本申請涉及圖像處理，具體而言，涉及一種檢測結(jié)果的確定方法及裝置、存儲介質(zhì)及電子裝置。

背景技術(shù)：

1、光伏發(fā)電是安全可靠的清潔能源，在全球“碳中和”的背景下，光伏發(fā)電發(fā)展前景廣闊。然而，由于諸多因素的影響，例如材料缺陷、安裝錯誤、污垢等，光伏組件可能會出現(xiàn)局部溫度異常的情況，即熱斑。熱斑不僅會導致光伏組件發(fā)電效率下降，還會引發(fā)熱失控甚至火災等安全隱患。因此，有效識別熱斑在光伏電站日常運維過程中具有重要意義。

2、隨著深度學習的發(fā)展，基于神經(jīng)網(wǎng)絡(luò)的深度學習熱斑檢測方法成為研究熱點。通過自動學習圖像特征，能夠在復雜背景下準確識別出熱斑的區(qū)域。雖然深度學習在熱斑分類與識別方面展現(xiàn)了良好的性能，但在實際應用中仍面臨一些挑戰(zhàn)。由于熱斑現(xiàn)象的發(fā)生受到多種因素的影響，如光照條件、環(huán)境溫度、電池片的制造工藝等，導致在實際采集的熱斑樣本中，正常樣本與異常樣本的數(shù)量往往存在嚴重的不平衡。這種樣本分布不均勻的情況會嚴重影響深度學習模型的訓練效果，使得模型在識別少數(shù)類樣本時準確率下降，進而影響整個檢測系統(tǒng)的性能。

3、針對相關(guān)技術(shù)中，光伏陣列熱斑檢測的準確率較低的問題，目前尚未提出有效的解決方案。

4、因此，有必要對相關(guān)技術(shù)予以改良以克服相關(guān)技術(shù)中的所述缺陷。

技術(shù)實現(xiàn)思路

1、本申請實施例提供了一種檢測結(jié)果的確定方法及裝置、存儲介質(zhì)及電子裝置，以至少解決光伏陣列熱斑檢測的準確率較低的問題。

2、根據(jù)本申請實施例的一方面，提供一種檢測結(jié)果的確定方法，包括：獲取光伏陣列的多張實時圖像，對多張實時圖像進行均衡處理，得到每一張實時圖像對應的h通道直方圖；根據(jù)不同h通道直方圖中的峰值變化對多張實時圖像進行分類，得到多個圖像分類結(jié)果；將多個圖像分類結(jié)果輸入至目標網(wǎng)絡(luò)模型中，得到多個圖像分類結(jié)果對應的多個特征概率集合，基于多個特征概率集合確定多張實時圖像中每一張圖像存在熱斑的檢測結(jié)果。

3、在一個示例性的實施例中，對多張實時圖像進行均衡處理，得到每一張實時圖像對應的h通道直方圖，包括：對多張實時圖像中的每一個實時圖像進行轉(zhuǎn)化，得到每一個實時圖像對應的hsv顏色空間；對hsv顏色空間進行顏色通道分離，得到每一個實時圖像對應的h分量矩陣；基于h分量矩陣繪制每一個實時圖像的h通道直方圖。

4、在一個示例性的實施例中，將多個圖像分類結(jié)果輸入至目標網(wǎng)絡(luò)模型之前，上述方法還包括：獲取目標對象的分類需求；根據(jù)分類需求從預設(shè)網(wǎng)絡(luò)結(jié)構(gòu)數(shù)據(jù)庫中確定組成目標網(wǎng)絡(luò)模型的多個網(wǎng)絡(luò)層的配置信息；基于配置信息加載不同網(wǎng)絡(luò)結(jié)構(gòu)組件，得到目標網(wǎng)絡(luò)模型。

5、在一個示例性的實施例中，根據(jù)分類需求從預設(shè)網(wǎng)絡(luò)結(jié)構(gòu)數(shù)據(jù)庫中確定組成目標網(wǎng)絡(luò)模型的多個網(wǎng)絡(luò)層的配置信息，包括：解析分類需求，得到需求參數(shù)；在確定目標網(wǎng)絡(luò)模型為五層網(wǎng)絡(luò)配置的情況下，確定目標網(wǎng)絡(luò)模型運行時存在五個階段；根據(jù)需求參數(shù)確定每一個階段對應子配置數(shù)量，并匯總所有子配置數(shù)量確定配置信息。

6、在一個示例性的實施例中，根據(jù)需求參數(shù)確定每一個階段對應子配置數(shù)量，包括：根據(jù)需求參數(shù)確定目標網(wǎng)絡(luò)模型運行時第一階段對應的卷積層的第一數(shù)量和對多個圖像分類結(jié)果進行池化的最大池化層的第二數(shù)量；根據(jù)需求參數(shù)確定目標網(wǎng)絡(luò)模型運行時第二階段對應的卷積殘差塊的第三數(shù)量和恒等殘差塊的第四數(shù)量；根據(jù)需求參數(shù)確定目標網(wǎng)絡(luò)模型運行時第三階段對應的分組特征提取塊的第五數(shù)量和恒等殘差塊的第六數(shù)量；根據(jù)需求參數(shù)確定目標網(wǎng)絡(luò)模型運行時第四階段對應的卷積殘差塊的第七數(shù)量和恒等殘差塊的第八數(shù)量；根據(jù)需求參數(shù)確定目標網(wǎng)絡(luò)模型運行時第五階段對應的卷積殘差塊的第九數(shù)量和恒等殘差塊的第十數(shù)量。

7、在一個示例性的實施例中，將多個圖像分類結(jié)果輸入至目標網(wǎng)絡(luò)模型中之后，上述方法還包括：將多個圖像分類結(jié)果輸入到跳躍鏈接的通道中進行特征提取，得到第一特征提取結(jié)果；在目標網(wǎng)絡(luò)模型生成第二特征提取結(jié)果的情況下，融合第一特征提取結(jié)果和第二特征提取結(jié)果，生成目標特征向量；將目標特征向量通過目標網(wǎng)絡(luò)模型進行分類處理。

8、在一個示例性的實施例中，基于多個特征概率集合確定多張實時圖像中每一張圖像存在熱斑的檢測結(jié)果之后，上述方法還包括：確定每一張圖像存在熱斑的最大特征概率值；比較最大特征概率值與預設(shè)參考概率值的大??；在最大特征概率值大于或等于預設(shè)參考概率值的情況下，確定向目標對象發(fā)送巡檢當前圖像對應的光伏陣列的任務(wù)消息；在最大特征概率值小于預設(shè)參考概率值的情況下，確定當前圖像對應的光伏陣列不存在熱斑。

9、根據(jù)本申請實施例的另一方面，還提供了一種檢測結(jié)果的確定裝置，包括：獲取模塊，用于獲取光伏陣列的多張實時圖像，對多張實時圖像進行均衡處理，得到每一張實時圖像對應的h通道直方圖；分類模塊，用于根據(jù)不同h通道直方圖中的峰值變化對多張實時圖像進行分類，得到多個圖像分類結(jié)果；第一輸入模塊，用于將多個圖像分類結(jié)果輸入至目標網(wǎng)絡(luò)模型中，得到多個圖像分類結(jié)果對應的多個特征概率集合，基于多個特征概率集合確定多張實時圖像中每一張圖像存在熱斑的檢測結(jié)果。

10、根據(jù)本申請實施例的又一方面，還提供了一種計算機可讀的存儲介質(zhì)，該計算機可讀的存儲介質(zhì)中存儲有計算機程序，其中，該計算機程序被設(shè)置為運行時執(zhí)行上述檢測結(jié)果的確定方法。

11、根據(jù)本申請實施例的又一方面，還提供了一種電子裝置，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其中，上述處理器通過計算機程序執(zhí)行上述檢測結(jié)果的確定方法。

12、根據(jù)本申請實施例的又一方面，還提供了一種計算機程序產(chǎn)品，包括計算機程序，計算機程序被處理器執(zhí)行時上述檢測結(jié)果的確定方法。

13、通過本申請，獲取光伏陣列的多張實時圖像，對多張實時圖像進行均衡處理，得到每一張實時圖像對應的h通道直方圖；根據(jù)不同h通道直方圖中的峰值變化對多張實時圖像進行分類，得到多個圖像分類結(jié)果；將多個圖像分類結(jié)果輸入至目標網(wǎng)絡(luò)模型中，得到多個圖像分類結(jié)果對應的多個特征概率集合，基于多個特征概率集合確定多張實時圖像中每一張圖像存在熱斑的檢測結(jié)果。采用上述技術(shù)方案，解決了光伏陣列熱斑檢測的準確率較低的問題。進而通過處理光伏陣列的多張實時圖像，利用h通道直方圖進行分類和特征概率集合確定熱斑檢測結(jié)果，提高了對光伏陣列運行中出現(xiàn)熱斑情況的識別準確率。

技術(shù)特征：

1.一種檢測結(jié)果的確定方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，對所述多張實時圖像進行均衡處理，得到每一張實時圖像對應的h通道直方圖，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，將所述多個圖像分類結(jié)果輸入至目標網(wǎng)絡(luò)模型之前，所述方法還包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，根據(jù)所述分類需求從預設(shè)網(wǎng)絡(luò)結(jié)構(gòu)數(shù)據(jù)庫中確定組成所述目標網(wǎng)絡(luò)模型的多個網(wǎng)絡(luò)層的配置信息，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，根據(jù)所述需求參數(shù)確定每一個階段對應子配置數(shù)量，包括：

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，將所述多個圖像分類結(jié)果輸入至目標網(wǎng)絡(luò)模型中之后，所述方法還包括：

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于所述多個特征概率集合確定所述多張實時圖像中每一張圖像存在熱斑的檢測結(jié)果之后，所述方法還包括：確定每一張圖像存在熱斑的最大特征概率值；

8.一種檢測結(jié)果的確定裝置，其特征在于，包括：

9.一種計算機可讀的存儲介質(zhì)，其特征在于，所述計算機可讀的存儲介質(zhì)包括存儲的程序，其中，所述程序運行時執(zhí)行權(quán)利要求1至7中任一項所述的方法。

10.一種電子裝置，包括存儲器和處理器，其特征在于，所述存儲器中存儲有計算機程序，所述處理器被設(shè)置為通過所述計算機程序執(zhí)行權(quán)利要求1至7中任一項所述的方法。

技術(shù)總結(jié)
本申請公開了一種檢測結(jié)果的確定方法及裝置、存儲介質(zhì)及電子裝置，該方法包括：獲取光伏陣列的多張實時圖像，對多張實時圖像進行均衡處理，得到每一張實時圖像對應的H通道直方圖；根據(jù)不同H通道直方圖中的峰值變化對多張實時圖像進行分類，得到多個圖像分類結(jié)果；將多個圖像分類結(jié)果輸入至目標網(wǎng)絡(luò)模型中，得到多個圖像分類結(jié)果對應的多個特征概率集合，基于多個特征概率集合確定多張實時圖像中每一張圖像存在熱斑的檢測結(jié)果。解決了光伏陣列熱斑檢測的準確率較低的問題。進而通過處理光伏陣列的多張實時圖像，利用H通道直方圖進行分類和特征概率集合確定熱斑檢測結(jié)果，提高了對光伏陣列運行中出現(xiàn)熱斑情況的識別準確率。

技術(shù)研發(fā)人員：孟欣,葛鎣,王介昌,李景偉,李凌鑫,張立武,于波,周洪東,翟強,張夢楠,張玉才,蔡俊龍,王蕓靖
受保護的技術(shù)使用者：華能吉林發(fā)電有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9