基于红外热图像处理的光伏阵列热斑检测方法

发布时间：2022-01-11 22:47

　　利用红外热图像来检测热斑时,由于红外热图像具有较大的随机噪声和非均匀性干扰,传统的图像处理方法效果不佳。该文提出一种基于灰度直方图的B样条最小二乘拟合的处理方法,能够抑制红外图像噪声,提高检测热斑的准确率。实验结果表明该方法对处理含有大量噪声的光伏阵列的红外图像较有意义,从而高效便捷地检测出热斑故障。 

【文章来源】：太阳能学报. 2020,41(08)北大核心EICSCD

【文章页数】：5 页

【部分图文】：

内部缺陷的光伏组件红外热图像及其灰度直方图

由于直方图中存在噪声和环境干扰的影响，体现为直方图存在毛刺和小的局部起伏，很多情况下采用常规方法难以实现感兴趣的“波峰”的鲁棒、准确检测。为有效的解决这个问题，本文提出一种图像分割方法，利用B样条最小二乘拟合方法拟合出光伏组件红外热像图的灰度直方图（灰度分为256阶）的曲线，见图2，并将其应用于光伏组件的热斑检测，具有快速性和准确性的优点。1.2 B样条最小二乘拟合方法

实验中，采集了多幅出现热斑的光伏组件的红外图像。图3的热斑是因为电池板上了落了一滴鸟粪。在以往的研究中，通过光伏组件的红外图像检测热斑一般用基于Canny算子的边缘检测方法或者是阈值分割方法或者是模糊聚类方法，这些方法，对于采集的红外图像中噪声较低的情况（噪声来源于复杂环境比如光、影或是红外图像采集过程中）处理较好。然而，如果红外图像中噪声较为明显：图3中黑色的地方实际上并不一定是温度低，而是由于拍摄角度的变化，光伏组件的发射率ε发生了变化，从而导致红外热像仪接受到的热辐射量发生变化。由于噪声量增多，如果再用常规的处理方法，实际效果就会很差。图4是分别对内部缺陷的光伏组件红外热图像（图1a）和表面脏污的光伏组件红外热图像（图3）进行OSTU阈值分割的结果，光伏组件的正常工作的部分被当成热斑分割出来了。

【参考文献】：
期刊论文
[1]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)
[2]太阳能光伏阵列红外图像的特征提取[J]. 王培珍,王群京,杨维翰.  合肥工业大学学报(自然科学版). 2004(10)

硕士论文
[1]三次B样条数据拟合的节点自适应选取算法[D]. 李晓晔.大连理工大学 2008



本文编号：3583587