發(fā)布時(shí)間：2022-01-11 22:47

　　利用紅外熱圖像來檢測熱斑時(shí),由于紅外熱圖像具有較大的隨機(jī)噪聲和非均勻性干擾,傳統(tǒng)的圖像處理方法效果不佳。該文提出一種基于灰度直方圖的B樣條最小二乘擬合的處理方法,能夠抑制紅外圖像噪聲,提高檢測熱斑的準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明該方法對處理含有大量噪聲的光伏陣列的紅外圖像較有意義,從而高效便捷地檢測出熱斑故障。 

【文章來源】：太陽能學(xué)報(bào). 2020,41(08)北大核心EICSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

內(nèi)部缺陷的光伏組件紅外熱圖像及其灰度直方圖

由于直方圖中存在噪聲和環(huán)境干擾的影響，體現(xiàn)為直方圖存在毛刺和小的局部起伏，很多情況下采用常規(guī)方法難以實(shí)現(xiàn)感興趣的“波峰”的魯棒、準(zhǔn)確檢測。為有效的解決這個(gè)問題，本文提出一種圖像分割方法，利用B樣條最小二乘擬合方法擬合出光伏組件紅外熱像圖的灰度直方圖（灰度分為256階）的曲線，見圖2，并將其應(yīng)用于光伏組件的熱斑檢測，具有快速性和準(zhǔn)確性的優(yōu)點(diǎn)。1.2 B樣條最小二乘擬合方法

實(shí)驗(yàn)中，采集了多幅出現(xiàn)熱斑的光伏組件的紅外圖像。圖3的熱斑是因?yàn)殡姵匕迳狭寺淞艘坏硒B糞。在以往的研究中，通過光伏組件的紅外圖像檢測熱斑一般用基于Canny算子的邊緣檢測方法或者是閾值分割方法或者是模糊聚類方法，這些方法，對于采集的紅外圖像中噪聲較低的情況（噪聲來源于復(fù)雜環(huán)境比如光、影或是紅外圖像采集過程中）處理較好。然而，如果紅外圖像中噪聲較為明顯：圖3中黑色的地方實(shí)際上并不一定是溫度低，而是由于拍攝角度的變化，光伏組件的發(fā)射率ε發(fā)生了變化，從而導(dǎo)致紅外熱像儀接受到的熱輻射量發(fā)生變化。由于噪聲量增多，如果再用常規(guī)的處理方法，實(shí)際效果就會(huì)很差。圖4是分別對內(nèi)部缺陷的光伏組件紅外熱圖像（圖1a）和表面臟污的光伏組件紅外熱圖像（圖3）進(jìn)行OSTU閾值分割的結(jié)果，光伏組件的正常工作的部分被當(dāng)成熱斑分割出來了。

【參考文獻(xiàn)】：
期刊論文
[1]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(bào). 2010(02)
[2]太陽能光伏陣列紅外圖像的特征提取[J]. 王培珍,王群京,楊維翰.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2004(10)

碩士論文
[1]三次B樣條數(shù)據(jù)擬合的節(jié)點(diǎn)自適應(yīng)選取算法[D]. 李曉曄.大連理工大學(xué) 2008



本文編號：3583587