基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法与流程

1.本发明涉及数字图像处理技术领域，特别涉及一种基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法。


背景技术：

2.太阳能面板是指利用半导体材料在光照条件下发生光电效应，将太阳能直接转换为电能的器件，是诸多太阳能利用方式中最直接的一种。目前我国在光照资源比较丰富的地区大面积铺设太阳能面板，建立了完整的产业链和技术积累。然而表面灰尘的黏附不可避免地影响着面板的光电转换率，制约了其性能的进一步提升。


技术实现要素：

3.本发明的目的在于，提供一种基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法。本发明具有训练成本低、评估速度快的优点，能够快速进行太阳能面板表面灰尘区域的检测和定位。
4.本发明的技术方案：基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法，包括以下步骤：s1：获取太阳能面板的彩色数字图像；s2：对获取的彩色数字图像进行语义分割，实现太阳能面板区域及其他区域的自适应分割；s3：根据语义分割结果，保留面板区域并删除其他区域元素；s4：逐像素计算太阳能面板区域rgb三通道的hoyer统计值；s5：根据预设hoyer统计值阈值进行太阳能面板表面灰尘区域的初步辨识，并获得其逻辑矩阵；s6：将彩色图像转换为灰度图像，根据预设灰度图像亮度阈值进行太阳能面板表面灰尘区域的约束，并获得其逻辑矩阵；s7：根据前述生成的两个逻辑矩阵进行最终表面灰尘区域的判断。
5.前述的基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法中，所述的步骤s3中，保留面板区域并删除其他区域元素的提取方法为：其中，为彩色图像像素点灰度值，i, j分别为图像行列索引号，c为图像色彩通道序号。
6.前述的基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法中，所述的步骤s4中，三通道的hoyer统计值为：其中，为像素点(i,j)对应的hoyer统计值，为像素点(i,j)三个色彩通道亮度组成的数列。
7.前述的基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法中，所述的步骤s5中，其逻辑矩阵的具体获取方法为：其中，为基于hoyer统计值获得的逻辑矩阵，为预设的hoyer统计值阈值。
8.前述的基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法中，所述的步骤s6中，其逻辑矩阵的具体获取方法为：；其中，为基于灰度图像亮度获得的逻辑矩阵，为预设的灰度图像亮度阈值。
9.前述的基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法中，所述的步骤s7中，表面灰尘区域的判断方法为：其中，为像素点(i,j)对应的表面灰尘状态，结果1表示当前像素点可能含有灰尘，0表示当前像素点为正常状态；为基于hoyer统计值获得的逻辑矩阵；为基于灰度图像亮度获得的逻辑矩阵。
10.与现有技术相比，本发明具有以下优点：本发明首先获取太阳能面板彩色图像，其次使对图像进行语义分割保留研究关注的面板区域，随后逐像素计算太阳能面板区域rgb三通道的hoyer统计值，并根据hoyer统计值获取逻辑矩阵，将彩色图形转换为灰度图像并根据灰度图像亮度获取逻辑矩阵，最终结合两个逻辑矩阵进行最终表面灰尘区域的判断。本发明具有训练成本低、评估速度快的优点，能够快速进行太阳能面板表面灰尘区域的检测和定位。hoyer统计值是一种典型的稀疏性评价指标，本发明利用不同色彩通道亮度分布的hoyer统计值（hoyer统计值对样本分布情况非常敏感）对太阳能面板表面灰尘状态进行辨识。
附图说明
11.图1是本发明的流程图；图2是本发明中实施例1中提取到的面板区域图像；图3是本发明中实施例1中获取到的hoyer统计值分布；图4是本发明的实施例1根据hoyer统计值获取的逻辑矩阵；
图5是本发明中实施例1中根据灰度图像亮度获取的逻辑矩阵；图6是本发明中实施例1中识别到的表面灰尘区域判断结果；图7是本发明中实施例2中提取到的面板区域图像；图8是本发明中实施例2中获取到的hoyer统计值分布；图9是本发明的实施例2根据hoyer统计值获取的逻辑矩阵；图10是本发明中实施例2中根据灰度图像亮度获取的逻辑矩阵；图11是本发明中实施例2中识别到的表面灰尘区域判断结果。
具体实施方式
12.下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。
13.实施例1：基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法，其流程图如图1所示，包括以下步骤：s1：获取太阳能面板的彩色数字图像；s2：对获取的彩色数字图像进行语义分割，实现太阳能面板区域及其他区域的自适应分割；s3：根据语义分割结果，保留面板区域并删除其他区域元素；结果如图2所示，保留面板区域并删除其他区域元素的提取方法为：其中，为彩色图像像素点灰度值，i, j分别为图像行列索引号，c为图像色彩通道序号；s4：逐像素计算太阳能面板区域rgb三通道的hoyer统计值；结果如图3所示，三通道的hoyer统计值为：其中，为像素点(i,j)对应的hoyer统计值，为像素点(i,j)三个色彩通道亮度组成的数列s5：根据预设hoyer统计值阈值进行太阳能面板表面灰尘区域的初步辨识，并获得其逻辑矩阵；结果如图4所示；其逻辑矩阵的具体获取方法为：其中，为基于hoyer统计值获得的逻辑矩阵，为预设的hoyer统计值阈值，本实施例中hoyer统计值阈值为0.0005；s6：将彩色图像转换为灰度图像，其具体转换方法为：其中，i为生成的灰度图像，r为彩色图像的红色通道，g为彩色图像的绿色通道，b
为彩色图像的蓝色通道；根据预设灰度图像亮度阈值进行太阳能面板表面灰尘区域的约束，并获得其逻辑矩阵；结果如图5所示，其逻辑矩阵的具体获取方法为：；其中，为基于灰度图像亮度获得的逻辑矩阵，为预设的灰度图像亮度阈值，本实施例中灰度图像亮度阈值为220；s7：根据前述生成的两个逻辑矩阵进行最终表面灰尘区域的判断，结果如图6所示；表面灰尘区域的判断方法为：其中，为像素点(i,j)对应的表面灰尘状态，结果1表示当前像素点可能含有灰尘，0表示当前像素点为正常状态；为基于hoyer统计值获得的逻辑矩阵；为基于灰度图像亮度获得的逻辑矩阵。
14.实施例2：基于色彩通道亮度分布的太阳能面板表面灰尘辨识方法，其流程图如图1所示，包括以下步骤：s1：获取太阳能面板的彩色数字图像；s2：对获取的彩色数字图像进行语义分割，实现太阳能面板区域及其他区域的自适应分割；s3：根据语义分割结果，保留面板区域并删除其他区域元素；结果如图7所示，保留面板区域并删除其他区域元素的提取方法为：其中，为彩色图像像素点灰度值，i, j分别为图像行列索引号，c为图像色彩通道序号；s4：逐像素计算太阳能面板区域rgb三通道的hoyer统计值；结果如图8所示，三通道的hoyer统计值为：其中，为像素点(i,j)对应的hoyer统计值，为像素点(i,j)三个色彩通道亮度组成的数列s5：根据预设hoyer统计值阈值进行太阳能面板表面灰尘区域的初步辨识，并获得其逻辑矩阵；结果如图9所示；其逻辑矩阵的具体获取方法为：
其中，为基于hoyer统计值获得的逻辑矩阵，为预设的hoyer统计值阈值，本实施例中hoyer统计值阈值为0.0008；s6：将彩色图像转换为灰度图像，其具体转换方法为：其中，i为生成的灰度图像，r为彩色图像的红色通道，g为彩色图像的绿色通道，b为彩色图像的蓝色通道；根据预设灰度图像亮度阈值进行太阳能面板表面灰尘区域的约束，并获得其逻辑矩阵；结果如图10所示，其逻辑矩阵的具体获取方法为：；其中，为基于灰度图像亮度获得的逻辑矩阵，为预设的灰度图像亮度阈值，本实施例中灰度图像亮度阈值为200；s7：根据前述生成的两个逻辑矩阵进行最终表面灰尘区域的判断，结果如图11所示；表面灰尘区域的判断方法为：其中，为像素点(i,j)对应的表面灰尘状态，结果1表示当前像素点可能含有灰尘，0表示当前像素点为正常状态；为基于hoyer统计值获得的逻辑矩阵；为基于灰度图像亮度获得的逻辑矩阵。
15.综上所述，本发明首先获取太阳能面板彩色图像，其次使对图像进行语义分割保留研究关注的面板区域，随后逐像素计算太阳能面板区域rgb三通道的hoyer统计值，并根据hoyer统计值获取逻辑矩阵，将彩色图形转换为灰度图像并根据灰度图像亮度获取逻辑矩阵，最终结合两个逻辑矩阵进行最终表面灰尘区域的判断。本发明具有训练成本低、评估速度快的优点，能够快速进行太阳能面板表面灰尘区域的检测和定位。