后在实际场景下进行推理，发现分割效果一般，特别是目标边缘的分割效果较差。这与模型本身的泛化能力和两类数据的分布差异有关，简单的做法是加入部分实际场景数据进行再训练。但是实际场景没有标注，所以需要对推理结果进行修正，修正后的数据可以用于第二次训练。
【参考文献】：
期刊论文
[1]集中式光伏电站巡检无人机视觉定位与导航[J]. 席志鹏,楼卓,李晓霞,孙艳,杨强,颜文俊. 浙江大学学报(工学版). 2019(05)
[2]基于深度学习优化SSD算法的硅片隐裂检测识别[J]. 田晓杰,程耀瑜,常国立. 机床与液压. 2019(01)
[3]基于快速过采样主成分分析法的光伏阵列故障诊断[J]. 李元良,丁坤,陈富东,丁汉祥. 电网技术. 2019(01)
[4]大型光伏电站无人机巡检中的路径规划方法研究[J]. 罗雪静,颜文俊. 工业控制计算机. 2018(09)
[5]基于光伏电站排布设计数据的无人机热斑巡检系统方案[J]. 徐庆,张天文,沈道军,李春阳,罗易,周承军. 民营科技. 2018(02)
[6]中车株洲所大数据平台在光伏领域实现首次应用[J]. 大功率变流技术. 2016(04)
[7]光伏组件热斑诊断及模糊优化控制方法[J]. 吴春华,周笛青,李智华,付立. 中国电机工程学报. 2013(36)
[8]基于BP神经网络的光伏组件在线故障诊断[J]. 王元章,李智华,吴春华,周笛青,付立. 电网技术. 2013(08)
[9]基于红外图像的太阳能光伏阵列故障分析[J]. 王培珍,郑诗程. 太阳能学报. 2010(02)
硕士论文
[1]太阳能电站光伏组件故障监测系统的研发[D]. 闫天一.江苏大学 2019
[2]光伏电站自主巡检中的无人机视觉定位算法研究[D]. 楼卓.浙江大学 2019
[3]无人机自主飞行若干关键问题研究[D]. 席志鹏.浙江大学 2019
[4]基于模型和数据驱动的光伏组件故障检测与诊断[D]. 孙艳.浙江大学 2019
[5]太阳能光伏阵列识别及热斑检测技术的研究与实现[D]. 杨亚楠.南京邮电大学 2018
[6]面向光伏巡检的四旋翼飞行器路径规划问题研究[D]. 罗雪静.浙江大学 2018
[7]基于改进聚类算法的光伏组件图像识别技术[D]. 张铎.浙江大学 2018
[8]光伏电站中的航拍图像识别与匹配技术研究[D]. 吴枫杰.浙江大学 2018
[9]基于无人机视觉的大规模光伏电池板检测技术研究[D]. 黄钰雯.广西大学 2017
[10]无人机航迹规划及导航定位系统研究[D]. 王涵.浙江大学 2017
本文编号：3492831
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3492831.html
