發(fā)布時間：2021-11-13 10:09

　　隨著集中式光伏電站和分布式光伏系統(tǒng)的大范圍應(yīng)用,光伏運維需求日益突出。無人機(jī)自動化巡檢和組件缺陷智能化診斷是當(dāng)下解決運維難題的兩大技術(shù)要點。利用快速發(fā)展的計算機(jī)視覺和深度學(xué)習(xí)技術(shù),對包含復(fù)雜背景的光伏區(qū)域航拍圖像進(jìn)行智能分析,是解決光伏組件缺陷診斷的有效手段。本文以實現(xiàn)光伏組件缺陷智能診斷為目標(biāo),結(jié)合光伏行業(yè)運維現(xiàn)狀,提出了基于計算機(jī)視覺的光伏組件可見光缺陷診斷技術(shù)。該技術(shù)包括漸進(jìn)式自動標(biāo)注方法,基于實例分割的光伏組件分割模型和基于遷移學(xué)習(xí)的光伏組件缺陷診斷模型三個部分。由于缺少缺陷數(shù)據(jù)以及目前較高的人工標(biāo)注成本,人們難以直接使用深度學(xué)習(xí)技術(shù)完成光伏組件航拍圖像的分析。本文提出了一種漸進(jìn)式自動標(biāo)注方法,可以在較短時間內(nèi)完成光伏組件和缺陷樣本的標(biāo)注,并構(gòu)建了光伏組件數(shù)據(jù)集和缺陷樣本數(shù)據(jù)集�？紤]到光伏缺陷的細(xì)粒度特性,本文采用兩步法構(gòu)建光伏組件缺陷診斷模型。第一步從復(fù)雜背景中分割得到光伏組件,第二步從光伏組件中采樣得到缺陷樣本,樣本通過分類網(wǎng)絡(luò)得到診斷結(jié)果。鑒于采用的數(shù)據(jù)集與實際情況的偏差,本文采用遷移學(xué)習(xí)方法訓(xùn)練模型,以此來應(yīng)對數(shù)據(jù)分布的偏移和頻繁的模型迭代。本文提出的方法在實驗平臺和某... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

光伏組件結(jié)構(gòu)

浙江大學(xué)碩士學(xué)位論文無人機(jī)光伏系統(tǒng)自動化巡檢的框架和關(guān)鍵技術(shù)概論106）巡檢員根據(jù)缺陷定位信息，找到問題光伏組件。功能模塊簡介：1）3D航跡規(guī)劃，在Ubuntu-Tegra環(huán)境下，安裝好ROS-Indigo、OpenCV2.4.10，再安裝Onboard-SDK3.2.2包，然后部署飛行控制、定高飛行、障礙物感知、數(shù)據(jù)傳輸算法；2）組件缺陷診斷，在Docker-CE中建立Ubuntu16.04環(huán)境，安裝好Python3.6、Pytorch1.0、OpenCV（>3.0）、PyQt5，然后部署組件分割模型、缺陷診斷模型、可視化界面；3）地理信息匹配，地勢起伏不大的光伏電站可用CAD圖進(jìn)行路徑規(guī)劃，起伏較大的光伏電站需要航拍圖進(jìn)行3D路徑規(guī)劃，離線地圖和在線的算法相互配合完成飛行任務(wù)；4）數(shù)據(jù)管理，數(shù)據(jù)包括無人機(jī)飛行數(shù)據(jù)、采集到的紅外/可見光數(shù)據(jù)、障礙物感知數(shù)據(jù)、組件數(shù)據(jù)庫、缺陷樣本數(shù)據(jù)庫。圖2-2無人機(jī)分布式光伏自動化巡檢框架2.5計算機(jī)視覺關(guān)鍵技術(shù)本文的目標(biāo)是對無人機(jī)采集到的光伏組件圖像進(jìn)行缺陷智能診斷。從該目標(biāo)出發(fā)，除了框架中提到的無人機(jī)平臺、地面站平臺及各個軟件要素，

浙江大學(xué)碩士學(xué)位論文光伏組件的漸進(jìn)式自動標(biāo)注技術(shù)13觀察直到最后一個點。棧中元素即為凸包上的點。算法流程：1）縮放圖像，將圖像從BGR空間轉(zhuǎn)換到HSV空間，對每個通道分別設(shè)置閾值，得到目標(biāo)和其他少數(shù)干擾像素；2）進(jìn)行形態(tài)學(xué)開操作，分隔目標(biāo)和噪點；3）提取外輪廓，畫出每個輪廓的外接多邊形，計算多邊形所占面積，去掉面積較小區(qū)域；4）提取每個多邊形的外接凸包；5）坐標(biāo)映射回原圖，保存每個凸包的頂點到“.txt”文件，即一張圖片對應(yīng)一個文件。（a）（b）圖3-1光伏組件分割圖中（a）為開操作，（b）為光伏組件的凸包輪廓。參數(shù)設(shè)置：1）原始圖像大小1280*720，縮放比例0.5；2）HSV閾值，H（200/2，280/2）、S（12*255/100，90*255/100）、V（12*255/100，90*255/100），與標(biāo)準(zhǔn)藍(lán)色的范圍相比更大；3）開操作的核大小（5，5），輪廓面積閾值9000，多邊形頂點間隔閾值5。3.1.2漸進(jìn)式自動標(biāo)注組件使用實驗平臺標(biāo)注的數(shù)據(jù)，訓(xùn)練Mask-RCNN網(wǎng)絡(luò)得到第一代的組件分割模型，然后在實際場景下進(jìn)行推理，發(fā)現(xiàn)分割效果一般，特別是目標(biāo)邊緣的分割效果較差。這與模型本身的泛化能力和兩類數(shù)據(jù)的分布差異有關(guān)，簡單的做法是加入部分實際場景數(shù)據(jù)進(jìn)行再訓(xùn)練。但是實際場景沒有標(biāo)注，所以需要對推理結(jié)果進(jìn)行修正，修正后的數(shù)據(jù)可以用于第二次訓(xùn)練。

【參考文獻(xiàn)】：
期刊論文
[1]集中式光伏電站巡檢無人機(jī)視覺定位與導(dǎo)航[J]. 席志鵬,樓卓,李曉霞,孫艷,楊強(qiáng),顏文俊.  浙江大學(xué)學(xué)報(工學(xué)版). 2019(05)
[2]基于深度學(xué)習(xí)優(yōu)化SSD算法的硅片隱裂檢測識別[J]. 田曉杰,程耀瑜,常國立.  機(jī)床與液壓. 2019(01)
[3]基于快速過采樣主成分分析法的光伏陣列故障診斷[J]. 李元良,丁坤,陳富東,丁漢祥.  電網(wǎng)技術(shù). 2019(01)
[4]大型光伏電站無人機(jī)巡檢中的路徑規(guī)劃方法研究[J]. 羅雪靜,顏文俊.  工業(yè)控制計算機(jī). 2018(09)
[5]基于光伏電站排布設(shè)計數(shù)據(jù)的無人機(jī)熱斑巡檢系統(tǒng)方案[J]. 徐慶,張?zhí)煳?沈道軍,李春陽,羅易,周承軍.  民營科技. 2018(02)
[6]中車株洲所大數(shù)據(jù)平臺在光伏領(lǐng)域?qū)崿F(xiàn)首次應(yīng)用[J].   大功率變流技術(shù). 2016(04)
[7]光伏組件熱斑診斷及模糊優(yōu)化控制方法[J]. 吳春華,周笛青,李智華,付立.  中國電機(jī)工程學(xué)報. 2013(36)
[8]基于BP神經(jīng)網(wǎng)絡(luò)的光伏組件在線故障診斷[J]. 王元章,李智華,吳春華,周笛青,付立.  電網(wǎng)技術(shù). 2013(08)
[9]基于紅外圖像的太陽能光伏陣列故障分析[J]. 王培珍,鄭詩程.  太陽能學(xué)報. 2010(02)

碩士論文
[1]太陽能電站光伏組件故障監(jiān)測系統(tǒng)的研發(fā)[D]. 閆天一.江蘇大學(xué) 2019
[2]光伏電站自主巡檢中的無人機(jī)視覺定位算法研究[D]. 樓卓.浙江大學(xué) 2019
[3]無人機(jī)自主飛行若干關(guān)鍵問題研究[D]. 席志鵬.浙江大學(xué) 2019
[4]基于模型和數(shù)據(jù)驅(qū)動的光伏組件故障檢測與診斷[D]. 孫艷.浙江大學(xué) 2019
[5]太陽能光伏陣列識別及熱斑檢測技術(shù)的研究與實現(xiàn)[D]. 楊亞楠.南京郵電大學(xué) 2018
[6]面向光伏巡檢的四旋翼飛行器路徑規(guī)劃問題研究[D]. 羅雪靜.浙江大學(xué) 2018
[7]基于改進(jìn)聚類算法的光伏組件圖像識別技術(shù)[D]. 張鐸.浙江大學(xué) 2018
[8]光伏電站中的航拍圖像識別與匹配技術(shù)研究[D]. 吳楓杰.浙江大學(xué) 2018
[9]基于無人機(jī)視覺的大規(guī)模光伏電池板檢測技術(shù)研究[D]. 黃鈺雯.廣西大學(xué) 2017
[10]無人機(jī)航跡規(guī)劃及導(dǎo)航定位系統(tǒng)研究[D]. 王涵.浙江大學(xué) 2017



本文編號：3492831