(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211009802.X (22)申请日 2022.08.23 (65)同一申请的已公布的文献号 申请公布号 CN 115082504 A (43)申请公布日 2022.09.20 (73)专利权人 菏泽学院 地址 274015 山 东省菏泽市牡丹区大学路 2269号 (72)发明人 崔国涛　张承阳　刘志勇　张莹　 (74)专利代理 机构 深圳叁众知识产权代理事务 所(普通合伙) 44434 专利代理师 董红娟 (51)Int.Cl. G06T 7/11(2017.01) G06T 7/136(2017.01) G06V 10/75(2022.01) G06V 10/762(2022.01)(56)对比文件 CN 114758017 A,202 2.07.15 CN 112927189 A,2021.0 6.08 CN 10810873 6 A,2018.0 6.01 CN 109525194 A,2019.0 3.26 CN 110533601 A,2019.12.0 3 CN 111488769 A,2020.08.04 CN 114881915 A,202 2.08.09 CN 106651801 A,2017.0 5.10 CN 109670248 A,2019.04.23 WO 2021169335 A1,2021.09.02 US 2003123749 A1,20 03.07.03 US 2016271 167 A1,2016.09.2 2 石达顺等.基于统计高斯拟合的圆形光斑中 心定位方法. 《测控技 术》 .2020,第39卷(第07 期),第51- 56页. (续) 审查员 田子茹 (54)发明名称 一种太阳能光伏板光斑识别方法 (57)摘要 本发明涉及图像数据处理技术领域， 具体涉 及一种太阳能光伏板光斑识别方法， 包括： 获取 非背景像素点的检测阈值； 获取横纵边框线在霍 夫空间中对应的所有周期性点， 对每个周期性点 进行聚类得到对应的聚簇， 获取每个聚簇中非周 期性点到聚簇中心的欧式距离， 并绘制欧式距离 的柱状图； 获取该柱状图中最高柱与其它柱最高 点连线的斜率， 设置斜率阈值， 根据斜率与斜率 阈值得到霍夫空间中非光斑点， 将霍夫空间中非 光斑点进行遮蔽得到遮蔽后的霍夫空间点， 将遮 蔽后的霍夫空间点映射到灰度图中得到遮蔽后 的灰度图， 利用每个非背景像素点的检测阈值分 别对遮蔽后的灰度图进行检测得到遮蔽后的灰 度图中光斑所在位置。 本发明提高了光伏板光斑 检测的准确性。 [转续页] 权利要求书2页 说明书7页 附图3页 CN 115082504 B 2022.11.11 CN 115082504 B (56)对比文件 韩亚荣 等.一种光斑图像的阈值分割和光 斑中心坐标的计算方法. 《现代计算机》 .201 1, (第09期),第13 -16页. 王宏硕.TFT-LCD面板缺陷成像、 提取、 识别 和分类方法研究. 《中国优秀硕士学位 论文全文 数据库 信息科技 辑》 .2020,第2020年卷(第01 期),第I13 6-163页. Kamran Al i Khan N iazi 等.Hotspot diagnosis for so lar photovo ltaic modules using a Naive Bayes clas sfier. 《So lar Energy 190》 .2019,第34-43页. Sara Gal lardo-Sa avedra 等.Analysis and characterizati on of PV module defects by thermographic i nspection. 《Revista Facultad de I ngeniería Universidad de Antioquia》 .2019,第1-27页.2/2 页 2[接上页] CN 115082504 B1.一种太阳能光伏板光斑识别方法， 其特 征在于， 包括： S1： 获取太阳能光伏板的热成像图像的灰度图像， 去除灰度图像中光伏板的横纵边框 线得到多个灰度局部图， 将所有灰度局部图进行拼接得到 重构灰度图像； S2： 利用重构灰度图像 中每个像素点与其邻域像素点的灰度值对重构灰度图像进行超 像素分割得到重构灰度图像中的不同灰度区域， 将每个灰度区域的最大灰度值作为该灰度 区域非背景像素点的检测阈值； S3： 获取灰度图像中光伏板的横纵边框线在霍夫空间中对应的所有周期性点， 以每个 周期性点为聚类中心进行聚类得到对应的聚簇， 获取每个聚簇中所有非周期性点到聚簇中 心的欧式距离， 并绘制所有欧式距离的柱状图； 所述获取灰度图像中光伏板的横纵边框线在霍夫空间中对应的所有周期性点的方法 是： 根据检测阈值获取灰度图像中的非背景像素点， 利用霍夫空间检测对灰度图像中的非 背景像素点进行检测得到非背景像素点在霍夫空间中的所有极角； 根据横向边框线的平行特征得到所有极角中横向边框线在霍夫空间中的交点对应的 极角； 计算该极角上相邻交点间的距离， 根据该极角上相邻交点间的距离得到横向边框线在 霍夫空间中对应的所有周期性点， 同理得到纵向边框线在霍夫空间中对应的所有周期性 点； S4： 获取该柱状 图中最高柱与其它柱的最高点之间连线的斜率， 根据斜率与斜率阈值 得到聚簇中的非光斑点， 将非光斑点和周期性点进行遮蔽得到遮蔽后的霍夫空间， 将遮蔽 后的霍夫 空间映射到灰度图中得到遮蔽后的灰度图,利用每个非背景像素点的检测阈值分 别对遮蔽后的灰度图的进行检测得到遮蔽后的灰度图中光斑所在位置 。 2.根据权利要求1所述的一种太阳能光伏板光斑识别方法， 其特征在于， 所述得到多个 灰度局部图的方法是： 获取光伏板横纵边框线的模板图； 利用光伏板横纵边框线的模板图对灰度图像进行模板匹配得到无横纵边框线的多个 局部灰度图。 3.根据权利要求1所述的一种太阳能光伏板光斑识别方法， 其特征在于， 所述得到重构 灰度图像中的不同灰度区域的方法是： 利用重构灰度图像中每个像素点与其8邻域每个像素点的灰度值得到每个像素点与其 8邻域每个像素点间的梯度， 对每个像素点与其8邻域每个像素点间的梯度进行求导， 对求 导结果进行累加得到每 个像素点8邻域的灰度变化趋势； 根据每个像素点8邻域的灰度变化趋势对重构灰度图像进行超像素分割得到重构灰度 图像中的不同灰度区域。 4.根据权利要求3所述的一种太阳能光伏板光斑识别方法， 其特征在于， 所述像素点8 邻域的灰度变化趋势的具体表达式如下：权　利　要　求　书 1/2 页 2 CN 115082504 B 3