本发明涉及光伏阵列热斑检测，更具体地说，涉及基于无人机双光成像的光伏阵列热斑巡检系统及方法。
背景技术：
1、太阳能作为一种来源广泛的清洁能源，近年来在国内得到了充分的发展与应用，光伏发电产业已经达到了一定的规模。巨大的光伏发电面积对光伏面板的日常巡检工作提出了很大的挑战，其中热斑效应是光伏组件发生故障的主要原因之一。传统的热斑检测方法主要是对面板的发电电流进行监测，当发电功率异常则可能存在热斑效应。由于成本的限制，这种方法只能将故障限定在一定的范围内，准确的故障定位还需要以来人工排查，检测效率低，劳动量大。近年来，随着无人机技术地不断发展，搭载工业相机的无人机逐渐成为光伏巡检的主流。无人机立体化、高程作业的方式有效适应了光伏电站分布广、应用类型多样的特点，在一定程度上节省了人力，提高了运维效率。
2、通过搭载工业相机的无人机获取图像，再通过图像识别技术对图像中的热斑进行识别；例如：现有公开号为cn113076816a的专利文献提供一种基于红外与可见光图像的太阳能光伏组件热斑识别方法，该方法基于热斑检测模型、热斑成因分析模型，能够分别对光伏板的红外图像和可见光图像进行检测，获取红外图像中的热斑位置，并基于热斑位置在可见光图像中分析热斑成因，将热斑识别的位置识别与成因识别有效结合，解决实际环境中红外图像和普通场景无法快速分析热斑成因的问题。
3、在热斑识别过程中，仅通过红外图像提取热斑信息，会由于光伏表面反射光线会引起的误检，结合可见光图像的信息能够进行纠正；但是在红外图像中，光伏面板上高温工作区域亮度与热斑的亮度接近，此时在可见光图像中并无异常，同样会引起误检；采用上述检测方法无法区分高温工作区域与热斑，容易造成误检。
4、鉴于此，我们提出基于无人机双光成像的光伏阵列热斑巡检系统及方法。
技术实现思路
1、本发明的目的在于提供基于无人机双光成像的光伏阵列热斑巡检系统及方法，以解决上述背景技术中提出的问题。
2、本发明是通过以下技术方案实现的：
3、基于无人机双光成像的光伏阵列热斑巡检系统及方法，包括以下步骤：
4、s1、通过无人机巡检采集光伏板的可见光与红外图像；
5、s2、对步骤s1中采集到的可见光与红外图像进行位置对齐；
6、s3、矫正红外图像上的温度特征；
7、s4、对矫正后的红外图像与可见光图像进行融合；
8、s5、对融合后的图像进行热斑识别。
9、作为本技术的一种优选技术方案，所述s2包括：
10、s21：设置固定尺寸的基准图像；
11、s22：采取光伏组件的角点作为控制点，分别建立可见光与红外图像到基准图像的空间变换矩阵；
12、s23：利用重采样和插值法实现可见光与红外图像的配准，实现可见光与红外图像的位置对齐。
13、作为本技术的一种优选技术方案，所述s3包括以下子步骤：
14、s31、灰度化红外图像，利用边缘检测算法，计算灰度化后红外图像中每个像素的水平和垂直梯度；
15、s32、计算灰度化后红外图像上的温度梯度方向；
16、s33、沿着红外图像上的温度梯度方向，以设定宽度，对红外图像进行分割；
17、s34、计算每个分割区域内像素的均值，并用均值替代该分割区域内的所有像素值，生成红外矫正背景图像；
18、s35、利用红外矫正背景图像对灰度化的红外图像进行矫正，获取温度特征图。
19、作为本技术的一种优选技术方案，所述s31具体为：使用水平方向的卷积核计算每个像素的水平梯度；使用垂直方向的卷积核计算每个像素的垂直梯度。
20、作为本技术的一种优选技术方案，所述s32中温度梯度方向μ的计算公式如下：
21、
22、式中，∑gx为图像上所有像素的水平梯度之和；∑gy为图像上所有像素的垂直梯度之和。
23、作为本技术的一种优选技术方案，所述s35中，利用红外矫正背景图像对灰度化的红外图像进行矫正的公式为：
24、gnew(x，y)＝gray(x，y)-gcor(x，y)；
25、其中，gnew(x，y)为温度特征图在(x，y)处的灰度值，gray(x，y)为灰度化后的红外图像在(x，y)处的灰度值，gcor(x，y)为红外矫正背景图像在(x，y)处的灰度值。
26、作为本技术的一种优选技术方案，所述s4包括以下子步骤：
27、s41、对可见光图像进行灰度化，再分别计算每个图像的灰度值总和；
28、s42、在每个图像中，求取使方差最大化的阈值；
29、s43、利用使方差最大化的阈值对每个图像进行二值化处理；
30、s44、对二值化后的温度特征图与可见光图像进行融合，计算公式如下：
31、p＝n-m&n；
32、m为可见光图像阈值分割后的二值图像，矩阵n为红外热图像分割后的二值图像，p即为融合后的图像。
33、作为本技术的一种优选技术方案，所述s3包括以下子步骤：
34、s31、对红外图像进行灰度化；
35、s32、采用加入注意力机制的cnn对灰度化后的红外图像上的温度特征进行矫正，获取温度特征图；
36、所述s4包括以下子步骤：
37、s41、对可见光图像进行灰度化；
38、s42、采用加入注意力机制的cnn对灰度化后的可见光图像上的进行特征提取，获取可见光特征图；
39、s43、采用加权算法对温度特征图与可见光特征图进行融合，公式如下：
40、p＝wi*m+w2*n；
41、其中，w1、w2均为权重参数，m为温度特征图，n为可见光特征图，p为融合后的图像。
42、作为本技术的一种优选技术方案，所述s5具体为：使用三层串联的门控循环单元gru对融合图像中的热斑位置进行识别。
43、与现有技术相比，本发明的有益效果是：
44、1.本技术通过无人机巡检提取红外图像上的温度变化特征，按照温度梯度方向对光伏面板进行区域划分，通过计算不同区域内的平均温度，建立红外矫正背景图像，利用红外矫正背景图像对红外图像进行修正，消除在光照强度不均匀的情况下造成不同工作区域之间的温度差异，并能够保留热斑区域的特征，解决了现有技术无法在光伏热斑识别过程中对高温工作区域剔除的问题。
45、2.本技术利用温度特征图与可见光图像进行融合，利用可见光图像中的反射光图像，去除温度特征图中因为光线反射形成的异常像素点，能够解决由光伏表面反射光线引起的误检的情况。
46、3.本技术采用灰度化处理后的红外图像与可见光图像进行图像处理，能够有效的降低图像处理过程中的计算量，增加光伏热斑的识别效率。
47、4.本技术采用加入注意力机制的cnn，对红外图像上的温度特征进行提取，使其自动识别有效数据区域，解决光伏面板因光照不均匀导致误将高温工作区域识别为光伏热斑的问题。
48、5.本技术采用三层串联的门控循环单元gru对融合后的图像进行识别，增加了光伏热斑的识别速度。
1.一种基于无人机双光成像的光伏阵列热斑巡检方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于无人机双光成像的光伏阵列热斑巡检方法其特征在于：所述s2包括以下子步骤：
3.根据权利要求1所述的基于无人机双光成像的光伏阵列热斑巡检方法其特征在于：所述s3包括以下子步骤：
4.根据权利要求3所述的基于无人机双光成像的光伏阵列热斑巡检方法其特征在于：所述s31具体为：使用水平方向的卷积核计算每个像素的水平梯度；使用垂直方向的卷积核计算每个像素的垂直梯度。
5.根据权利要求3所述的基于无人机双光成像的光伏阵列热斑巡检方法其特征在于：所述s32中温度梯度方向μ的计算公式如下：
6.根据权利要求3所述的基于无人机双光成像的光伏阵列热斑巡检方法其特征在于：所述s35中，利用红外矫正背景图像对灰度化的红外图像进行矫正的公式为：
7.根据权利要求1所述的基于无人机双光成像的光伏阵列热斑巡检方法其特征在于：所述s4包括以下子步骤：
8.根据权利要求1所述的基于无人机双光成像的光伏阵列热斑巡检方法其特征在于：所述s3包括以下子步骤：
9.根据权利要求8所述的基于无人机双光成像的光伏阵列热斑巡检方法其特征在于：所述s5具体为：使用三层串联的门控循环单元gru对融合图像中的热斑位置进行识别。
10.一种基于无人机双光成像的光伏阵列热斑巡检系统，其特征在于：包括无人机和巡检模块，所说巡检模块设置在无人机上，巡检模块上存储有计算机程序，所述计算机程序执行时实现如权利要求1-9任一所述的基于无人机双光成像的光伏阵列热斑巡检方法。
