带你了解基于无人机的SWIR摄像机在日光下检查太阳能电池板

人工智能
基于短波红外的电发光成像在光伏太阳能电池板缺陷检测中显示出希望。光伏太阳能电池板的缺陷和故障会导致生产损失或无法操作,因此必须迅速确定问题所在。肉眼无法看到电池裂纹,分流和电池互连断开,但是配备摄像头的无人机为白天检测对太阳能电池板造成负面影响的缺陷提供了一种有效的方法。

基于短波红外的电发光成像在光伏太阳能电池板缺陷检测中显示出希望。光伏(PV)太阳能电池板的缺陷和故障会导致生产损失或无法操作,因此必须迅速确定问题所在。肉眼无法看到电池裂纹,分流和电池互连断开,但是配备摄像头的无人机为白天检测对太阳能电池板造成负面影响的缺陷提供了一种有效的方法。电致发光(EL)成像可产生非常详细的PV诊断数据,并经常用于PV太阳能电池板检查应用中。在故障识别中,EL提供的结果比红外热成像更准确,因为图像可以提供半导体材料级别的分辨率。该技术通常在室内或室外从黄昏到黎明使用,因为晶体硅发光的信号比阳光低几个数量级。

图像采集

为了寻求一种在白天有效捕获图像的方法,研究人员开发了一种基于无人机的图像捕获系统(图1)。在日光充足的条件下,使用日光滤镜并减去(即计算每个像素的差)来获取清晰的EL图像通常是不够的。由于EL信号强度远低于太阳光,因此导致非常低的信噪比。为了弥补这一点,该团队获取了在同一固定位置拍摄的许多EL和背景图像对,而对PV面板进行了电调制并添加了后处理步骤,以生成由每对背景图像的平均和减法组成的图像。研究人员说,这样做可以将信噪比提高到可接受的水平。

[[376365]]

图1:研究人员为一架无人机配备了可检测太阳能电池板缺陷的SWIR摄像机。

为了成功进行日光EL成像,必须快速且以短曝光时间来获取图像,以避免运动模糊和由于日光而饱和。基于InGaAs的探测器可以满足这些要求,因此团队选择了 640 x 512短波红外(SWIR)摄像机。相机与25毫米定焦蓝宝石镜头和1150纳米带通滤光镜(半高全宽一半为一半)(FWHM)配对使用,以避免检测到来自太阳和周围环境的光线。除了相机外,EL /背景图像对采集设备还包括六旋翼无人机和嵌入式PC,用于相机控制,实时图像反馈和图像存储。无人机通过两个Wi-Fi通道连接到地面上的计算机,以提供更好的信号稳定性,而无人机控制器软件则可以根据安全法规进行半自主飞行。在距面板约四米的距离内,摄像机获取了机械应力PV模块的图像,该模块具有36个15.6 x 15.6 cm多晶硅电池,排列在6 x 6单元矩阵中,测试速度为1125至1175 nm,范围为120 fps。(图2)。

[[376366]]

图2:面板测试过程中,无人机的摄像头从距面板约4米的距离获取受压光伏面板的图像。

电调制和后处理

所有图像都本地存储在嵌入式PC中,并在图像获取后用于后处理。即使使用适当的硬件,也存在进一步的挑战,以增强从无人机获取的图像的信噪比,特别是在运动中获取的图像。在进行图像采集飞行之后,使用开发的算法,将图像从嵌入式PC转移到台式PC进行后处理。固定日光EL的图像处理步骤包括EL /背景图像分离,取平均值,背景扣除,透视校正和信噪比平均值计算。对于移动过程中获取的EL /背景图像(如无人机获取的情况),必须执行其它步骤,包括序列的每个图像中的PV面板边缘检测和分割,以及整个图像序列的运动补偿。这些步骤发生在EL /背景图像分离之前,并且需要高度准确和强大的图像处理算法。在每个帧中,算法会检测面板并将其从其余图像内容中分割出来,从而补偿不同帧之间的运动,并使用完整的搜索块匹配算法在序列的所有图像之间进行配准。通过执行平均和背景减法,图像被去噪。研究人员说,在达到推荐质量之前,提高信噪比所需的图像数量取决于诸如太阳辐照度和EL /背景图像等因素,但是空间匹配是改善图像质量的最重要因素。当空间匹配不存在问题时,例如在固定日光EL的情况下,例如,有16对图像足以证明在视觉上可接受的EL图像用于细胞破裂诊断。在高辐照度下采集的图像序列往往会提供较小的EL /背景图像变化量,但大约50个空间匹配良好的图像对克服了此缺点,并为细胞裂纹检测提供了高质量的图像。该团队使用DC方波和AC + DC DC正弦波方法将调制的电波应用于图像。对于直流电调制,双向SM 1500-CP30直流电源为PV电池板产生了调制电压偏置,而AC6804A交流电源用于调制偏置,以避免偏置信号中强烈的太阳辐射干扰。

图3:研究小组使用DC方波和AC + DC DC正弦波方法将调制的电波形应用于图像。

结果表明,AC + DC电调制在EL和背景图像之间提供了可重现的平均像素值增量,而DC调制呈现出更高的增量幅度。与DC电调制相比,AC + DC电调制在EL和背景图像之间提供了更可重现的平均像素值增量,而DC调制比AC + DC调制呈现出更高的增量幅度(图3)。当在户外运动成像时,由于在运动中获取的图像对的位置不匹配,因此与户外静止图像相比,图像的质量较低。研究小组称,亚像素级的定位失配阻止了信噪比方面的最佳质量改进,并且代表了无人机基于EL成像中低质量图像的主要问题。

外星眼机器视觉认为:用于提高图像质量的算法需要进一步的提高,以用于基于无人机的EL采集系统进行大规模的公用设施检查,但是整个项目显示了使用SWIR摄像机在白天进行基于无人机的PV面板检查的希望。

来源于互联网,仅供分享,如侵删 

 

责任编辑:庞桂玉 来源: 搜狐
相关推荐

2021-12-08 10:23:46

无人机太阳能电池板AI

2009-02-06 11:26:00

Intel太阳能电池数据中心

2022-03-18 10:17:10

传感器网络监测

2023-01-08 13:22:03

模型

2011-07-18 09:06:32

eBay数据中心太阳能

2020-12-23 09:19:58

脑机接口机器人工智能

2023-11-30 07:18:55

2020-12-08 22:03:09

物联网能源智能电网

2017-09-17 08:01:24

小房子Covo小型住宅

2023-01-01 13:41:18

量子开发

2021-05-28 13:24:46

无人机人工智能AI

2015-05-18 17:07:50

WGDC

2022-10-19 10:04:44

2021-04-19 16:39:59

无人机人工智能AI

2023-08-31 13:37:00

训练模型

2017-06-30 15:45:33

消费

2011-05-04 14:08:47

太阳能发电数据中心

2021-09-06 11:00:32

人工智能AI无人机

2021-05-21 10:20:45

无人机桥梁技术

2023-11-24 17:20:41

无人机无人驾驶飞行器
点赞
收藏

51CTO技术栈公众号