由于光伏电池板通常放置于恶劣的室外环境下,常年受到风吹日晒,导致其所面临的故障和缺陷问题严重。而通过无人机巡检设备采集光伏电池板的图像,并采用机器视觉技术和图像处理技术对航拍图像进行处理,是满足大规模光伏电池板缺陷检测系统广泛性、准确性和实时性等要求的有效方案。

因此,对无人机巡检设备采集到的光伏电池板的图像预处理、图像拼接、图像识别方法进行研究和实验对大规模光伏电池板的缺陷检测具有重要意义。首先,针对通过无人机采集到的光伏电池板图像存在噪声干扰以及几何形变等问题,研究了图像预处理和图像校正的方法。图像预处理部分采用加权平均图像灰度化方法、线性灰度变换图像增强方法、中值图像滤波方法和最大类间方差图像二值化方法,而图像校正部分采用基于Hough变换倾斜校正方法和基于连接点透视校正方法。实验表明,采用的图像预处理方法和图像校正方法能够有效地解决光伏电池板航拍图像的噪声干扰和几何形变问题,得到适合进行后续处理的光伏电池板图像。

其次,为了将多幅大规模光伏电池板的局部航拍图像拼接成完整的图像,研究了一种改进的SURF-BRISK航拍图像拼接方法。通过对光伏电池板的航拍图像采用改进的SURF特征检测算法、BRISK特征描述算法、汉明距离特征粗匹配方法、RANSAC特征精匹配方法、双线性插值方法、加权融合方法实现图像拼接。

采用的图像拼接方法能够有效地得到完整的光伏电池板图像,并且与常用的图像拼接方法相比,本文方法在实时性和准确度上都具有明显的优势。最后,针对光伏电池板容易产生裂纹等缺陷的问题,研究一种基于图像特征的光伏电池板缺陷检测方法。

通过无人机巡检设备分析裂纹、缺角、断极、断栅、污渍等缺陷在面积、长度和宽度、矩形度、方向多个方面图像特征的特点,实现对不同缺陷的区分和检测。并以光伏电池板的裂纹缺陷为研究对象进行实验和分析,为光伏电池板的维护和更换工作提供有用信息,从而提高光伏电站的工作效率。