針對(duì)復(fù)雜環(huán)境下圖像分析的困難性,研究了一種基于HSV空間模型的圖像分割與檢測(cè)方法。首先,利用無人機(jī)采集圖像,區(qū)域分割提取出光伏電池板區(qū)域。其次,運(yùn)用高斯卷積檢測(cè)裂紋圖像的梯度。最后,應(yīng)用形態(tài)學(xué)圖像處理與HSV空間模型的方法提取遮擋物,計(jì)算最小外接矩形面積與其占光伏電池板的比例。該方法能有效地對(duì)復(fù)雜背景下的光伏圖像進(jìn)行區(qū)域分割與檢測(cè),具有一定創(chuàng)新性和實(shí)用價(jià)值。 

【文章來源】：紅外技術(shù). 2020年10期 北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

光伏電池板的紅外圖像

綠植遮擋的分割

圖4(b)、(c)為圖像在x、y方向上的高斯濾波結(jié)果。運(yùn)用此方法可以從x、y兩個(gè)方向分別將光伏電池板表面分布的柵極網(wǎng)格線去除，清楚地觀察到裂紋的邊緣及其發(fā)展趨勢(shì)。3.2 遮擋物分析

【參考文獻(xiàn)】：
期刊論文
[1]基于紅外成像技術(shù)的電氣設(shè)備故障檢測(cè)[J]. 劉齊,王茂軍,高強(qiáng),李曉明,石林.  電測(cè)與儀表. 2019(10)
[2]基于灰度共生矩陣和區(qū)域生長(zhǎng)算法的紅外光伏面板圖像分割[J]. 洪向共,周世芬.  科學(xué)技術(shù)與工程. 2018(34)
[3]基于機(jī)器視覺的太陽能電池片缺陷檢測(cè)技術(shù)的研究[J]. 劉磊,王沖,趙樹旺,李海濱.  電子測(cè)量與儀器學(xué)報(bào). 2018(10)
[4]光伏熱斑圖像有效區(qū)域分割算法研究[J]. 毛峽,石天朋.  太陽能學(xué)報(bào). 2018(05)
[5]基于視覺顯著性的太陽能電池片表面缺陷檢測(cè)[J]. 錢曉亮,張鶴慶,張煥龍,賀振東,楊存祥.  儀器儀表學(xué)報(bào). 2017(07)
[6]無人機(jī)輔助巡視及絕緣子缺陷圖像識(shí)別研究[J]. 王淼,杜毅,張忠瑞.  電子測(cè)量與儀器學(xué)報(bào). 2015(12)
[7]太陽能電池板缺陷分割技術(shù)研究[J]. 陳磊,喬繼紅,陳巖.  微電子學(xué)與計(jì)算機(jī). 2014(12)
[8]一種基于不規(guī)則區(qū)域的高斯濾波去噪算法[J]. 姒紹輝,胡伏原,顧亞軍,鮮學(xué)豐.  計(jì)算機(jī)科學(xué). 2014(11)
[9]復(fù)雜背景下基于HSV空間和模板匹配的車牌識(shí)別方法研究[J]. 謝永祥,董蘭芳.  圖學(xué)學(xué)報(bào). 2014(04)
[10]一種基于HSV顏色空間的車輛牌照提取方法[J]. 王夏黎,周明全,耿國(guó)華.  計(jì)算機(jī)工程. 2004(17)

碩士論文
[1]基于無人機(jī)視覺的大規(guī)模光伏電池板檢測(cè)技術(shù)研究[D]. 黃鈺雯.廣西大學(xué) 2017



本文編號(hào)：2945805