基于视觉感知的光伏电池板夜间清洁方案自动生成方法与流程

本发明属于人工智能、光伏电池板清洁领域，具体地，涉及一种基于视觉感知的光伏电池板夜间清洁方案自动生成方法。

背景技术：

光伏发电技术作为一种可再生新能源逐渐越来越多的被应用于日常生活当中，作为光伏技术的核心，光伏电池板的发电效率决定了能量的转换效率。光伏电池板由于长期暴露在室外环境中，会在表面积累很多脏污，如灰尘、鸟粪等多种污染物，随着科学技术的进步，目前大多数清洁方法都以无人机巡检作为辅助，采用清洁机器人进行电池板表面的清洁。

一般光伏电站的无人机巡检采用多次巡航检测，对无人机的续航要求比较高，且每次巡检完成后，都需要调度机器人进行清洁，而机器人清洁一次其自身电量损耗极大，清洁次数越多，机器人电量消耗越大，工作效率也就越低；机器人若白天清洗，会对太阳能电池板造成遮挡，尤其对于那些顽固难清洗的脏污，机器人会长时间在该处停留引起长期遮挡，严重时会导致热斑效应，严重影响电池板的发电功率。

技术实现要素：

为了解决上述问题，本发明提出一种基于视觉感知的光伏电池板夜间清洁方案自动生成方法，该方法包括：

步骤一，利用无人机采集光伏电池板图像，包括第一图像和第二图像；所述第一图像为傍晚时刻采集的光伏电池板图像，所述第二图像为次日早晨采集的光伏电池板图像；对光伏电池板图像进行去除边框处理后，送入脏污检测网络，得到每个电池板的脏污遮罩信息和脏污等级；

步骤二，根据脏污遮罩信息对每个电池板进行脏污像素点的统计，得到每个光伏电池板的脏污分布情况；进一步地，结合每个电池板的脏污分布情况得到所有电池板的整体脏污分布情况；

步骤三，根据第二图像对应的脏污等级、每个光伏电池板的脏污分布情况、所有电池板的整体脏污分布情况建立清洁模型：

其中，a、b、c为补偿系数，v为清洁机器人的清洁速度，fi为标号为i的电池板对应的转刷转速，ti为标号为i的电池板对应的清洁次数；xmi为根据第二图像得到的标号为i的电池板的脏污等级，ymi为根据第二图像得到的标号为i的电池板的脏污分布情况，zm为根据第二图像得到的所有电池板的整体脏污分布情况；vmax为清洁机器人清洁速度的最大值，t为脏污等级阈值，q为转刷最大转速；

步骤四，根据第一图像和第二图像分别对应的脏污等级、每个光伏电池板的脏污分布情况、所有电池板的整体脏污分布情况得到评价系数；

根据评价系数与预先设置的阈值判断是否需要对清洁模型进行调整，若需要，则根据评价系数对清洁模型进行调整，得到清洁机器人的清洁速度、每个电池板对应的转刷转速和清洁次数。

所述去除边框处理为：利用算法提取光伏电池板的边框，提取出来的边框区域的像素置不变，非边框区域像素置为0，得到重置图像，光伏电池板图像与重置图像相减实现边框的去除。

所述算法为灰度阈值法。

所述脏污检测网络包括两个子网络，其中，第一子网络用于得到电池板的脏污遮罩信息，第二子网络用于得到脏污等级。

所有电池板的整体脏污分布情况为每个光伏电池板的脏污分布情况相加后取均值得到。

评价系数的具体计算方法为：

其中，p为评价系数，η1、η2、η3为权重系数，xni为根据第一图像得到的标号为i的电池板的脏污等级，yni为根据第一图像得到的标号为i的电池板的脏污分布情况，zn为根据第一图像得到的所有电池板的整体脏污分布情况。

根据评价系数对清洁模型进行调整具体为：

其中，a′、b′、c′为上一次对清洁模型进行调整时得到的补偿系数的值，a、b、c为此次调整需要计算的补偿系数的值。

本发明的有益效果在于：

1.本发明中清洁机器人的清洁过程只在晚上发生，所以不会对光伏电池板造成遮挡从而影响发电功率，且能够结合清洁完成后次日早晨的电池板图像信息，完成对清洁机器人相关参数的反馈调节，使得机器人能够更好的进行夜间脏污清洁工作。

2.由于本方法一天只进行一次清洁，因此无人机一天也只用进行两次巡航检测，降低了无人机以及清洁机器人的续航要求，同时节省了无人机与清洁机器人的电能消耗，保证清洁机器人每次清洁都能以最佳状态进行，提高了清洁的效率。

3.本发明还结合了每个电池板的脏污等级、脏污分布情况以及所有电池板的整体脏污分布情况进行清洁机器人相关参数的调整，其得到的参数调整结果更精确，可实现清洁机器人的参数根据每个电池板的脏污情况进行动态变化，打破现有清洁机器人参数固定这一缺点，可更好的进行光伏电池板的清洁。

附图说明

图1为本发明实施流程图。

具体实施方式

为了让本领域技术人员更好的理解本发明，下面结合实施例对本发明进行详细描述。

本发明的目的为实现根据清洁机器人上一次的清洁效果对清洁机器人的相关参数进行调整；因此，本发明提出一种基于视觉感知的光伏电池板夜间清洁方案自动生成方法，其实施流程如图1所示，具体地，在傍晚时分和次日早晨采集光伏电池板的图像，对图像进行处理得到每个电池板的脏污等级、脏污分布情况以及所有电池板的整体脏污分布情况，根据上述得到的信息对构建的清洁模型进行调整，最终得到调整以后清洁机器人的清洁速度、每个电池板对应的转刷转速和清洁次数。

实施例：

利用无人机采集光伏电池板图像，包括第一图像和第二图像；第一图像为傍晚时刻采集的光伏电池板图像，第二图像为次日早晨采集的光伏电池板图像。次日早晨采集光伏电池板图像的原因为夜间的视觉效果差，难以对夜间采集的光伏电池板图像进行电池板脏污情况的分析。

通过脏污检测网络对光伏电池板图像中roi区域的脏污等级、脏污分布情况进行检测，以便后续采取合理的清洁模型对电池板进行清理。

获取roi区域，即对光伏电池板图像进行去除边框处理：由于电池板表面灰度信息与电池板边框灰度信息差异较大，可以使用灰度阈值方法，将每块电池板图像的边框信息提取出来，提取出来的边框区域的像素保持不变，非边框区域像素置为0，得到重置图像，采集到的光伏电池板图像与重置图像进行减操作后得到roi区域，roi区域为光伏电池板的表面区域。

将去除边框的光伏电池板图像即roi区域送入脏污检测网络，得到每个电池板的脏污遮罩信息和脏污等级；具体地，脏污检测网络包括两个子网络：

第一子网络的输入为roi区域图像信息，输出为roi区域的脏污遮罩信息，具体地，第一子网络设计一个脏污编码器，利用该脏污编码器对roi区域进行图像特征提取，得到关于脏污分布的第一特征图；然后设计一个脏污解码器，该脏污解码器的主要作用是完成第一特征图的解码，并生成roi区域的脏污遮罩图，得到脏污遮罩信息；该第一子网络的的获取包括标注过程和训练过程：

人为对roi区域进行标注，将前景区域即脏污分布区域标注为1，背景区域标注为0，得到关于脏污区域的二值图像信息。

训练过程采用均方误差损失函数，通过该函数实现脏污检测网络第一子网络中参数的迭代更新，最终得到脏污遮罩信息segmentation。

至此，得到每个电池板roi区域的脏污遮罩信息。

进一步地，获取电池板的脏污等级信息，第二子网络设计脏污等级编码器和全连接层，该脏污等级编码器对roi区域进行特征提取得到与第二特征图，第一特征图中已经包含了脏污区域的大小和颜色等信息，该信息可以用于脏污等级预测，帮助第二子网络的收敛，因此采用联合操作将第一特征图和第二特征图进行融合，得到第三特征图，第三特征图经过全连接层的处理得到电池板的脏污等级。其中，第一特征图与第二特征图的尺寸大小相同，若第一特征图的通道数为α1，第二特征图的通道数为α2，则第三特征图的通道数为α1+α2。

需要说明的是，实施例将脏污等级分为1～10个等级，具体的等级划分可以由实施者自行决定。

针对第二子网络的训练过程，第二子网络的输入为电池板roi区域图像信息，输出为脏污等级信息，采用交叉熵损失函数实现第二子网络参数的迭代更新。

至此，得到电池板的脏污等级信息xi，i为电池板的标号。

根据脏污遮罩信息对每个电池板进行脏污像素点的统计，得到标号为i的光伏电池板的脏污分布情况yi，yi为统计的单个电池板的脏污像素点的数量；进一步地，结合每个电池板的脏污分布情况得到所有电池板的整体脏污分布情况，即对每个电池板的脏污分布情况进行求和并取其平均值，具体公式如下：

其中，d为电池板的数量，z为所有电池板的整体脏污分布情况；其中，yi的取值范围为[0,+∞)，z的取值范围为[0,+∞)。

至此，得到根据第一图像得到的标号为i的电池板的脏污等级xni、标号为i的电池板的脏污分布情况yni、清扫前所有电池板的整体脏污分布情况zn，以及，根据第二图像得到的标号为i的电池板的脏污等级xmi、标号为i的电池板的脏污分布情况ymi、清扫后所有电池板的整体脏污分布情况zm。

根据第二图像对应的脏污等级、每个光伏电池板的脏污分布情况、所有电池板的脏污整体分布情况建立清洁模型：

其中，参数a为清洁速度补偿系数，其初始值为10，v为清洁机器人的清洁速度即清洁机器人的全局清洁速度，vmax为清洁机器人清洁速度的最大值,若清洁机器人在电池板上进行滑动时的清洁速度不均匀，可能会对当前的电池板造成压力不均匀的情况，所以需要保持清洁机器人的全局清洁速度；v随着zm的增加而降低；由于清洁机器人移动速度存在最大速度和最小速度，当zm非常大时，v达到最小速度并几乎不再发生变化。

参数b为转刷转速补偿系数，其初始值为1.2，fi为标号为i的电池板对应的转刷转速，不同的单个电池板的脏污等级可能不同，所以，不同脏污等级的电池板对应转刷的转速不同，实现清洁机器人转刷转速的自适应调整；t为脏污等级阈值，实施例中t取7，q为转刷最大转速，单个电池板的脏污等级越大，转刷转速越大，以便提供更强的清洁力度，但转速最大值为q。

参数c为清洁次数补偿系数，其初始值为3，ti为标号为i的电池板对应的清洁次数，根据每个电池板的脏污分布情况得到合适的清洁次数，随着单块电池板的脏污分布情况ymi越高，清洁次数ti越多，使得清洁机器人能够更好地对光伏电池板进行清洁。

根据第一图像和第二图像分别对应的脏污等级、每个光伏电池板的脏污分布情况、所有电池板的脏污整体分布情况得到评价系数：

其中，p为评价系数，其取值范围为[0,1)，d为电池板的个数，η1、η2、η3为权重系数，且η1+η2+η3＝1，实施例中η1＝0.4、η2＝0.4、η3＝0.2。

根据评价系数与预先设置的阈值判断是否需要对清洁模型进行调整，实施例中，阈值取0.8，若评价系数小于预先设置的阈值，说明清洁机器人的清洁效果不佳，需要根据评价系数对清洁模型进行调整，得到清洁机器人的清洁速度、每个电池板对应的转刷转速和清洁次数；否则，认为当前清洁模型的清洁效果好，不需进行调整；具体的调整方法为：

其中，a′、b′、c′为上一次对清洁模型进行调整时得到的补偿系数的值，a、b、c为此次调整需要计算的补偿系数的值；需要说明的是，在对清洁模型进行第一次调整时，a′、b′、c′为设定的初始值即分别为10、1.2、3，之后对清洁模型进行的每一次调整，a′、b′、c′为上一次对清洁模型进行调整时得到的补偿系数的值。

评价系数p越低，说明清洁模型的清洁效果越不好，则需要减小清洁速度，增大转刷转速，增加清洁次数；具体地，对清洁速度补偿系数a、转刷转速补偿系数b、清洁次数补偿系数c进行调节，从而实现对清洁模型的调整，使得清洁模型能够在面对不同的脏污情况时，其清洁效果都较好。

以上所述旨在让本领域技术人员更好的理解本发明，并不用于限制本发明，凡是在本发明精神和原则之内做出的修改与变动，皆在本发明的保护范围内。