一种山区光伏面板损毁识别方法、系统、设备、介质及产品与流程

摘要: 本申请涉及图像处理领域,特别是涉及一种山区光伏面板损毁识别方法、系统、设备、介质及产品。背景技术:1、随着光伏电站规模的不断扩大,利用遥感图像处理和计算机视觉算...
一种山区光伏面板损毁识别方法、系统、设备、介质及产品与流程

本申请涉及图像处理领域,特别是涉及一种山区光伏面板损毁识别方法、系统、设备、介质及产品。

背景技术:

1、随着光伏电站规模的不断扩大,利用遥感图像处理和计算机视觉算法对光伏面板损毁进行自动识别已成为智能运维的重要方向。目前,现有的光伏面板损毁识别方法多依赖单一模态图像或采用简单的多模态特征拼接方式。然而,在实际的山区光伏巡检场景中,现有技术主要存在以下技术问题:一方面,可见光、红外热成像和电致发光等不同模态图像在分辨率、视角、尺度和成像机理上存在显著差异,导致多模态图像配准困难;同时,现有融合方式缺少根据图像质量和模态缺失状态自适应调整权重的机制,当某一模态缺失或受环境干扰质量较差时,模型识别性能会明显下降,鲁棒性不足。另一方面,现有的深度学习方法大多仅输出缺陷检测框或分类结果,难以提供像素级的损毁边界分割,且缺乏结合多模态特征与模型置信度的量化严重度评估机制,无法为光伏电站的精细化运维和维修优先级判断提供直观、可量化的决策依据。

技术实现思路

1、本申请的目的是提供一种山区光伏面板损毁识别方法、系统、设备、介质及产品,以解决识别准确性和鲁棒性差以及无法为光伏电站的精细化运维和维修优先级判断提供直观、可量化的决策依据的问题。

2、为实现上述目的,本申请提供了如下方案:

3、第一方面,本申请提供了一种山区光伏面板损毁识别方法,包括:

4、获取山区光伏面板的多模态图像,并对所述多模态图像进行预处理,得到配准后的多模态图像;所述多模态图像包括可见光图像、红外热图像和电致发光图像;

5、根据所述配准后的多模态图像,利用多分支深度学习网络分别提取各模态特征,并通过多尺度特征金字塔进行处理,得到各模态的多尺度深度特征;

6、根据所述各模态的多尺度深度特征、图像质量向量和模态存在向量,利用跨模态自适应融合机制计算融合权重并进行特征融合,得到跨模态融合特征;

7、根据所述跨模态融合特征进行损毁检测与分割,得到像素级损毁掩膜;

8、根据所述像素级损毁掩膜计算损毁评估参数,并结合模型置信度计算风险分数,得到损毁严重度等级。

9、第二方面,本申请提供了一种山区光伏面板损毁识别系统,包括:

10、配准模块,用于获取山区光伏面板的多模态图像,并对所述多模态图像进行预处理,得到配准后的多模态图像;所述多模态图像包括可见光图像、红外热图像和电致发光图像;

11、多尺度深度特征确定模块,用于根据所述配准后的多模态图像,利用多分支深度学习网络分别提取各模态特征,并通过多尺度特征金字塔进行处理,得到各模态的多尺度深度特征;

12、跨模态融合特征确定模块,用于根据所述各模态的多尺度深度特征、图像质量向量和模态存在向量,利用跨模态自适应融合机制计算融合权重并进行特征融合,得到跨模态融合特征;

13、像素级损毁掩膜确定模块,用于根据所述跨模态融合特征进行损毁检测与分割,得到像素级损毁掩膜;

14、损毁严重度等级确定模块,用于根据所述像素级损毁掩膜计算损毁评估参数,并结合模型置信度计算风险分数,得到损毁严重度等级。

15、第三方面,本申请提供了一种计算机设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现上述的山区光伏面板损毁识别方法。

16、第四方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的山区光伏面板损毁识别方法。

17、第五方面,本申请提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的山区光伏面板损毁识别方法。

18、根据本申请提供的具体实施例,本申请具有以下技术效果:

19、本申请对多模态图像进行预处理和配准,将不同模态图像统一到同一光伏面板坐标系中,降低了视角和尺度差异的影响;利用多分支深度学习网络和多尺度特征金字塔,独立提取各模态特征并融合浅层细节特征与深层语义特征,避免了简单通道拼接造成的特征干扰;引入图像质量向量和模态存在向量进行跨模态自适应融合,能够根据图像质量和模态存在状态动态计算融合权重,提高了复杂巡检环境下的识别准确性和鲁棒性;基于跨模态融合特征进行损毁检测与分割,精准输出像素级损毁掩膜以明确损毁边界;并根据像素级损毁掩膜计算损毁评估参数,结合模型置信度计算风险分数以划分损毁严重度等级,从而为运维人员提供了直观、可量化的维修依据,有效满足了光伏电站精细化运维和维修优先级判断的需求。

1.一种山区光伏面板损毁识别方法,其特征在于,包括:

2.根据权利要求1所述的山区光伏面板损毁识别方法,其特征在于,对所述多模态图像进行预处理,得到配准后的多模态图像,包括:

3.根据权利要求1所述的山区光伏面板损毁识别方法,其特征在于,所述多分支深度学习网络为mdf-pvnet;

4.根据权利要求3所述的山区光伏面板损毁识别方法,其特征在于,所述通过多尺度特征金字塔进行处理,得到各模态的多尺度深度特征,包括:

5.根据权利要求1所述的山区光伏面板损毁识别方法,其特征在于,根据所述各模态的多尺度深度特征、图像质量向量和模态存在向量,利用跨模态自适应融合机制计算融合权重并进行特征融合,得到跨模态融合特征,包括:

6.根据权利要求1所述的山区光伏面板损毁识别方法,其特征在于,根据所述像素级损毁掩膜计算损毁评估参数,并结合模型置信度计算风险分数,得到损毁严重度等级,包括:

7.一种山区光伏面板损毁识别系统,其特征在于,执行权利要求1-6中任一项所述的山区光伏面板损毁识别方法,包括:

8.一种计算机设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-6中任一项所述的山区光伏面板损毁识别方法。

9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-6中任一项所述的山区光伏面板损毁识别方法。

10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-6中任一项所述的山区光伏面板损毁识别方法。