一种激光驱鸟方法及相关装置与流程

1.本发明涉及光伏电站领域领域，更具体的说，涉及一种激光驱鸟方法及相关装置。


背景技术：

2.伴随着我国光伏行业的进一步发展，未来光伏行业市场容量将呈现出逐年增长态势。随着并网发电的光伏电站规模越来越大，后期运营和维护业务将成为未来电站板块中增长最快的业务。
3.在太阳能光伏发电站运作的过程中，鸟类在飞行后会落在光伏板四周边缘进行休息，当光伏板周围鸟类聚集过多时会对照射到光伏板上的阳光进行遮挡从而影响光伏板的正常工作效率。并且当鸟类从光伏板上飞走时会在光伏板上留下大量的鸟粪，鸟粪长时间在光伏板上堆积会对光伏板造成腐蚀以及对照射到光伏板上的阳光进行遮拦，从而影响光伏板的正常工作。此外，随着鸟类排泄物的堆积，会使光伏组件产生局部阴影，从而产生热斑效应，严重影响光伏板的正常工作。


技术实现要素：

4.有鉴于此，本发明提供一种激光驱鸟方法及相关装置，以解决由于鸟类停留在光伏板四周以及鸟粪对光伏板的腐蚀遮挡导致光伏板不能正常工作的问题。
5.为解决上述技术问题，本发明采用了如下技术方案：
6.一种激光驱鸟方法，所述激光驱鸟方法包括：
7.获取图像采集装置在当前采集周期采集的当前图像以及在上一采集周期采集的历史图像；
8.对所述当前图像以及所述历史图像进行目标分析，以得到所述当前图像的新增目标检测结果；
9.在所述新增目标检测结果为存在新增目标的情况下，确定所述当前图像中的新增目标的类别是否为预设类别；
10.若为预设类别，则发送预设运动轨迹扫射指令至激光器，以使所述激光器按照所述预设运动轨迹进行扫射来进行驱鸟。
11.可选地，获取图像采集装置在当前采集周期采集的当前图像，包括：
12.对监控区域进行分割，得到至少一个子监控区域；
13.获取图像采集装置在当前采集周期内，按照预设的采集方向调整规则调整所述图像采集装置的采集方向后，对所述子监控区域进行图像采集得到的图像；
14.从所述采集的图像中提取出设定区域的图像，并作为当前图像。
15.可选地，对所述当前图像以及所述历史图像进行目标分析，以得到所述当前图像的新增目标检测结果，包括：
16.按照预设窗口，将所述当前图像拆分为多个图像区域，并计算所述图像区域的像素均值；
17.将所述当前图像的图像区域的像素均值与所述历史图像中的相应图像区域的像素均值做差，得到差值；
18.确定出差值大于预设差异阈值的图像区域的个数，并基于所述个数计算差异率；
19.在所述差异率大于预设差异率阈值的情况下，确定所述当前图像的新增目标检测结果为存在新增目标。
20.可选地，基于所述个数计算差异率，包括：
21.计算所述当前图像的面积，并将所述个数与所述面积的商作为差异率。
22.可选地，确定所述当前图像中的新增目标的类别是否为预设类别，包括：
23.调用预设目标类别检测模型对所述当前图像中的新增目标区域进行处理，以得到所述当前图像中的新增目标的类别；所述预设目标类别检测模型基于训练样本训练得到；所述训练样本包括图像样本以及所述图像样本的类别；
24.确定所述新增目标的类别是否为预设类别。
25.可选地，发送预设运动轨迹扫射指令至激光器，包括：
26.获取预设运动图形，并基于所述预设运动图形以及所述当前图像的图像范围，确定激光器的运动轨迹，并作为预设运动轨迹；
27.发送包括所述预设运动轨迹的预设运动轨迹扫射指令至激光器。
28.一种激光驱鸟装置，所述激光驱鸟装置包括：
29.图像获取模块，用于获取图像采集装置在当前采集周期采集的当前图像以及在上一采集周期采集的历史图像；
30.新增目标检测模块，用于对所述当前图像以及所述历史图像进行目标分析，以得到所述当前图像的新增目标检测结果；
31.类别确定模块，用于在所述新增目标检测结果为存在新增目标的情况下，确定所述当前图像中的新增目标的类别是否为预设类别；
32.激光控制模块，用于若为预设类别，则发送预设运动轨迹扫射指令至激光器，以使所述激光器按照所述预设运动轨迹进行扫射来进行驱鸟。
33.一种激光驱鸟设备，用于执行上述的激光驱鸟方法。
34.一种激光驱鸟系统，包括上述的激光驱鸟设备。
35.可选地，还包括图像采集装置和激光器；
36.所述图像采集装置用于按照预设运动方式运动，在运动过程中采集光伏组件的图像，并输出至所述激光驱鸟设备；
37.所述激光器，用于接收所述激光驱鸟设备发送的预设运动轨迹扫射指令，并按照所述预设运动轨迹进行扫射来进行驱鸟。
38.相较于现有技术，本发明具有以下有益效果：
39.本发明提供了一种激光驱鸟方法及相关装置，获取图像采集装置在当前采集周期采集的当前图像以及在上一采集周期采集的历史图像，对所述当前图像以及所述历史图像进行目标分析，以得到所述当前图像的新增目标检测结果，在所述新增目标检测结果为存在新增目标的情况下，确定所述当前图像中的新增目标的类别是否为预设类别，若为预设类别，则发送预设运动轨迹扫射指令至激光器，以使所述激光器按照所述预设运动轨迹进行扫射来进行驱鸟。即本发明中，在存在鸟类时，能够使用激光器按照所述预设运动轨迹进
行扫射，以驱赶鸟类，进而避免鸟类停留在光伏板四周以及鸟粪对光伏板的腐蚀遮挡导致光伏板不能正常工作的问题。
附图说明
40.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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的前提下，还可以根据提供的附图获得其他的附图。
41.图1为本发明实施例提供的一种激光驱鸟方法的方法流程图；
42.图2为本发明实施例提供的多个子监控区域的示意图；
43.图3为本发明实施例提供的一种监控区域的场景示意图；
44.图4为本发明实施例提供的一种当前图像的场景示意图；
45.图5为本发明实施例提供的一种激光扫射的场景示意图；
46.图6为本发明实施例提供的另一种激光驱鸟方法的方法流程图；
47.图7为本发明实施例提供的再一种激光驱鸟方法的方法流程图；
48.图8为本发明实施例提供的一种激光驱鸟装置的结构示意图。
具体实施方式
49.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
50.随着世界各国对清洁、可再生能源的开发、研究投入越来越大，基于太阳能的光伏产业迅猛发展。目前我国光伏产业规模持续扩大，行业发展总体趋好。伴随着我国光伏行业的进一步发展，预计未来几年，光伏行业市场容量将呈现出逐年增长态势。随着并网发电的光伏电站规模越来越大，后期运营和维护业务将成为未来电站板块中增长最快的业务。在太阳能光伏发电站在运作的过程中，鸟类在飞行后会落在光伏板四周边缘进行休息，但是当光伏板周围鸟类聚集过多时会对照射到光伏板上的阳光进行遮挡从而影响光伏板的正常工作效率，以及当鸟类从光伏板上飞走时会在光伏板上留下大量的鸟粪，长时间在光伏板上对堆积会对光伏板造成腐蚀以及对照射到光伏板上的阳光进行遮拦从而影响光伏板的正常工作。光伏电站运营过程中，最主要的工作便是对光伏组件进行清洗和维护，光伏组件的清洁程度对光伏电站的发电量的影响很大。因此，各个光伏发电企业常常需要支出较大的费用用于光伏组件维护。在电站维护过程中发现，大面积的光伏阵列吸引了很多鸟类长时间在阵列组件面上停留，并因此留下了大量排泄物。鸟类的停留及其排泄物对光伏组件的正常发电影响很大。
51.此外，鸟类排泄物的堆积，会使光伏组件产生局部阴影，受阴影遮挡的电池单片的电流、电压发生了变化，这些电池片上会产生局部温升，这种现象叫"热斑效应"。另外，由于太阳能电池发生损坏、电池由裂纹发展为破碎、电池特性变坏、在长期使用中难免落上飞鸟、尘土、落叶等遮挡物，这些遮挡物在太阳电池组件上也会形成热斑效应。
52.为了避免鸟类停留在光伏板四周以及鸟粪对光伏板的腐蚀遮挡导致光伏板不能正常工作的问题。可以定期对光伏板进行清洗。但是由于鸟类排泄物不仅腐蚀性大，黏性也很大，一般清洁剂和清洗机器人清洗不掉。另外，不同于灰尘，这些排泄物也很难被风吹走或被雨水冲刷掉。因此，将较大地增加组件清洗的频率和难度，从而增加了运维人员的工作负担。
53.因此，发明人经过研究发现，可以通过驱赶鸟群来减少鸟类停留在光伏板四周以及留下鸟粪在光伏板上。只有最大限度地减少鸟群在光伏板上的停留时间，才能降低鸟粪在光伏组件上的堆积，以便于运维人员能够在电站现场更加高效地对故障组件进行维护处理。
54.为了实现驱赶鸟群，可以在旋转杆上安装反光镜，依靠反光镜反射光线的旋转、上下变动来进行驱鸟。这种方法对某些鸟类，某种角度有效，但反光镜的角度无法覆盖整个光伏组件表面，在光线未覆盖的区域，无法达到驱鸟效果。
55.为了提高驱鸟效果，发明人经过研究发现，通过“激光驱鸟系统”的自动旋转实现高效驱鸟。激光驱鸟系统是指将摄像头、激光器(激光发射器)、以及激光驱鸟设备(可以是控制器、处理器等)组合成一个设备，在该设备转动过程中，摄像头负责实时采集监控区域内的视频图像，激光发射器负责发射激光线束用于驱散鸟群，摄像头、激光发射器受激光驱鸟设备控制。激光发射器的初始光线方向指向视频图像中心点。
56.驱鸟过程为：将监控区域分割成很多较小的子监控区域，激光驱鸟系统自动旋转，依次扫描所有的子监控区域，得到子监控图像，利用深度学习领域中目标检测识别的各种算法模型对子监控图像进行鸟群识别，如果该子监控图像中有鸟群，那么就启动激光驱鸟系统中的激光器对该子监控区域内的鸟群进行驱散，从而达到在光伏电站中高效地驱散鸟群的效果。
57.更具体的，本发明提供了一种激光驱鸟方法及相关装置，获取图像采集装置在当前采集周期采集的当前图像以及在上一采集周期采集的历史图像，对所述当前图像以及所述历史图像进行目标分析，以得到所述当前图像的新增目标检测结果，在所述新增目标检测结果为存在新增目标的情况下，确定所述当前图像中的新增目标的类别是否为预设类别，若为预设类别，则发送预设运动轨迹扫射指令至激光器，以使所述激光器按照所述预设运动轨迹进行扫射来进行驱鸟。即本发明中，在存在鸟类时，能够使用激光器按照所述预设运动轨迹进行扫射，以驱赶鸟类，进而避免鸟类停留在光伏板四周以及鸟粪对光伏板的腐蚀遮挡导致光伏板不能正常工作的问题。
58.在上述内容的基础上，本发明实施例提供了一种激光驱鸟方法，应用于上述的激光驱鸟系统中的激光驱鸟设备，激光驱鸟系统可以安装在光伏组件上。根据光伏组件的大小，可以设置多个激光驱鸟系统，每一激光驱鸟系统可以对激光驱鸟系统所在位置的一个设定区域，如圆形区域内的鸟类进行驱赶。
59.需要说明的是，本发明提供的激光驱鸟方法主要适用于鸟群停留在光伏组件上的场景，在这种场景下，检测效果较优。
60.参照图1，激光驱鸟方法可以包括：
61.s11、获取图像采集装置在当前采集周期采集的当前图像以及在上一采集周期采集的历史图像。
62.本实施例中，图像采集装置可以是上述的摄像头。摄像头在实际应用过程中，会按照预设运动方式运动，在运动过程中采集光伏组件的图像，并输出至所述激光驱鸟设备。摄像头连续采集的图像称为监控图像序列。
63.在确定预设运动方式时，参照图2，可以将激光驱鸟系统的监控区域网格化，将整个监控区域分割成很多较小的子监控区域，形成很多监控网格，参照图2和图3。图2为划分的多个子监控区域的示意图，图3为一个子监控区域。
64.本发明将整个监控区域网格化，只需要采集各个子监控区域内的单张图像即可，不需要连续采集视频图像，通过子监控区域内的单张图像进行鸟群识别和鸟群驱散，从而节省了计算资源和更好地满足实时性的需求。
65.另外，本发明将整个监控区域网格化，依次扫描处理各个子监控网格，可以实现整个监控区域全面覆盖，避免未覆盖区域的出现。
66.整个监控区域网格划分是由激光驱鸟系统中摄像头转动视角决定的，具体划分规则如下：
67.(1)垂直方向的俯视角度转动范围为：从25度到75度，根据近大远小的特征，垂直方向每次转动角度变化量：由远及近从1度到5度进行调节。
68.(2)水平方向的平移角度转动范围为：从25度到175度，根据近大远小的特征，水平方向每次转动角度变化量：由远及近从1度到5度进行调节。
69.则摄像头按照上述转动垂直方向和水平方向的转动角度变化量进行转动，在每次转动过程中，会对一子监控区域进行图像采集，得到监控图像序列。
70.激光驱鸟系统自动旋转过程中，摄像头会从监控区域左上角，依次扫描所有的监控网格，实时采集每个监控网格对应的子监控区域的图像。
71.本发明中，会对同一监控网格的连续两次采集的图像进行分析，从而确定该监控网格是否停留有鸟类。若停留，则驱鸟。所以，本实施例中，激光驱鸟设备会获取摄像头在当前采集周期采集的当前图像以及在上一采集周期采集的历史图像。本实施例中的，采集周期可以根据实际情况设定。
72.在实际应用中，获取图像采集装置在当前采集周期采集的当前图像，包括：
73.1)对监控区域进行分割，得到至少一个子监控区域。
74.监控区域分割过程，请参照上述相应说明。
75.2)获取图像采集装置在当前采集周期内，按照预设的采集方向调整规则调整所述图像采集装置的采集方向后，对所述子监控区域进行图像采集得到的图像。
76.本实施例中，预设的采集方向调整规则即为按照上述的预设运动方式调整一次采集方向，然后摄像头对所述子监控区域进行图像采集。
77.2)从所述采集的图像中提取出设定区域的图像，并作为当前图像。
78.由于摄像头调整采集方向前后，摄像头采集的图像会有重叠，即会采集到同一区域的图像，为了避免图像重叠，本实施例中，会根据图像中心点附近一定范围内的部分图像进行裁剪，得到子监控图像，本实施例中称为当前图像，如图4所示，矩形框为裁剪区域对应的当前图像，实体框为当前图像的中心点。
79.s12、对所述当前图像以及所述历史图像进行目标分析，以得到所述当前图像的新增目标检测结果。
80.本实施例中，判断光伏组件上是否停留有鸟类，主要分为两个步骤，首先是取出上一轮循环扫描过程中此位置处监控网格对应的历史图像，与本轮循环扫描过程中同位置处的当前图像进行对比，初步判断子监控区域内是否新增了异物。然后判断新增的异物是否是鸟类。
81.当前图像的新增目标检测结果分为两类，一类是存在新增目标，另一类是不存在新增目标。
82.s13、在所述新增目标检测结果为存在新增目标的情况下，确定所述当前图像中的新增目标的类别是否为预设类别。
83.本实施例中，在存在新增目标的情况下，说明在上一采集周期扫描该健康网格之后，有新的异物停留在该区域，但是停留该区域的异物是否是鸟类，还需要进一步判断。
84.此时，可以利用深度学习领域中目标检测识别的各种算法模型对当前图像进行鸟群识别，以确定新增目标的类别，如鸟和非鸟等。目标检测识别算法模型可以是yolov5目标检测识别算法模型，利用yolov5目标检测识别算法模型对当前图像进行鸟群识别，以排除运维人员影响。
85.网络结构图主要分为输入数据、backbone网络结构、neck网络结构、prediction结构四个部分。
86.(a)输入数据：主要由mosaic数据增强和自适应锚框计算组成。
87.mosaic数据增强：随机缩放、随机裁剪、随机排布的方式进行拼接。每次训练时，自适应的计算不同训练集中的最佳锚框值。
88.(b)backbone网络结构：由focus结构和csp结构组成。
89.focus结构：原始608*608*3的图像输入focus结构，采用切片操作，先变成304*304*12的特征图，再经过一次32个卷积核的卷积操作，最终变成304*304*32的特征图。
90.csp结构：借鉴cspnet网络结构，由卷积层和x个res unint模块concate组成。
91.(c)neck网络结构：由fpn和pan结构组成。
92.fpn pan借鉴的panet，主要应用于图像分割领域，进一步提高特征提取的能力。
93.(d)prediction结构：
94.采用giou_loss做bounding box的损失函数，giou的目标相当于在损失函数中加入了一个ground truth和预测框构成的闭包的惩罚，它的惩罚项是闭包减去两个框的并集后的面积在闭包中的比例越小越好。
95.yolov5目标检测识别算法模型在使用之前，需要对该模型进行训练。
96.训练过程如下：
97.采集监控区域内的鸟群图像，并对图像中的鸟群进行标记，制作鸟群数据集，也即图像样本，每一图像样本对应有图像样本的类别，具体为鸟。然后，将鸟群识别数据集按一定比例分为训练集和测试集。
98.构建yolov5网络模型，调整算法模型参数，通过鸟群识别训练集进行训练，得到鸟群识别算法模型。
99.在训练好模型后，利用训练好的网络模型进行鸟群识别，得到鸟群识别结果。
100.本发明的另一实现方式中，确定所述当前图像中的新增目标的类别是否为预设类别，包括：
101.1)调用预设目标类别检测模型对所述当前图像中的新增目标区域进行处理，以得到所述当前图像中的新增目标的类别；所述预设目标类别检测模型基于训练样本训练得到；所述训练样本包括图像样本以及所述图像样本的类别。
102.预设目标类别检测模型可以是上述的yolov5目标检测识别算法模型，yolov5目标检测识别算法模型的检测结果，即为当前图像中的运动目标的类别，类别分为两种情况，鸟和非鸟。本步骤的具体解释说明可参照上述相应说明。
103.2)确定所述新增目标的类别是否为预设类别。
104.本实施例中，预设类别为鸟，即本步骤确定当前图像中的运动目标是否是鸟。若是鸟，则执行后续的驱鸟操作。
105.s14、若为预设类别，则发送预设运动轨迹扫射指令至激光器，以使所述激光器按照所述预设运动轨迹进行扫射。
106.本实施例中，在激光器(激光发射器)处于初始状态时，激光发射器与摄像头同步转动，并且激光发射器的光线方向指向摄像头采集的视频图像的中心点。
107.在确定出当前图像中的新增物体为鸟的情况下，激光驱鸟设备控制激光器(激光发射器)向鸟所在的方向进行扫射。具体的，激光发射器向鸟所在的方向发射激光线束，以用于驱散当前采集周期对应的子监控区域的鸟群。
108.在实际应用中，由于采用上述的yolov5目标检测识别算法模型对图像进行鸟群识别只能得到鸟群在二维图像上的像素坐标位置，缺少深度信息，不能转换到真实的三维地理坐标，那么激光器就不能调整姿态并对准鸟群的三维地理坐标。
109.由于鸟群一般在某个小区域内分散分布的特点，只要激光器驱赶到一只鸟，附近其他鸟也就散了。监控区域网格化，将整个监控区域分割成很多较小的子监控区域，形成很多监控网格，监控网格区域都较小。在该监控网格内，激光器“米”字形驱鸟方式可行。
110.如图5所示，激光器初始光线方向指向图像中心点(具体为图5中间位置处理的实心矩形块，当前图像为空心矩形包围的区域)，为了让激光器发射的光线能够形成“米”字形，将激光器的8个偏向角度设置在合适的范围内，使得不超出空心矩形框，以避免各个监控网格重复扫射。通过该方法就可以达到对该子监控区域内(空心矩形框)的鸟群进行驱散。
111.本发明的另一实现方式中，参照图6，送预设运动轨迹扫射指令至激光器，包括：
112.s21、获取预设运动图形，并基于所述预设运动图形以及所述当前图像的图像范围，确定激光器的运动轨迹，并作为预设运动轨迹。
113.本实施例中的预设运动图形即为上述的“米”字形，在确定出采用“米”字形的扫射方式后，需要确定“米”字形的各个扫射方向的扫射角度。此时，可以在当前图像的图像范围，即上述的空心矩形框内绘制“米”字形，然后基于“米”字形的各个边的向量，计算出“米”字形的各个扫射方向的角度。计算出扫射角度之后，按照“米”字形的形状，确定激光器的运动轨迹，并将其作为预设运动轨迹。
114.s22、发送包括所述预设运动轨迹的预设运动轨迹扫射指令至激光器。
115.本实施例中，将包括预设运动轨迹的预设运动轨迹扫射指令发送至激光器，使得激光器按照该预设运动轨迹发射激光线束，从而驱散监控网格内的鸟类。
116.在按照当前图像进行驱鸟操作后，则控制摄像头继续按照预设的采集方向调整规
则调整所述图像采集装置的采集方向后，再次采集图像，并基于采集的图像确定是否执行驱鸟操作。直到扫描完成所有监控网格，再从监控区域右下角，开始下一轮循环扫描监控网格。
117.本实施例中，获取图像采集装置在当前采集周期采集的当前图像以及在上一采集周期采集的历史图像，对所述当前图像以及所述历史图像进行目标分析，以得到所述当前图像的新增目标检测结果，在所述新增目标检测结果为存在新增目标的情况下，确定所述当前图像中的新增目标的类别是否为预设类别，若为预设类别，则发送预设运动轨迹扫射指令至激光器，以使所述激光器按照所述预设运动轨迹进行扫射。即本发明中，在存在鸟类时，能够使用激光器按照所述预设运动轨迹进行扫射，以驱赶鸟类，进而避免鸟类停留在光伏板四周以及鸟粪对光伏板的腐蚀遮挡导致光伏板不能正常工作的问题。
118.另外，本发明利用深度学习领域中目标检测识别的各种算法模型对子监控图像进行鸟群识别，解决了如何准确识别鸟的问题。
119.另外，本发明将整个监控区域网格化，使得子监控区域分割的比较小，再通过激光器“米”字形驱鸟方式，就可以较好地将激光器光线方向调整到对准视频图像中鸟所在的地理位置，解决了光线对准目标的问题。
120.上述实施例提及了“对所述当前图像以及所述历史图像进行目标分析，以得到所述当前图像的新增目标检测结果”，现对其具体实现过程进行介绍，参照图7，可以包括：
121.s31、按照预设窗口，将所述当前图像拆分为多个图像区域，并计算所述图像区域的像素均值。
122.本实施例中，将当前图像即为图像a，历史图像即为图像b。为了提高图像处理的可靠性，可以对图像a和图像b进行灰度化处理，然后通过高斯平滑滤波进行图像平滑，最后对平滑后的图像再做二值化处理。
123.预设窗口可以为3*3窗口，则采用3*3窗口将当前图像拆分为多个图像区域，如当前图像大小是6*6，则拆分成4个3*3窗口。
124.然后计算所述图像区域的像素均值，即计算图像a，b中各像素位置a(i，j)，b(i，j)对应的3x3窗口内像素均值分别记为sa(i，j)，sb(i，j)。
125.s32、将所述当前图像的图像区域的像素均值与所述历史图像中的相应图像区域的像素均值做差，得到差值。
126.在sa，sb中对各个位置处对应的值sa(i，j)，sb(i，j)求差并取绝对值，得到c(i，j)。
127.c(i，j)＝|sa(i，j)-sb(i，j)|
128.0≤i≤w，0≤j≤h
129.其中，w为图像宽度，h为图像高度。
130.s33、确定出差值大于预设差异阈值的图像区域的个数，并基于所述个数计算差异率。
131.具体的，设置预设差异阈值diff＝30，计算满足以下条件的图像区域的个数count。
132.c(i，j)≥diff。
133.然后，基于所述个数计算差异率。具体的，计算所述当前图像的面积，并将所述个
数与所述面积的商作为差异率。
134.详细来说，差异率rate为：
[0135][0136]
其中，w为图像宽度，h为图像高度。
[0137]
s34、在所述差异率大于预设差异率阈值的情况下，确定所述当前图像的新增目标检测结果为存在新增目标。
[0138]
如果差异率rate≥0.2，则初步认为子监控区域内新增了异物，即确定所述当前图像的新增目标检测结果为存在新增目标。
[0139]
本实施例中，给出了如何确定光伏组件上是否新增异物的方式，进而通过本实施例，可以确定出光伏组件的子监控区域内是否有鸟类停留，进而提高驱鸟的成功率。
[0140]
可选地，在上述激光驱鸟方法的实施例的基础上，本发明的另一实施例提供了一种激光驱鸟装置，参照图8，所述激光驱鸟装置包括：
[0141]
图像获取模块11，用于获取图像采集装置在当前采集周期采集的当前图像以及在上一采集周期采集的历史图像；
[0142]
新增目标检测模块12，用于对所述当前图像以及所述历史图像进行目标分析，以得到所述当前图像的新增目标检测结果；
[0143]
类别确定模块13，用于在所述新增目标检测结果为存在新增目标的情况下，确定所述当前图像中的新增目标的类别是否为预设类别；
[0144]
激光控制模块14，用于若为预设类别，则发送预设运动轨迹扫射指令至激光器，以使所述激光器按照所述预设运动轨迹进行扫射来进行驱鸟。
[0145]
进一步，图像获取模块11包括：
[0146]
分割子模块，用于对监控区域进行分割，得到至少一个子监控区域；
[0147]
图像采集子模块，用于获取图像采集装置在当前采集周期内，按照预设的采集方向调整规则调整所述图像采集装置的采集方向后，对所述子监控区域进行图像采集得到的图像；
[0148]
图像提取子模块，用于从所述采集的图像中提取出设定区域的图像，并作为当前图像。
[0149]
进一步，新增目标检测模块12包括：
[0150]
图像拆分子模块，用于按照预设窗口，将所述当前图像拆分为多个图像区域，并计算所述图像区域的像素均值；
[0151]
像素计算子模块，用于将所述当前图像的图像区域的像素均值与所述历史图像中的相应图像区域的像素均值做差，得到差值；
[0152]
差异率计算子模块，用于确定出差值大于预设差异阈值的图像区域的个数，并基于所述个数计算差异率；
[0153]
新增目标检测子模块，用于在所述差异率大于预设差异率阈值的情况下，确定所述当前图像的新增目标检测结果为存在新增目标。
[0154]
进一步，差异率计算子模块用于基于所述个数计算差异率时，具体用于：
[0155]
计算所述当前图像的面积，并将所述个数与所述面积的商作为差异率。
[0156]
进一步，类别确定模块13具体用于：
[0157]
调用预设目标类别检测模型对所述当前图像中的新增目标区域进行处理，以得到所述当前图像中的新增目标的类别；所述预设目标类别检测模型基于训练样本训练得到；所述训练样本包括图像样本以及所述图像样本的类别；
[0158]
确定所述新增目标的类别是否为预设类别。
[0159]
进一步，激光控制模块14具体用于：
[0160]
获取预设运动图形，并基于所述预设运动图形以及所述当前图像的图像范围，确定激光器的运动轨迹，并作为预设运动轨迹，发送包括所述预设运动轨迹的预设运动轨迹扫射指令至激光器。
[0161]
本实施例中，获取图像采集装置在当前采集周期采集的当前图像以及在上一采集周期采集的历史图像，对所述当前图像以及所述历史图像进行目标分析，以得到所述当前图像的新增目标检测结果，在所述新增目标检测结果为存在新增目标的情况下，确定所述当前图像中的新增目标的类别是否为预设类别，若为预设类别，则发送预设运动轨迹扫射指令至激光器，以使所述激光器按照所述预设运动轨迹进行扫射来进行驱鸟。即本发明中，在存在鸟类时，能够使用激光器按照所述预设运动轨迹进行扫射，以驱赶鸟类，进而避免鸟类停留在光伏板四周以及鸟粪对光伏板的腐蚀遮挡导致光伏板不能正常工作的问题。
[0162]
需要说明的是，本实施例中的各个模块、子模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。
[0163]
可选地，在上述激光驱鸟方法及装置的实施例的基础上，本发明的另一实施例提供了一种激光驱鸟设备，用于执行上述的激光驱鸟方法。
[0164]
可选地，在上述激光驱鸟设备的基础上，本发明的另一实施例提供了一种激光驱鸟系统，包括上述的激光驱鸟设备。
[0165]
进一步，还包括图像采集装置和激光器；
[0166]
所述图像采集装置用于按照预设运动方式运动，在运动过程中采集光伏组件的图像，并输出至所述激光驱鸟设备；
[0167]
所述激光器，用于接收所述激光驱鸟设备发送的预设运动轨迹扫射指令，并按照所述预设运动轨迹进行扫射来进行驱鸟。
[0168]
本实施例中的激光器、图像采集装置、激光驱鸟设备的具体工作过程，请参照上述实施例中的相应说明，在此不再赘述。
[0169]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。