一种基于无人机与深度学习图像识别的光伏电站避光巡检方法

本发明涉及无人机飞行路径规划，尤其涉及一种基于无人机与深度学习图像识别的光伏电站避光巡检方法。

背景技术：

1、无人机技术作为一种高效、灵活、安全的巡检手段，近年来在光伏电站的巡检中得到了广泛应用。无人机巡检具有便捷、高效、安全等优势，可以大大降低巡检成本，并且可以获取更全面、更精确的数据信息。但无人机在拍摄过程中，会受到太阳光及其照射在面板上的反射光的影响，使得无人机拍摄画面收到太阳光斑的影响。

技术实现思路

1、本发明所要解决的技术问题是提供一种基于无人机与深度学习图像识别的光伏电站避光巡检方法，该方法有效的排除光斑对无人机拍摄图像的干扰，提高无人机拍摄图像的质量，从而增加无人机光伏巡检的可靠性和稳定性，达到避光巡检的目的。

2、为解决上述技术问题，本发明所采取的技术方案是：一种基于无人机与深度学习图像识别的光伏电站避光巡检方法，包括具有拍摄功能的无人机，以及能与无人机交互的上位机，包括以下步骤：

3、(1)无人机采集光伏面板图像，并通过无线网络传输给上位机；

4、(2)上位机提取图像整体轮廓，并将提取后图像轮廓进行霍夫变换，进而对图像进行纠偏处理；

5、(3)通过卷积神经网络模型识别判定图像中光斑区域，并计算光斑覆盖率；

6、(4)上位机依据采集的图像上有/无光斑区域对无人机进行命令下达，当无光斑区域时，无人机正常巡检；当有光斑区域时，无人机根据光照的方向做出相适应的角度旋转，直到采集反馈到的图像无光斑无人机停止角度旋转，并保持该角度进行图像采集，进行巡检。

7、进一步优化的技术方案为所述步骤(4)中无人机的角度旋转是依据与太阳的相对位置而确定无人机的角度旋转及方向，即，通过将正午时间标准时tst与无人机巡检时的时间t作比较：

8、当tst>t时，太阳位于垂直位置东侧，无人机巡检时图像若出现光斑，则无人机机身朝西侧逆时针旋转；

9、当tst

10、进一步优化的技术方案为正午时间标准时tst的计算公式如下：

11、tst＝tsolar-e±4(lloc-lst)

12、其中，e为时差(单位min),可以通过下式进行近似计算：

13、e＝9.87sin2b-7.53cosb-1.5sinb

14、式中，

15、tsolar为真太阳时；lloc为当地经度；lst为当地时区的标准子午线经度；n为该天从1月1日算起是一年中的第几天；±为东半球取负，西半球取正。

16、进一步优化的技术方案为真太阳时tsolar的计算公式如下：

17、

18、其中，t为正午时时角，t是以正午12点为0度开始算，每一小时为15度，上午为正，下午为负。。

19、进一步优化的技术方案为正午时时角t的计算公式如下：

20、已知地理纬度φ和太阳赤纬角δ，在地球天顶、天极和观测地连线的球面三角形内有太阳高度角的计算公式：

21、

22、正午时，取太阳高度角α＝90°，则可以求得正午时时角t的计算公式：

23、

24、其中，φ为地理纬度，其中北纬为正，南纬为负。

25、进一步优化的技术方案为太阳赤纬角δ的计算公式如下：

26、

27、其中，太阳赤纬角δ是指正午时的太阳光线与地球赤道平面间的夹角，其中赤道向北为正，向南为负；n为该天从1月1日算起是一年中的第几天。

28、进一步优化的技术方案为用于采集光伏面板图像的无人机可为一架，也可为多架，多架时可组成方阵协同采集图像。

29、采用上述技术方案所产生的有益效果在于：本发明主要通过对巡检无人机拍摄返回的图像进行图像处理，确定太阳光反射引起的亮斑位置，进而调整无人机的拍摄角度和拍摄路径，达到避光目的。同时上位机采用mfc窗体程序应用界面及功能，编写图像分割、图像识别等程序。实现无人机与上位机的网络通信功能，进而将拍摄后的图像实时传输回上位机界面当中，并通过上位机避光部分程序来调整无人机的拍摄角度和拍摄路径；此系统可以执行图像处理、路径规划、无人机控制等功能。

30、本发明通过无人机拍摄图像传输、上位机接收与发送还有改进的深度学习算法的识别，能够很好的完成预期的目标，减少了无人机巡检时拍摄无效图像的概率，也大幅度降低了光伏巡检出错的概率，更为重要的是降低了反复巡检的概率，从而大大降低了巡检所花费的人力和物力。系统对硬件需求不高，实现具有较高可行性。因此具有一定的指导意义和实用价值。

技术特征：

1.一种基于无人机与深度学习图像识别的光伏电站避光巡检方法，包括具有拍摄功能的无人机，以及能与无人机交互的上位机，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于无人机与深度学习图像识别的光伏电站避光巡检方法，其特征在于：所述步骤(4)中无人机的角度旋转是依据与太阳的相对位置而确定无人机的角度旋转及方向，即，通过将正午时间标准时tst与无人机巡检时的时间t作比较：

3.根据权利要求2所述的一种基于无人机与深度学习图像识别的光伏电站避光巡检方法，其特征在于：正午时间标准时tst的计算公式如下：

4.根据权利要求3所述的一种基于无人机与深度学习图像识别的光伏电站避光巡检方法，其特征在于：真太阳时tsolar的计算公式如下：

5.根据权利要求4所述的一种基于无人机与深度学习图像识别的光伏电站避光巡检方法，其特征在于：正午时时角t的计算公式如下：

6.根据权利要求4所述的一种基于无人机与深度学习图像识别的光伏电站避光巡检方法，其特征在于：太阳赤纬角δ的计算公式如下：

7.根据权利要求1所述的一种基于无人机与深度学习图像识别的光伏电站避光巡检方法，其特征在于：

技术总结
本发明公开了一种基于无人机与深度学习图像识别的光伏电站避光巡检方法，包括具有拍摄功能的无人机，以及能与无人机交互的上位机，上位机依据采集的图像上有/无光斑区域对无人机进行命令下达，当无光斑区域时，无人机正常巡检；当有光斑区域时，无人机根据光照的方向做出相适应的角度旋转，直到采集反馈到的图像无光斑无人机停止角度旋转，并保持该角度进行图像采集，进行巡检。该方法有效的排除光斑对无人机拍摄图像的干扰，提高无人机拍摄图像的质量，从而增加无人机光伏巡检的可靠性和稳定性，达到避光巡检的目的。

技术研发人员：董伟杰,范新桥,万耕书,胡洪华,王泽宇,房城,妥泽睿,刘泉,王茂,王义龙,曹彦彦,徐杨梅,李福东
受保护的技术使用者：北京信息科技大学
技术研发日：
技术公布日：2024/3/17