光伏板异常识别算法

已于 2023-11-08 16:22:58 修改
阅读量4.1k 收藏 21
点赞数 3
分类专栏： 图像处理 文章标签： 计算机视觉 人工智能 光伏板 光伏板异常识别 深度学习
于 2021-04-02 11:26:52 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011808673/article/details/115394559
版权

联系方式：547691062@qq.com

光伏板异常识别算法

可以识别光伏板上面的污点，破损，歪倒等异常。

支持 CPU / GPU，目前原始图像为4K高清图，CPU可以做到每秒识别2帧，GPU可以每秒30帧

识别异常流程：

1.检测所有光伏板的位置，确定一张图像所有的光伏板的位置分布。

2.基于每个光伏板识别其是否存在异常。

3.目前识别模型用的很小，可以支持边缘设备。

识别效果如图所示：

NineDays66
关注
  • 3
    点赞
  • 踩
  • 21
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
专栏目录
太阳能 光伏电池缺陷异常检测数据集PVELAD
crasher123的博客
03-18 857
PVEL-AD包含 36,543 张具有各种内部缺陷和异构背景的近红外图像，其中包含1类无异常图像和具有 12 个不同类别的异常缺陷图像，例如裂纹（线状和星状）、断栅、黑芯、未对准、粗线、划痕、碎片、断角和材料缺陷。此外，我们为 12 种类型的缺陷提供了 40000+ 个真实标注框用于缺陷检测。河北工业大学、北京航空航天大学联合发布的——PVEL-AD 数据集又叫做EL2021数据集是用于对光伏电池异常缺陷检测方法进行基准测试的数据集。太阳能 光伏电池缺陷异常检测数据集PVELAD。
小尺寸太阳能电池板损伤检测可见光图像数据集（1k多张，voc标签）
爱分享数据的一个人的博客
10-26 666
小太阳能电池板损伤检测可见光图像数据集（1k多张，voc标签）
opencv图像分割算法
weixin_43886213的博客
11-15 1713
加载源图像并检查是否已正确加载，然后显示： watershed详情见另一篇博客https://blog.csdn.net/weixin_43886213/article/details/103092283 from __future__ import print_function import cv2 as cv import numpy as np import argparse import ...
Stanford天空图像和光伏发电数据集
最新发布
2301_80430808的博客
04-22 923
Stanford天空图像数据集；校区光伏发电数据集
传统opencv算法进行灰尘检测（canny,均值漂移，附源码百度云）
执契的博客
09-05 4299
目标：灰尘检测 原图： 程序效果（通过设置不同阈值，得到不同结果）： 百度云链接：链接:https://pan.baidu.com/s/1LXrQnhO5UGTw-3H8P86apw 密码:61yx 进入正文 目录 1、算法方案 2、详细步骤与说明 3、代码说明 1、算法方案 切图并透视变换 明度预处理，并计算gamma值 均值漂移：目的在于剔除一些噪声 can...
Python - OpenCV 图像灰度识别
小小晓晓阳的博客
11-08 4833
本片文章将介绍一下基于opencv的图像灰度识别，主要介绍三通道的彩色图片的灰度识别，单通道图片无需判断。 对图片进行灰度识别我们要先明白一个基础知识，理论上讲，一张真正的灰度图应该是单通道或者RGB三通道值相等的，因此我们可以根据通道数或者像素RGB三通道值差异来判断。 接下来我们来介绍两种计算灰度值的方法。 方法一 def calculate_gray_value(img): # 分割RGB通道 r, g, b = cv2.split(img) ...
扩视机器视觉—Halcon机器视觉48个实战项目五(检测光伏板破损)
qq_21516871的博客
03-24 524
此项目halcon检测光伏行业的破损烂片等缺角问题,并显示。
c# openCV扬尘识别
qq165285727的专栏
02-27 136
分水岭算法是关键
全球最大光伏电池缺陷异常检测数据集PVELAD【发布】
苏打水的杯子的博客
03-26 1万+
下载地址 1：GitHub - binyisu/PVEL-AD 下载地址 2：http://aihebut.com/col.jsp?id=118 下载地址 3：NAVEDownload 竞赛测试系统：Photovoltaic cell anomaly detection | Kaggle 一、简介 PVEL-AD 数据集又叫做EL2021数据集是用于对光伏电池异常缺陷检测方法进行基准测试的数据集，重点是光伏电池工业检测。PVEL-AD包含 36,543 张具有各种内部缺陷和异构背...
光伏功率异常数据识别与清洗（数据集，共262134条数据）
爱分享数据的一个人的博客
10-21 2379
光伏功率异常数据识别与清洗（数据集，共262134条数据）
目标检测数据集制作-批量移除空的xml文件
苏打水的杯子的博客
06-01 511
# 批量移除空的xml标注 import xml.etree.cElementTree as ET import os path_root = ['E:\\dataset\\PVEL-AD\\Detection\\test\\total_annotations\\'] for anno_path in path_root: xml_list = os.listdir(anno_path) for axml in xml_list: path_xml = os.pa.
太阳能电池板缺陷检测（代码+原图像）
10-21
工业上太阳能电池板的缺陷检测识别，主要针对裂纹，斑点进行检测。详细内容参加博客：https://blog.csdn.net/cuixing001/article/details/83246218
光伏面板
02-14
数据仪表板-季节性太阳能生产 动机 光伏观测器Web应用程序绘制了光伏（PV）系统的估计太阳能产量。 该应用程序依赖于位置的用户输入。 后端利用PVGIS Web服务获取Solar PV的估计产量。 最后，plotly.js库用于向用户显示结果。 该项目中使用的其他工具： Heroku plotly.js 烧瓶 bootstrap.js 待办事项清单 设定基本的项目结构 建立简单的用户输入表格， 获取表单数据，请参阅： : 编写API调用函数以从PVGIS服务中提取数据 清理并准备数据集 将数据放入csv文件或json 编写Python脚本以读取数据集并设置Plotly可视化 设置虚拟环境并安装必要的库以运行您的应用 在本地运行Web应用程序以确保一切正常 将应用程序部署到Heroku或其他一些后端服务
基于机器视觉的太阳能电池片表面缺陷检测的研究
09-06
基于机器视觉的太阳能电池片表面缺陷检测的研究!
太阳能电池缺陷检测图像的分割技术
01-29
在太阳能电池缺陷检测系统中，图像分割技术是非常重要的。分割结果的优劣直接影响着对于缺陷的检测和识别。文中提出一种针对太阳电池缺陷图片特性的阈值分割方法，实验表明这种方法比普通的直方图法和Otsu法更加快速准确地进行区域分割，可以得到较好的二值图。为太阳能电池图像的缺陷特征提取，以及进一步描述和分析奠定了良好的基础。
基于Halcon学习的缺陷检测【四】光伏电池片的指纹以及划痕检测【第一种方法】
BoomBiuBiu的博客
04-09 1715
此例子主要是为了把光伏电池片的指纹以及划痕标注出来。 总代码： *读取图片 read_image (Image, 'E:/研究生学习/电池片练习/手指印/截图.png') *清除窗口 dev_clear_window () *打开新的窗口 dev_open_window (0, 0, 512, 512, 'black', WindowHandle) *获得图片的大小 get_image_size (Image, Width, Height) *适应窗口 dev_set_part (0, 0, H..
光伏发电系统红外热图像（227幅图像，无标签，可用于识别蜗牛尾迹与热点故障）
爱分享数据的一个人的博客
06-24 1310
下载地址：光伏发电系统红外热图像（227幅图像，无标签，可用于识别蜗牛尾迹与热点故障）
太阳能电池板/光伏板缺陷检测数据集
DM_zx的博客
03-12 1万+
太阳能电池板/光伏板缺陷检测数据集 本人有一些太阳能电池板缺陷数据集，可用于图像识别、图像处理、深度学习、目标检测、计算机视觉等领域。 （1）第一种数据集 下载链接：https://download.csdn.net/download/DM_zx/84577820 （2）第2种数据集 下载链接：https://download.csdn.net/download/DM_zx/84578214 （3）第3种数据集 下载链接：https://download.csdn.net/download/DM_zx/
光伏发电量和用电量的概率预测研究综述（2）
热门推荐
KI的博客
01-26 6万+
Review on probabilistic forecasting of photovoltaic power production and electricity consumption---论文阅读(2)。
python太阳能光伏电池板瑕疵图像识别
01-18
太阳能光伏电池板在生产过程中常常会出现一些瑕疵，比如裂纹、污渍、气泡等问题。为了提高生产效率和产品质量，可以利用Python编写一个图像识别的程序来识别这些瑕疵。 首先需要收集大量不同种类的太阳能光伏电池板瑕疵图像，并对这些图像进行标注，以便训练模型。接着可以使用Python中的深度学习库，比如Tensorflow、Keras等来构建一个卷积神经网络（CNN）模型。通过对已标注的图像数据进行训练，使得模型能够准确地识别各种不同类型的瑕疵。 在识别过程中，可以利用Python的图像处理库，比如OpenCV来对太阳能光伏电池板的图像进行预处理，比如去噪、增强对比度等，以提高识别的准确性。识别出瑕疵后，可以使用Python的数据可视化库，比如Matplotlib来生成可视化的报告，直观地展示太阳能光伏电池板的瑕疵情况。 最后，可以将这个识别程序整合到生产线上，实现自动化的检测。这样就可以大大提高生产效率，降低生产成本，提高产品质量。总之，利用Python来开发太阳能光伏电池板瑕疵图像识别系统，有着非常广阔的应用前景。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

NineDays66

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值