一种基于红外图像的光伏电站热斑检测与定位方法与流程

本发明涉及热斑检测、红外图像处理的技术领域，特别是涉及一种基于红外图像的光伏电站热斑检测与定位方法。

背景技术：

近年来，我国的光伏太阳能广泛应用于大型光伏发电站、路灯、住宅和商用建筑物等。在这些场所中，鸟粪、建筑物、其他太阳能板等都很容易形成对太阳能光伏阵列的遮挡，进而产生热斑效应，明显降低光伏阵列发电效率及使用寿命，严重时甚至发生火灾。在光伏电站的建设和维护过程中，需要定期对热斑进行检测。而常规的人工巡检方式必须高举扫描仪或借助升降车实施热斑检测，危险系数高、效率低、成本高。因此，研究安全、高效的热斑检测方法，对于提高光伏电站的发电效率具有十分重要的现实意义。

目前常用的热斑检测方法大致可以分为三种：并联旁路二极管法、电流电压法和红外成像技术法。其中，并联旁路二极管法的主要目的是通过旁路二极管来减少受遮挡部分电池片所受到的反向电压与电流；电流电压法多用于光伏阵列的故障诊断，通过分析光伏阵列输出电流、电压之间的关系，构建合适的模型，判断是否存在热斑现象；以上两种方法都容易破坏光伏阵列的内部结构，且效率较低。红外成像技术法可以解决以上问题，基于红外图像可以反映光伏阵列在不同工作状态下的温度特性这一事实，采用红外热像仪拍摄红外图像，并通过图像分析将热斑检测出来。但目前对于这种方法的技术实现相对较少。

技术实现要素：

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有热斑检测方法中存在的问题，提出了本发明。

因此，本发明其中一个目的是提供基于红外图像的光伏电站热斑检测与定位方法。

为解决上述技术问题，本发明提供如下技术方案：一种基于红外图像的光伏电站热斑检测与定位方法，包括：基于红外温度图像，划分阵列；基于阵列区域，热斑识别；热斑定位；其中，所述划分阵列，包括，根据红外温度数据获取梯度图像，利用算法阈值化，并将所述梯度图像反转；利用计算得到的温度阈值，去除反转后梯度图像中的阴影区域；利用初始梯度图像，求出局部方差图像，并求出二值化图像；转化为温度直方图；矩形匹配，逐点匹配所述温度直方图中值为1的点，当模板窗口中值为1的点的总数所占的比例大于0.3时，将该点置为1；否则，置为0；形态学膨胀，对矩形匹配后的图像进行两次膨胀，填充各个阵列边缘区域；其中，基于红外温度图像的阵列划分，并反转得到图像，具体为：

g(x,y)＝i(x,y+1)-i(x,y)；

其中，i表示输入的红外温度数据，由浮点类型的温度值组成，大小是640×480；g表示初始梯度图像；x、y分别表示每一个温度点的横坐标和纵坐标。

作为本发明所述基于红外图像的光伏电站热斑检测与定位方法的一种优选方案，其中：所述温度阈值的计算，包括，定义一个集合，存放反转后梯度图像中值为1的各点所对应的温度值，并对集合从小到大排序；对集合中位于后50％的所有元素求均值；把所述均值的0.5倍设置为温度阈值，具体为：

其中，g’表示低温筛选后的梯度图像，t是一个常数，大小是温度均值的0.5倍。

作为本发明所述基于红外图像的光伏电站热斑检测与定位方法的一种优选方案，其中：所述去除反转后梯度图像中的阴影区域，包括，所述反转后梯度图像与初始红外温度数据相乘，得到图像a；将图像a中低于所述温度阈值的各点置为0，其余置1，得到去除反转后梯度图像中的阴影区域的图像b，具体为：

rgra＝g'-var

其中，rgra表示方差去除后的梯度图像，var表示局部方差图像。

作为本发明所述基于红外图像的光伏电站热斑检测与定位方法的一种优选方案，其中：所述二值化图像，包括，对所述图像b中梯度值为1的点，求其所在初始红外图像中3×3区域内的局部方差，形成所述局部方差图像；利用算法对所述局部方差图像阈值化；从所述图像b中减去阈值化的所述局部方差图像，得到去除非阵列区域后的二值化图像。

作为本发明所述基于红外图像的光伏电站热斑检测与定位方法的一种优选方案，其中：所述温度直方图，包括，定义一个温度集合，所述温度集合包括所述二值化图像中值为1的各点所对应的温度值；利用所述温度集合，构造一维的温度直方图，并以所述温度直方图中温度最高的峰值所对应的温度作为阵列的平均温度c；其中，所述二值化图像中值为1且该点对应的温度位于有效温度范围内的点，置为1，否则，置为0；其中，所述有效温度范围是[c-4，c+4]，所述温度直方图的横坐标的温度间隔为0.5°；具体为：

其中，rmode代表直方图分割后的阵列划分结果，mode是直方图最大分布区间的中位数，代表阵列的平均温度。

作为本发明所述基于红外图像的光伏电站热斑检测与定位方法的一种优选方案，其中：所述热斑识别，包括，从划分后的阵列中，选取可疑阵列；初步筛选，确定候选热斑点的集合；坐标合并，具体为：

以及，二次判断热斑点。

作为本发明所述基于红外图像的光伏电站热斑检测与定位方法的一种优选方案，其中：所述可疑阵列，为阵列中的最高温度值与所述平均温度c的比值超过1.5的阵列。

作为本发明所述基于红外图像的光伏电站热斑检测与定位方法的一种优选方案，其中：所述确定候选热斑点，采用5×5的窗口对所述可疑阵列内温度值高于所述平均温度c的0.8倍的温度点，进行热斑判断，计算5×5的窗口内的最高温tmax、平均温tavg，并将tmax-c、tavg-c分别与设定的阈值k1、k2比较，当两个差值都分别不小于k1、k2时，该点为候选热斑点，并添加到候选热斑点集合中；其中，k1、k2取值范围分别是[15，18]，[2，4]。

作为本发明所述基于红外图像的光伏电站热斑检测与定位方法的一种优选方案，其中：所述二次判断，所述候选热斑点，当且仅当tmax-tavg的差值不小于温度阈值k3时，该点为真正的热斑；温度阈值k3取值范围是[5,15]。

作为本发明所述基于红外图像的光伏电站热斑检测与定位方法的一种优选方案，其中：所述热斑定位，包括，将光伏电站施工设计图纸转化为逻辑图，将逻辑图中的各个阵列的位置坐标与gps信息之间建立对应关系，并计算出所有光伏阵列的gps信息；基于所述热斑识别的结果，利用从红外图像中解析出来的gps信息匹配逻辑图中的gps信息库的结果，确定该幅图像具体的拍摄位置；根据所述划分阵列的结果，具体定位到热斑位于某幅图像中的第几个阵列；生成的测试结果文本文档中记录热斑的gps信息、温度信息。

本发明的有益效果：本发明在进行光伏电站热斑检测时，提出了一种基于红外图像的光伏电站热斑检测与定位方法，主要分为阵列划分、热斑识别、热斑定位三个部分。相比已有的基于红外图像热斑检测方法，充分考虑了红外图像的温度特性，直接基于红外温度数据进行阵列划分，运算复杂度低且划分效果好；基于阵列区域，采用两次判断的方式识别热斑，不仅检测效率高且精度较高；基于gps信息匹配的方式定位热斑位置，算法复杂度低且精确度较高。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明基于红外图像的光伏电站热斑检测与定位方法中的红外灰度图像示意图；

图2为本发明基于红外图像的光伏电站热斑检测与定位方法中的原始梯度图像示意图；

图3为本发明基于红外图像的光伏电站热斑检测与定位方法中利用算法阈值化的梯度图像示意图；

图4为本发明基于红外图像的光伏电站热斑检测与定位方法中反转梯度图像后的示意图；

图5为本发明基于红外图像的光伏电站热斑检测与定位方法中梯度图像低温筛选后的结果示意图；

图6为本发明基于红外图像的光伏电站热斑检测与定位方法中局部方差的图像示意图；

图7为本发明基于红外图像的光伏电站热斑检测与定位方法中方差去除后的梯度图像示意图；

图8为本发明基于红外图像的光伏电站热斑检测与定位方法中温度直方图分割的示意图；

图9为本发明基于红外图像的光伏电站热斑检测与定位方法中温度直方图的折线图；

图10为本发明基于红外图像的光伏电站热斑检测与定位方法中矩形匹配的结果示意图；

图11为本发明基于红外图像的光伏电站热斑检测与定位方法中形态膨胀的结果示意图；

图12为本发明基于红外图像的光伏电站热斑检测与定位方法中阵列识别后的结果示意图；

图13为本发明基于红外图像的光伏电站热斑检测与定位方法中坐标合并前检测的示意图；

图14为本发明基于红外图像的光伏电站热斑检测与定位方法中坐标合并后检测的示意图；

图15为本发明基于红外图像的光伏电站热斑检测与定位方法中二次判断热斑前的显示结果示意图；

图16为本发明基于红外图像的光伏电站热斑检测与定位方法中二次判断热斑后的显示结果示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

再其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

本发明的基于红外图像的光伏电站热斑检测与定位方法，其具体实施方案如下：

1、参照图1～11为基于红外温度图像的阵列划分的示意图，包括以下子步骤：

(1)根据红外温度数据得到表1，其中，表1中的数据是通过红外相机拍摄得到ddt格式的文件，在通过红外相机自带的sdk开发工具包将ddt格式的文件转为csv格式的文件，也就是说，通过相机后台自带的函数，进行了格式转换，以便于读取温度数据，得到表1。需要说明的是，读取温度数据可以通过c语言中的库函数，也可以通过计算机手动以excel的模式打开，且表1中的每一个数据对应红外图像中每一点的温度值。

表1

将表1中红外数据转化为红外温度图像如1所示，进而获取垂直方向上的梯度图像得到图2所示的原始梯度图像，利用otsu算法阈值化，得到图3所示的梯度图像，最后将图像“反转”。这里所说的“反转”是将原先图像中白色的部分变成黑色，将原先图像中黑色的部分变成白色，得到图4所示的反转后的图像；具体为：

g(x,y)＝i(x,y+1)-i(x,y)①

其中，i表示输入的红外温度数据，由浮点类型的温度值组成，大小是640×480；g表示初始梯度图像；x、y分别表示每一个温度点的横坐标和纵坐标。

(2)利用计算出来的温度阈值去除步骤(1)反转后梯度图像中温度过低的点；具体为：

其中，g’表示低温筛选后的梯度图像，t是一个常数，大小是温度均值的0.5倍。

首先，定义一个集合，存放(1)中反转后梯度图像中值为1的各点所对应的温度值，并对集合从小到大排序，然后，对集合中位于后50％的所有元素求均值，并将均值的0.5倍设为温度阈值，最后，将反转后梯度图像与初始红外温度数据相乘，得到图像a；将图像a中低于温度阈值的各点置为0，其余置1，得到去除反转后梯度图像中的阴影区域的图像b，即图5。即图3。

(3)利用局部方差去除背景区域；具体为：

rgra＝g'-var③

其中，rgra表示方差去除后的梯度图像，var表示局部方差图像。

基于步骤(2)低温筛选后的梯度图像即图像b(图5)，首先求取梯度图像中值为1的各点在初始红外图像中3×3区域内的方差，构成局部方差图像(如图6所示)；然后利用otsu算法对局部方差图像阈值化；最后从步骤(2)低温筛选后的梯度图像中减去局部方差图像，得到去除非阵列区域后的二值化图像，得到图7。

(4)温度直方图分割；具体为：

其中，rmode代表直方图分割后的阵列划分结果，mode是直方图最大分布区间的中位数，代表阵列的平均温度。

基于步骤(3)中的二值化图像，定义一个温度集合，存放图像中值为1的各点所对应的温度值。将集合中的元素构造成一个一维的温度直方图，即如图8所示，并以直方图中温度最高的峰值所对应的温度作为阵列的平均温度c。将步骤(3)二值化图像中值为1，且该点对应的温度位于有效温度范围内的点，置为1；否则，置为0。构造温度直方图时，其横坐标的温度间隔为0.5°，温度有效范围指的是[c-4，c+4]，得到温度直方图(如图9所示)。

(5)矩形匹配；

参照图10，采用8×10的全1模板去逐点匹配步骤(4)得到的目标图像中值为1的点，当模板窗口中值为1的点的总数所占的比例大于0.3时，将该点继续置为1；否则，置为0。

(6)形态学膨胀；

参照图11，采用8×1，1×6的算子对步骤(5)中的二值化图像进行两次膨胀，以填充各个阵列的边缘区域。

2、基于步骤1中划分得到的阵列区域识别热斑，包括以下子步骤：

(1)从步骤1划分得到的各个阵列中，选取可疑阵列；

可疑阵列为阵列中的最高温度值与所述平均温度c的比值超过1.5的阵列，否则，视为正常工作的阵列，不做后续的处理，从而减少计算量。

(2)初步筛选，确定候选热斑点的集合；

参照图12，图12示出了阵列识别结果，采用5×5的窗口对所述可疑阵列内温度值高于所述平均温度c的0.8倍的温度点，进行热斑判断，计算5×5的窗口内的最高温tmax、平均温tavg，并将tmax-c、tavg-c分别与设定的阈值k1、k2比较，当两个差值都分别不小于k1、k2时，该点为候选热斑点，并添加到候选热斑点集合中；k1、k2分别取值范围是[15,18]，[2,4]。

(3)坐标合并；具体为：

其中，dis(p，q)表示p和q两点之间的欧氏距离，p、q两点的位置坐标分别是(x1,y1)、(x2,y2)。由于窗口的遍历步长是2，所以需要对步骤(2)获得的集合中位置比较靠近的一些候选热斑点进行坐标合并，从而保证只记录热斑区域的左上角坐标。任意两点之间的欧式距离阈值设为10。例如：如图13所示，其为坐标合并前的示意图，经过坐标合并后，得到图14。

(4)二次判断

参照图15，经过统计发现，部分强干扰点所在窗口内的最高温以及平均温度的阈值也达到了初步筛选的标准，但窗口内最高温与平均温两者之间的差值却小于热斑区域的。如图15中所示中背景区域内的局部过热点被误检为热斑，因此，基于步骤(3)得到的候选热斑点，再依次遍历各个候选热斑点，当且仅当tmax-tavg的差值大于等于温度阈值k3时，才认为该点为真正的热斑，k3取值范围是[5，15]，得到图16，从而正确判断出热斑的位置。

3、热斑定位

首先，根据光伏电站施工设计图纸，利用cad软件自动生成整个电站的逻辑图，并寻找逻辑图中的各阵列的位置坐标与gps信息之间的对应关系，计算出所有阵列的gps信息，其中，需要说明的是，这里的对应映射关系是通过执行初期，现场技术人员对电站进行简单的踏勤，选择电站某点作为基准点，测量其gps的坐标，然后在电站的逻辑图上，可将每个点的gps坐标找到对应的各个阵列的位置坐标对应起来；其次，基于步骤2热斑识别的结果，根据从图像中解析出的gps信息匹配逻辑图中的gps信息库的结果，确定该幅图像具体的拍摄位置；再次，根据步骤1中阵列划分的结果，具体定位到热斑位于某幅图像中的第几个阵列；最后，将热斑的gps信息、热斑的最高温度与平均温度等信息自动记录到生成的测试结果文档中。

应理解的是，该申请不限于在下面的描述中阐明的或在图中例示的细节或方法。还应理解的是，本文中所采用的措辞和术语仅是出于描述目的而不应被认为是限制的。

此外，为了提供示例性实施方案的简练描述，可以不描述实际实施方案的所有特征(即，与当前考虑的执行本发明的最佳模式不相关的那些特征，或于实现本发明不相关的那些特征)。应理解的是，在任何实际实施方式的开发过程中，如在任何工程或设计项目中，可做出大量的具体实施方式决定。这样的开发努力可能是复杂的且耗时的，但对于那些得益于此公开内容的普通技术人员来说，不需要过多实验，所述开发努力将是一个设计、制造和生产的常规工作。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。