一种基于UNet的光伏面板沉积物分割方法

本发明涉及光伏面板检测，具体为一种基于unet的光伏面板沉积物分割方法。

背景技术：

1、随着光伏电站规模的不断扩大，光伏面板污染问题日益凸显。主要影响光伏面板工作效率的原因包括灰尘积累、树叶和鸟类覆盖。当沉积物覆盖面积过大时，光伏面板可能产生热斑和隐裂破损等故障，从而降低光吸收率和发电效率，影响整个系统的运行效果。因此，及时检测光伏面板上的沉积物对于确保最佳能源生产至关重要。

2、目前，光伏面板沉积物的检测与识别主要依赖于光伏电站的人工巡检，但这种方法在实时性和准确性方面存在一定的局限性，难以满足光伏面板实时监测、清洗维护以及安全并网等智能化运维的需求。

3、近年来，利用图像处理技术对光伏面板沉积物进行检测成为国内外研究的热点。图像处理技术可分为传统方法和基于深度学习的方法。传统方法主要基于数学和信号处理原理，计算复杂度较小，但在复杂多变的环境下无法准确识别光伏面板上的沉积物。基于深度学习的方法利用深度神经网络进行特征学习和图像分析，具有更强的泛化能力和对复杂场景的适应性，但由于光伏面板所处环境的多变性以及沉积物特征与环境特征具有相似性，容易对深度学习算法结果造成干扰，降低算法准确率。

技术实现思路

1、本发明的目的是针对背景技术中存在的缺点和问题加以改进和创新，提供一种基于unet的光伏面板沉积物分割方法。

2、根据本发明的第一方面，提供一种基于unet的光伏面板沉积物分割方法，具体包括以下步骤：

3、获取光伏面板图像，对光伏面板图像进行预处理；

4、将预处理后的光伏面板图像输入预先训练好的unet网络模型，得到光伏面板掩膜图像，所述光伏面板掩膜图像用于分割开光伏面板图像中的光伏面板部分和背景部分；

5、根据所述光伏面板掩膜图像覆盖掉预处理后的光伏面板图像的背景部分，得到光伏面板分割图像，使用直线检测算法检测出光伏面板分割图像上栅线的起止坐标；

6、根据栅线的起止坐标，创建栅线掩膜图像，根据所述栅线掩膜图像对光伏面板分割图像上的栅线进行淡化处理，以得到淡化栅线的光伏面板分割图像；

7、将淡化栅线的光伏面板分割图像输入预先训练好的unet-cbam网络，对光伏面板图像上的沉积物分割与分类。

8、进一步的方案是，所述对光伏面板图像进行预处理包括：

9、对光伏面板图像进行去噪、裁剪、随机旋转和随机翻转操作；

10、去噪操作为采用高斯滤波去除光伏面板图像中的干扰像素；

11、裁剪操作用于裁剪图像至预设尺寸大小；

12、随机旋转操作用于对光伏面板图像进行-45度到45度的随机旋转；

13、随机翻转操作用于对光伏面板图像进行水平或垂直的随机翻转操作。

14、进一步的方案是，所述根据所述光伏面板掩膜图像覆盖掉预处理后的光伏面板图像的背景部分，得到光伏面板分割图像，使用直线检测算法检测出光伏面板分割图像上栅线的起止坐标包括：

15、根据光伏面板掩膜图像将预处理后的光伏面板图像中背景部分赋为黑色，对应的各个像素点的像素值设置为（0，0，0），光伏面板部分的像素值保持不变；以得到光伏面板分割图像；

16、对光伏面板分割图像进行形态学腐蚀膨胀操作，用于连接断裂的栅线与消除噪点；

17、使用直线检测算法lsd检测出光伏面板分割图像上的栅线，得到各条栅线起止坐标，其中表示第i条栅线的起点坐标，表示第i条栅线的终点坐标。

18、进一步的方案是，所述根据栅线的起止坐标，创建栅线掩膜图像包括：

19、创建栅线掩膜图像，栅线掩膜图像的大小与光伏面板分割图像的大小相等；

20、根据每条栅线的起止坐标，将栅线掩膜图像中与光伏面板分割图像上栅线的坐标相重合的像素点的像素值赋为（255，255，0），以在栅线掩膜图像上绘制栅线；

21、将栅线掩膜图像上的栅线的宽度设置为2个像素；

22、将栅线掩膜图像上栅线位置之外的像素点的像素值设置为（0，0，0）。

23、进一步的方案是，所述根据所述栅线掩膜图像对光伏面板分割图像上的栅线进行淡化处理，以得到淡化栅线的光伏面板分割图像包括：

24、扫描栅线掩膜图像上各个像素点，若对应的掩膜像素点的像素值为（0，0，0），则继续扫描；若对应的掩膜像素点的像素值为（255，255，0），则利用邻域平均值填充法计算并覆盖光伏面板分割图像中像素点对应的像素值，以得到淡化栅线的光伏面板分割图像，其计算公式如下：；

25、其中，n为参与计算的像素点数量，r为计算的像素半径，在邻域内与像素点的像素值相等的像素不计入计算，为光伏面板分割图像中邻域内对应的像素点的像素值。

26、进一步的方案是，所述unet-cbam网络是将cbam注意力模块嵌入在unet网络的跳跃连接中。

27、根据本发明的第二方面，提供一种电子设备，包括：存储器和处理器；

28、所述存储器，用于存储程序；

29、所述处理器，用于调用存储于所述存储器中的程序，以执行如上任一项所述的一种基于unet的光伏面板沉积物分割方法。

30、根据本发明的第三方面，提供一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，以实现如上任一项所述的一种基于unet的光伏面板沉积物分割方法。

31、与现有技术相比，本发明的有益效果是：

32、（1）本发明提出了一种融合了小型深度学习网络与传统图像处理技术的光伏面板沉积物分割方法，能够对光伏面板中沉积物（包括灰尘、树叶以及鸟粪）进行精准分割与分类。

33、（2）通过腐蚀膨胀技术、lsd算法与邻域平均值填充，淡化光伏面板中栅线，降低对沉积物分割的干扰，有效提高了分割精度。

34、（3）通过两重分割网络，首先使用传统unet网络分割出光伏面板区域，能够有效避免背景区域与沉积物区域特征相似，导致分割精度下降的问题。再使用融合cbam注意力模块的unet-cbam网络，引导网络关注沉积物特征，提高分割准确率。

技术特征：

1.一种基于unet的光伏面板沉积物分割方法，其特征在于，具体包括以下步骤：

2.根据权利要求1所述的一种基于unet的光伏面板沉积物分割方法，其特征在于，所述对光伏面板图像进行预处理包括：

3.根据权利要求1所述的一种基于unet的光伏面板沉积物分割方法，其特征在于，所述根据所述光伏面板掩膜图像覆盖掉预处理后的光伏面板图像的背景部分，得到光伏面板分割图像，使用直线检测算法检测出光伏面板分割图像上栅线的起止坐标包括：

4.根据权利要求3所述的一种基于unet的光伏面板沉积物分割方法，其特征在于，所述根据栅线的起止坐标，创建栅线掩膜图像包括：

5.根据权利要求4所述的一种基于unet的光伏面板沉积物分割方法，其特征在于：所述根据所述栅线掩膜图像对光伏面板分割图像上的栅线进行淡化处理，以得到淡化栅线的光伏面板分割图像包括：

6.根据权利要求1所述的一种基于unet的光伏面板沉积物分割方法，其特征在于：所述unet-cbam网络是将cbam注意力模块嵌入在unet网络的跳跃连接中。

7.一种电子设备，其特征在于，包括：存储器和处理器；

8.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，以实现如权利要求1-6任一项所述的一种基于unet的光伏面板沉积物分割方法。

技术总结本发明公开了一种基于UNet的光伏面板沉积物分割方法，该方法包括以下步骤：获取光伏面板图像，对图像进行预处理；将预处理好的图像输入预先训练好的UNet网络，得到光伏面板掩膜图像，并以此分割出图像中的光伏面板；利用腐蚀膨胀与直线检测算法检测出光伏面板中的栅线，并用领域平均值填充的方法淡化栅线；将淡化栅线的光伏面板分割图像输入预先训练好的UNet‑CBAM网络，对面板上的沉积物分割与分类。本发明通过两步深度学习网络对光伏面板沉积物进行分割，使用腐蚀膨胀技术、LSD算法与邻域平均值填充，淡化光伏面板中栅线，降低对沉积物分割的干扰，有效提高了分割精度。技术研发人员：余运俊,彭舒灏,钟光明,熊飚,陈敏,龚宇波,陶宏伟,赵鹏飞受保护的技术使用者：南昌大学技术研发日：技术公布日：2024/7/29