首页|基于改进K均值聚类的光伏板缺陷检测方法

基于改进K均值聚类的光伏板缺陷检测方法

扫码查看
原文链接
  • 万方数据
  • 维普
为了能够对光伏组件热斑部分准确地识别和提取,提出了一种基于 HSV 空间模型的改进 K均值聚类图像处理方法.首先,将红外图像进行HSV空间转换和双边滤波处理,去除噪声并提高图像对比度;其次,使用高斯核函数估计实现图像灰度概率密度函数提取,并以此获取初始聚类中心;最后,利用先验知识对图像进行K均值聚类,提取和量化热斑缺陷.研究结果表明,该方法能够快速地检测定位热斑位置并统计出光伏板损坏程度,具有较高的精度以及较好的灵敏性和稳定性.
Improved K-means Clustering-based Defect Detection Method for Photovoltaic Panels
An image processing method based on the HSV space model with an improved K-means clustering algorithm is proposed to accurately identify and extract the hot spot part of photovoltaic modules.First,the infrared image is transformed into the HSV space and bilaterally filtered to remove noise and improve the image contrast.Second,the Gaussian kernel function is used to extract the image grayscale probability density function,and then the initial clustering center is obtained.Finally,K-means clustering is applied to the image using prior knowledge to extract and quantify the hot spot defects.The research results show that the method can quickly detect and locate the hotspot position and calculate the degree of damage to the photovoltaic panel,and has high accuracy,good sensitivity,and stability.

infrared imagedefect detectionhot spotphotovoltaic moduleHSV space modelimproved K-means clustering

赵强、刘胜杰、韩东成、刘常瑜、杨世植

展开 >

安徽建筑大学 环境与能源工程学院,安徽 合肥 230601

安徽省新型显示产业共性技术研究中心,安徽 合肥 230601

安徽省东超科技有限公司,安徽 合肥 230088

中国科学院合肥物质科学研究院 安徽光学精密机械研究所,安徽 合肥 230031

展开 >

红外图像 缺陷检测 热斑 光伏板 HSV空间模型 改进K均值聚类

国家自然科学基金项目国家自然科学基金项目安徽省高校优秀青年人才支持计划重点项目安徽高校协同创新项目安徽高校协同创新项目安徽省质量工程教学研究项目

4100501651606002gxyqZD2020036GXXT-2023-048GXXT-2022-0852020jyxml1362

2024

红外技术
昆明物理研究所 中国兵工学会夜视技术专业委员会

红外技术

CSTPCD北大核心
影响因子：0.914
ISSN：1001-8891
年,卷(期)：2024.46(4)
  • 27