(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210964502.0 (22)申请日 2022.08.12 (65)同一申请的已公布的文献号 申请公布号 CN 115049648 A (43)申请公布日 2022.09.13 (73)专利权人 北京中拓新源科技有限公司 地址 102200 北京市昌平区回龙观镇 立业 路6号院1号楼1516室(昌平示范园) (72)发明人 李庆光　尹哲　魏东华　张文杰　 张弛　 (74)专利代理 机构 北京睿博行远知识产权代理 有限公司 1 1297 专利代理师 吕林凤 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/04(2006.01) G06T 7/73(2017.01) G06V 10/26(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)H02S 50/10(2014.01) G01N 21/88(2006.01) G01N 25/72(2006.01) G01J 5/00(2022.01) G01J 5/48(2006.01) (56)对比文件 CN 113920044 A,2022.01.11 CN 111080691 A,2020.04.28 CN 113284124 A,2021.08.20 CN 112862777 A,2021.0 5.28 CN 112184711 A,2021.01.0 5 CN 114612406 A,2022.06.10 CN 1095842 22 A,2019.04.0 5 CN 113989259 A,202 2.01.28 陈文勤.一种基 于红外图像识别的光伏组件 热斑检测系统的研究与实现. 《中国优秀硕士学 位论文全文数据库 工程科技 Ⅱ辑》 .2021,(第 2021年第0 3期),C042-749. (续) 审查员 董洪梅 (54)发明名称 光伏组件热斑缺陷检测方法及装置 (57)摘要 本发明公开一种光伏组件热斑缺陷检测方 法及装置。 本发明涉及光伏缺陷检测技术领域。 该方法通过 获取光伏阵列的红外图像； 利用语义 分割模型对光伏 阵列的红外图像进行阵列的边 界识别和热斑识别， 根据给定的规格和红外图像 光伏阵列边界， 将光伏阵列划分为阵列式分布的 红外图像光伏组件； 确定热斑缺陷所在的红外图 像光伏组件的行和列， 读取热斑缺陷所在的红外 图像光伏组件的温度； 获取光伏阵列的可见光图 像； 利用语义分割模型对光伏阵列的可见光图像 进行阵列的边界识别， 将光伏阵列划分为阵列式 分布的可见光图像光伏组件， 对相应行和列的可 见光图像光伏组件进行标记， 可以更准确地判定热斑缺陷所在的位置和温度。 [转续页] 权利要求书2页 说明书6页 附图2页 CN 115049648 B 2022.11.01 CN 115049648 B (56)对比文件 Yuxiang Yi ng et al. .Anchor Points Based Ac curate Fault L ocating in Large- Scale Photovo ltaic Plants via Aerial Infrared Videos. 《IE EE JOURNAL OF PHOTOVOLTAICS》 .202 2,第12卷(第1期),C 042- 749.2/2 页 2[接上页] CN 115049648 B1.一种光伏组件热斑缺陷检测方法， 其特 征在于， 包括： 获取光伏阵列的红外图像； 利用语义分割 模型对所述光伏阵列的红外图像进行阵列的边界识别和热斑识别， 得到 红外图像光伏阵列边界和热斑缺陷； 根据给定的规格和所述红外图像光伏阵列边界， 将光伏阵列划分为阵列式分布的红外 图像光伏组件； 根据热斑缺陷的坐标和所述红外图像光伏 组件的交集， 确定热斑缺陷所在的红外图像 光伏组件的行和列； 通过大疆温度sdk读取 热斑缺陷所在的红外图像光伏组件的温度； 获取光伏阵列的可 见光图像； 利用语义分割 模型对所述光伏阵列的可见光图像进行阵列的边界识别， 得到可见光图 像光伏阵列边界； 根据给定的规格和所述可见光图像光伏阵列边界， 将光伏阵列划分为阵列式分布的可 见光图像光伏组件； 根据热斑缺陷所在的红外图像光伏 组件的行和列， 对相应行和列的可见光图像光伏 组 件进行标记。 2.如权利要求1所述的光伏组件热斑缺陷检测方法， 其特征在于， 利用语义分割 模型对 所述光伏阵列的红外图像进行阵列的边界识别和热斑识别， 得到红外图像光伏阵列边界和 热斑缺陷， 包括： 利用MaskRCNN对所述光伏阵列的红外图像进行阵列的边界识别和热斑识别， 其中， MaskRCNN是一个两阶段的框架， 第一个阶段扫描图像并生成提议， 第二阶段分类提议并生 成边界框和掩码， MaskRCNN模型扩展自Faster  R‑CNN， Faster  R‑CNN 是一个目标检测框 架， MaskRCN N 将Faster R‑CNN扩展为实例分割框架。 3.如权利要求1所述的光伏组件热斑缺陷检测方法， 其特征在于， 根据给定的规格和所 述红外图像光伏阵列边界， 将光伏阵列划分为阵列式分布的红外图像光伏组件， 包括： 根据光伏组件的规格， 以及语义分割模型输出的红外 图像光伏阵列边界中的上、 下边 界， 左、 右边界的点拟合得到红外图像光伏组件的四条边界。 4.如权利要求1所述的光伏组件热斑缺陷检测方法， 其特征在于， 根据 热斑缺陷的坐标 和所述红外图像光伏组件的交集， 确定热斑缺陷所在的红外图像光伏组件的行和列， 包括： 使用Python中的Shapely模块进行Skew  IOU Computation， 阈值设为0.35， IOU大于 0.35时， 表示当前组件 存在热斑， 输出当前组件的行和列。 5.如权利要求1所述的光伏组件热斑缺陷检测方法， 其特征在于， 通过大疆温度sdk读 取热斑缺陷所在的红外图像光伏组件的温度， 包括： 通过编译大疆提供的源码， 生成动态链接库so文件， 提取存在热斑的红外图像光伏组 件的温度， 并计算温度的最大值、 最小值、 平均值。 6.如权利要求1所述的光伏组件热斑缺陷检测方法， 其特征在于， 根据给定的规格和所 述可见光图像光伏阵列边界， 将光伏阵列划分为阵列式分布的可 见光图像光伏组件， 包括： 根据光伏组件的规格， 以及语义分割模型输出的可见光图像光伏阵列边界中的上、 下 边界， 左、 右边界的点拟合得到可 见光图像光伏组件的四条边界。权　利　要　求　书 1/2 页 2 CN 115049648 B 3