一种光伏故障的检测和定位方法、系统及相关设备

技术领域

本发明适用于光伏故障检测和定位技术领域，尤其涉及一种光伏故障的检测和定位方法、系统及相关设备。

背景技术

随着深度学习技术的不断发展，深度学习技术在目标检测、图像分割领域有着广泛应用。无人机智能巡检是将无人机和深度学习技术相结合的一门新兴行业，它利用无人机航拍进行数据采集的便利性和深度学习目标检测的高精度识别检测能力对光伏场中的光伏故障进行目标探测、识别和定位。

目前，国内现有的光伏故障定位方法大多局限于组串级别，通常是利用目标检测算法检测出光伏故障在图像中的像素位置和组串在图像中的像素位置，从而得到故障所在组串的位置，最后通过无人机遥测数据或航拍图像的GPS信息定位出该组串在光伏场中的实际位置。通过这种方法计算出的故障光伏组件在光伏组串中的相对位置通常由于无人机拍摄角度、高度的差异等因素不是特别精确。

因此亟需一种新的光伏故障的检测和定位方法、系统及相关设备来解决上述问题。

发明内容

本发明提供一种光伏故障的检测和定位方法、系统及相关设备，旨在解决现有技术中光伏故障的检测和定位精确度不高的问题。

第一方面，本发明提出了一种光伏故障的检测和定位方法，所述检测和定位方法包括以下步骤：

S1、通过无人机获取光伏红外图像；

S2、通过深度学习图像分割算法对所述光伏红外图像中的多个光伏组串进行分割，得到每一所述光伏组串的掩膜以及最小外接矩形；其中，所述光伏组串包括多个光伏组件；

S3、根据每一所述光伏组串的掩膜以及最小外接矩形通过深度学习多目标追踪算法对每一所述光伏组件进行目标追踪，得到每一所述光伏组件的数据信息；其中，所述数据信息包括组件位置信息、目标检测锚框以及组件ID；

S4、根据所述光伏组串的位置信息和所述光伏组件的数据信息通过定位算法对每一所述光伏组件进行定位，得到每一所述光伏组件的逻辑位置；其中，所述逻辑位置包括行号位置和列号位置；

S5、通过深度学习目标检测算法对所述光伏组串进行故障检测，得到检测结果；其中，所述检测结果包括故障位置、故障大小以及故障类型；

S6、根据所述检测结果、所述数据信息以及所述逻辑位置进行计算，得到最终检测结果。

优选的，步骤S3中，还包括以下子步骤：

S31、根据所述光伏组串的位置信息进行计算，得到对应的所述光伏组串中的光伏组件的平均长和平均宽；

S32、根据所述平均长和所述平均宽对所述光伏组件的目标检测锚框的长宽进行矫正。

优选的，步骤S4中，还包括以下子步骤：

S41、判断当前定位的所述光伏组串是否已被定位，若否，则进行步骤S42；

S42、对所述光伏组件进行定位，定义当前定位的所述光伏组件的行号位置为x；构建行号滑动窗口，所述行号滑动窗口根据预设滑动窗口规则进行移动，计算所述行号滑动窗口的垂直位置在所述光伏组串中所占的比例，当比例大于第一预设阈值时，则当前定位的所述光伏组件的行号位置为x+1；

S43、定义当前定位的所述光伏组件的行号位置为y；构建列号滑动窗口，所述列号滑动窗口根据所述预设滑动窗口规则进行移动，计算所述列号滑动窗口的水平位置在所述光伏组串中所占的比例，当比例大于第二预设阈值时，则当前定位的所述光伏组件的列号位置为y+1；

S44、返回步骤S42，直至完成当前定位的所述光伏组串中所有光伏组件的定位；

S45、返回步骤S41，直至完成所有所述光伏组串的定位。

优选的，步骤S41中，判断当前定位的所述光伏组串是否已被定位，若是，则进行步骤S411；

S411、根据所述无人机的飞行方向，以所述光伏组件对应的目标检测锚框的大小对所述光伏组件进行排序，得到光伏组件序列；

S412、判断所述光伏组件序列中所述光伏组件的逻辑位置是否为空，若是，则进行步骤S413；

S413、提取所述逻辑位置为空的所述光伏组件作为空位置光伏组件，将所述空位置光伏组件的目标检测锚框沿x轴或y轴方向进行平移，得到平移窗口；

S414、在所述空位置光伏组件的序列排名之前的所述光伏组件中进行检索，检索出与所述空位置光伏组件距离最近的光伏组件，并定义为相邻光伏组件；

S415、判断所述相邻光伏组件的目标检测锚框与所述平移窗口的重叠度是否大于第三预设阈值；若是，则将所述相邻光伏组件的行号位置或列号位置加一作为所述空位置光伏组件的行号位置或列号位置；若否，则将所述平移窗口沿x轴和y轴移动多次，根据移动次数定义所述空位置光伏组件的逻辑位置；

S416、返回步骤S411，直至完成当前定位的所述光伏组串中所有光伏组件的定位。

优选的，所述预设滑动窗口规则为：

以当前定位的所述光伏组件的目标检测锚框的长作为所述行号滑动窗口的步长，并且所述行号滑动窗口沿y轴平移所述平均长的大小；

以当前定位的所述光伏组件的目标检测锚框的宽作为所述列号滑动窗口的步长，并且所述列号滑动窗口沿x轴平移所述平均宽的大小。

第二方面，本发明还提出了一种光伏故障的检测和定位系统，所述检测和定位系统包括：

获取模块，用于通过无人机获取光伏红外图像；

分割模块，用于通过深度学习图像分割算法对所述光伏红外图像中的多个光伏组串进行分割，得到每一所述光伏组串的掩膜以及最小外接矩形；其中，所述光伏组串包括多个光伏组件；

追踪模块，用于根据每一所述光伏组串的掩膜以及最小外接矩形通过深度学习多目标追踪算法对每一所述光伏组件进行目标追踪，得到每一所述光伏组件的数据信息；其中，所述数据信息包括组件位置信息、目标检测锚框以及组件ID；

定位模块，用于根据所述光伏组串的位置信息和所述光伏组件的数据信息通过定位算法对每一所述光伏组件进行定位，得到每一所述光伏组件的逻辑位置；其中，所述逻辑位置包括行号位置和列号位置；

检测模块，用于通过深度学习目标检测算法对所述光伏组串进行故障检测，得到检测结果；其中，所述检测结果包括故障位置、故障大小以及故障类型；

计算模块，用于根据所述检测结果、所述数据信息以及所述逻辑位置进行计算，得到最终检测结果。

第三方面，本发明还提供一种计算机设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的光伏故障的检测和定位程序，所述处理器执行所述光伏故障的检测和定位程序时实现如上述实施例中任意一项所述的光伏故障的检测和定位方法中的步骤。

第四方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有光伏故障的检测和定位程序，所述光伏故障的检测和定位程序被处理器执行时实现如上述实施例中任意一项所述的光伏故障的检测和定位方法中的步骤。

与现有技术相比，本发明通过无人机获取光伏红外图像；通过深度学习图像分割算法对光伏红外图像中的多个光伏组串进行分割，得到光伏组串的位置信息；其中，光伏组串包括多个光伏组件；通过深度学习多目标追踪算法对每一光伏组件进行目标追踪，得到每一光伏组件的数据信息；其中，数据信息包括组件位置信息、目标检测锚框以及光伏组件对应的ID；根据光伏组串的位置信息和光伏组件的数据信息通过定位算法对每一光伏组件进行定位，得到每一光伏组件的逻辑位置；其中，逻辑位置包括行号位置和列号位置；通过深度学习目标检测算法对光伏组串进行检测，得到检测结果；根据检测结果、数据信息以及逻辑位置进行计算，得到最终检测结果。本发明能够准确定位和检测到故障在光伏组串中光伏组件的位置，提高了对光伏故障的检测和定位的精确度。

附图说明

下面结合附图详细说明本发明。通过结合以下附图所作的详细描述，本发明的上述或其他方面的内容将变得更清楚和更容易理解。附图中：

图1是本发明实施例提供的光伏故障的检测和定位方法的流程图；

图2是本发明实施例提供的光伏故障的检测和定位方法的光伏红外图像示意图；图3是本发明实施例提供的光伏故障的检测和定位方法的最终检测结果的示意图；

图4是本发明实施例提供的光伏故障的检测和定位方法的步骤S2中分割后的光伏红外图像示意图；

图5是本发明实施例提供的光伏故障的检测和定位系统的结构示意图；

图6是本发明实施例提供的计算机设备的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例一

请参考图1-图4，本发明提供一种光伏故障的检测和定位方法，所述光伏故障的检测和定位方法包括以下步骤：

S1、通过无人机获取光伏红外图像；

在本发明实施例中，通过遥控无人机以获取光伏红外图像，光伏红外图像如图2所示。

S2、通过深度学习图像分割算法对所述光伏红外图像中的多个光伏组串进行分割，得到每一所述光伏组串的掩膜(mask)以及最小外接矩形；其中，所述光伏组串包括多个光伏组件；

在本发明实施例中，光伏组串为3行7列的光伏组件组成，分割后的光伏组串如图4所示。所述光伏组串的位置信息具体包括对应的唯一ID以及锚框信息(锚框的大小和位置)，可参考图3所示，光伏组串由带有ID编号(如图中显示的ZC58020615和ZC58010603等)的锚框选中。

S3、根据每一所述光伏组串的掩膜以及最小外接矩形通过深度学习多目标追踪算法对每一所述光伏组件进行目标追踪，得到每一所述光伏组件的数据信息；其中，所述数据信息包括组件位置信息、目标检测锚框以及组件ID；

在本发明实施例中，进行目标追踪时计算无人机的移动方向，以便后续步骤根据所述无人机的移动方向进行相应的判断。

在本发明实施例中，步骤S3中，还包括以下子步骤：

S31、根据所述光伏组串的位置信息进行计算，得到对应的所述光伏组串中的光伏组件的平均长和平均宽；

S32、根据所述平均长和所述平均宽对所述光伏组件的目标检测锚框的长、宽进行矫正。

S4、根据所述光伏组串的位置信息和所述光伏组件的数据信息通过定位算法对每一所述光伏组件进行定位，得到每一所述光伏组件的逻辑位置；其中，所述逻辑位置包括行号位置和列号位置；

在本发明实施例中，示例性的，对id为49788的光伏组件定位为1行4列。

步骤S4中，还包括以下子步骤：

S41、判断当前定位的所述光伏组串是否已被定位，若否，则进行步骤S42；

S42、对所述光伏组件进行定位，定义当前定位的所述光伏组件的行号位置为x；构建行号滑动窗口，所述行号滑动窗口根据预设滑动窗口规则进行移动，计算所述行号滑动窗口的垂直位置在所述光伏组串中所占的比例，当比例大于第一预设阈值时，则当前定位的所述光伏组件的行号位置为x+1；

S43、定义当前定位的所述光伏组件的行号位置为y；构建列号滑动窗口，所述列号滑动窗口根据所述预设滑动窗口规则进行移动，计算所述列号滑动窗口的水平位置在所述光伏组串中所占的比例，当比例大于第二预设阈值时，则当前定位的所述光伏组件的列号位置为y+1；具体的，列号滑动窗口的移动方向根据无人机飞行方向进行对应的移动，当无人机飞行方向为沿x轴从左往右时，则列号滑动窗口向左进行平移；当无人机飞行方向为沿x轴从右往左时，则列号滑动窗口向右进行平移。

S44、返回步骤S42，直至完成当前定位的所述光伏组串中所有光伏组件的定位；

S45、返回步骤S41，直至完成所有所述光伏组串的定位。

在本发明实施例中，步骤S41中，判断当前定位的所述光伏组串是否已被定位，若是，则进行步骤S411；

S411、根据所述无人机的飞行方向，以所述光伏组件对应的目标检测锚框的大小对所述光伏组件进行排序，得到光伏组件序列；具体的，当无人机沿x轴从左往右飞时，按从小到大顺序进行排列，当无人机沿x轴从右往左飞时，按从大到小顺序进行排列。

S412、判断所述光伏组件序列中所述光伏组件的逻辑位置是否为空，若是，则进行步骤S413；

S413、提取所述逻辑位置为空的所述光伏组件作为空位置光伏组件，将所述空位置光伏组件的目标检测锚框沿x轴或y轴方向进行平移，得到平移窗口；其中，平移的方向根据空位置光伏组件的逻辑位置中对列号位置判断还是行号位置进行判断而定，当对空位置光伏组件的列号位置进行判断时，则目标检测锚框沿y轴向上平移，当对空位置光伏组件的行号位置进行判断时，根据无人机飞行方向，沿x轴向左或向右平移。

S414、在所述空位置光伏组件的序列排名之前的所述光伏组件中进行检索，检索出与所述空位置光伏组件距离最近的光伏组件，并定义为相邻光伏组件；

S415、判断所述相邻光伏组件的目标检测锚框与所述平移窗口的重叠度是否大于第三预设阈值；若是，则将所述相邻光伏组件的行号位置或列号位置加一作为所述空位置光伏组件的行号位置或列号位置；若否，则将所述平移窗口沿x轴和y轴移动多次，根据移动次数定义所述空位置光伏组件的逻辑位置；

示例性的，当对空位置光伏组件的行号位置进行判断时，若所述相邻光伏组件的目标检测锚框与所述平移窗口重叠度大于第三预设阈值，有相邻光伏组件且其行号位置为1，则此时空位置光伏组件的行号位置为2；若所述相邻光伏组件的目标检测锚框与所述平移窗口重叠度不大于第三预设阈值，则平移窗口沿y轴向上进行平移，直至平移窗口中没有识别到光伏组件，如平移窗口沿y轴向上平移2次，则此时空位置光伏组件的行号位置为2。

当对空位置光伏组件的列号位置进行判断时，若所述相邻光伏组件的目标检测锚框与所述平移窗口重叠度大于第三预设阈值，有相邻光伏组件且其列号为3，则此时空位置光伏组件的列号位置为4；若所述相邻光伏组件的目标检测锚框与所述平移窗口重叠度不大于第三预设阈值，则平移窗口沿x轴根据无人机飞行方向，沿x轴向左或向右进行平移，直至平移窗口中没有识别到光伏组件，如平移窗口沿x轴向左平移3次，则此时空位置光伏组件的列号位置为3。

S416、返回步骤S411，直至完成当前定位的所述光伏组串中所有光伏组件的定位。

在本发明实施例中，所述预设滑动窗口规则为：

以当前定位的所述光伏组件的目标检测锚框的长作为所述行号滑动窗口的步长，并且所述行号滑动窗口沿y轴平移所述平均长的大小；

以当前定位的所述光伏组件的目标检测锚框的宽作为所述列号滑动窗口的步长，并且所述列号滑动窗口沿x轴平移所述平均宽的大小。

具体的，步长是指在进行光伏组件的目标检测或定位时，目标检测锚框的尺寸或大小(即滑动窗口的尺寸与目标检测锚框的长或宽相关)。预设滑动窗口规则中的滑动窗口(如行号滑动窗口或列号滑动窗口)通过在光伏红外图像上移动一个固定大小或可调整大小的窗口，并在每个窗口位置应用分类器或检测算法对窗口进行判断。类似于使用一个矩形框在光伏红外图像上从左到右、从下到上滑动，逐个检查窗口内的内容。滑动窗口通过选择合适的窗口大小和步长，以便能够覆盖光伏组件，并在图像上进行有效的搜索。

S5、通过深度学习目标检测算法对所述光伏组串进行故障检测，得到检测结果；其中，所述检测结果包括故障位置、故障大小以及故障类型；

在本发明实施例中，通过深度学习目标检测算法对光伏组串的故障热斑进行检测得到的检测结果，检测结果的在实际的表现中为一个具有故障位置信息和故障大小信息的故障锚框。

S6、根据所述检测结果、所述数据信息以及所述逻辑位置进行计算，得到最终检测结果。

在本发明实施例中，最终检测结果包括故障所在的组件位置(即组串的几行几列)、故障大小以及故障的类型。计算故障锚框与周围光伏组件的目标检测锚框的重叠度(Intersection over Union，IOU)，得到该故障属于哪个光伏组件，该光伏组件的行号位置和列号位置即故障的所在位置，从而定位该故障在光伏组串中的具体行列位置。请参考图3，可看到对故障的标记中有光伏组件对应的ID号，通过ID号即可准确的定位到光伏组件。

与现有技术相比，本发明通过无人机获取光伏红外图像；通过深度学习图像分割算法对光伏红外图像中的多个光伏组串进行分割，得到光伏组串的位置信息；其中，光伏组串包括多个光伏组件；通过深度学习多目标追踪算法对每一光伏组件进行目标追踪，得到每一光伏组件的数据信息；其中，数据信息包括组件位置信息、目标检测锚框以及光伏组件对应的ID；根据光伏组串的位置信息和光伏组件的数据信息通过定位算法对每一光伏组件进行定位，得到每一光伏组件的逻辑位置；其中，逻辑位置包括行号位置和列号位置；通过深度学习目标检测算法对光伏组串进行检测，得到检测结果；根据检测结果、数据信息以及逻辑位置进行计算，得到最终检测结果。本发明能够准确定位和检测到故障在光伏组串中光伏组件的位置，提高了对光伏故障的检测和定位的精确度。

实施例二

本发明实施例还提供一种光伏故障的检测和定位系统，请参照图5，图5是本发明实施例提供的光伏故障的检测和定位系统200的结构示意图，其包括：

201、获取模块，用于通过无人机获取光伏红外图像；

在本发明实施例中，通过遥控无人机以获取光伏红外图像。

202、分割模块，用于通过深度学习图像分割算法对所述光伏红外图像中的多个光伏组串进行分割，得到每一所述光伏组串的掩膜(mask)以及最小外接矩形；其中，所述光伏组串包括多个光伏组件；

在本发明实施例中，所述光伏组串的位置信息具体包括对应的唯一ID以及锚框信息(锚框的大小和位置)。

203、追踪模块，根据每一所述光伏组串的掩膜以及最小外接矩形用于通过深度学习多目标追踪算法对每一所述光伏组件进行目标追踪，得到每一所述光伏组件的数据信息；其中，所述数据信息包括组件位置信息、目标检测锚框以及组件ID；

在本发明实施例中，进行目标追踪时计算无人机的移动方向，以便后续步骤根据所述无人机的移动方向进行相应的判断。

在本发明实施例中，追踪模块203中，还包括以下子模块：

2031、根据所述光伏组串的位置信息进行计算，得到对应的所述光伏组串中的光伏组件的平均长和平均宽；

2032、根据所述平均长和所述平均宽对所述光伏组件的目标检测锚框的长宽进行矫正。

204、定位模块，用于根据所述光伏组串的位置信息和所述光伏组件的数据信息通过定位算法对每一所述光伏组件进行定位，得到每一所述光伏组件的逻辑位置；其中，所述逻辑位置包括行号位置和列号位置；

在本发明实施例中，定位模块204中，还包括以下子模块：

2041、判断当前定位的所述光伏组串是否已被定位，若否，则进入子模块2042；

2042、对所述光伏组件进行定位，定义当前定位的所述光伏组件的行号位置为x；构建行号滑动窗口，所述行号滑动窗口根据预设滑动窗口规则进行移动，计算所述行号滑动窗口的垂直位置在所述光伏组串中所占的比例，当比例大于第一预设阈值时，则当前定位的所述光伏组件的行号位置为x+1；

2043、定义当前定位的所述光伏组件的行号位置为y；构建列号滑动窗口，所述列号滑动窗口根据所述预设滑动窗口规则进行移动，计算所述列号滑动窗口的水平位置在所述光伏组串中所占的比例，当比例大于第二预设阈值时，则当前定位的所述光伏组件的列号位置为y+1；具体的，列号滑动窗口的移动方向根据无人机飞行方向进行对应的移动，当无人机飞行方向为沿x轴从左往右时，则列号滑动窗口向左进行平移；当无人机飞行方向为沿x轴从右往左时，则列号滑动窗口向右进行平移。

2044、返回子模块2042，直至完成当前定位的所述光伏组串中所有光伏组件的定位；

2045、返回子模块2041，直至完成所有所述光伏组串的定位。

在本发明实施例中，子模块2041中，判断当前定位的所述光伏组串是否已被定位，若是，则进入子模块20411；

20411、根据所述无人机的飞行方向，以所述光伏组件对应的目标检测锚框的大小对所述光伏组件进行排序，得到光伏组件序列；具体的，当无人机沿x轴从左往右飞时，按从小到大顺序进行排列，当无人机沿x轴从右往左飞时，按从大到小顺序进行排列。

20412、判断所述光伏组件序列中所述光伏组件的逻辑位置是否为空，若是，则进入子模块20413；

20413、提取所述逻辑位置为空的所述光伏组件作为空位置光伏组件，将所述空位置光伏组件的目标检测锚框沿x轴或y轴方向进行平移，得到平移窗口；其中，平移的方向根据空位置光伏组件的逻辑位置中对列号位置判断还是行号位置进行判断而定，当对空位置光伏组件的列号位置进行判断时，则目标检测锚框沿y轴向上平移，当对空位置光伏组件的行号位置进行判断时，根据无人机飞行方向，沿x轴向左或向右平移。

20414、在所述空位置光伏组件的序列排名之前的所述光伏组件中进行检索，检索出与所述空位置光伏组件距离最近的光伏组件，并定义为相邻光伏组件；

20415、判断所述相邻光伏组件的目标检测锚框与所述平移窗口的重叠度是否大于第三预设阈值；若是，则将所述相邻光伏组件的行号位置或列号位置加一作为所述空位置光伏组件的行号位置或列号位置；若否，则将所述平移窗口沿x轴和y轴移动多次，根据移动次数定义所述空位置光伏组件的逻辑位置；

示例性的，当对空位置光伏组件的行号位置进行判断时，若所述相邻光伏组件的目标检测锚框与所述平移窗口重叠度大于第三预设阈值，有相邻光伏组件且其行号位置为1，则此时空位置光伏组件的行号位置为2；若所述相邻光伏组件的目标检测锚框与所述平移窗口重叠度不大于第三预设阈值，则平移窗口沿y轴向上进行平移，直至平移窗口中没有识别到光伏组件，如平移窗口沿y轴向上平移2次，则此时空位置光伏组件的行号位置为2。

当对空位置光伏组件的列号位置进行判断时，若所述相邻光伏组件的目标检测锚框与所述平移窗口重叠度大于第三预设阈值，有相邻光伏组件且其列号为3，则此时空位置光伏组件的列号位置为4；若所述相邻光伏组件的目标检测锚框与所述平移窗口重叠度不大于第三预设阈值，则平移窗口沿x轴根据无人机飞行方向，沿x轴向左或向右进行平移，直至平移窗口中没有识别到光伏组件，如平移窗口沿x轴向左平移3次，则此时空位置光伏组件的列号位置为3。

20416、返回子模块20411，直至完成当前定位的所述光伏组串中所有光伏组件的定位。

在本发明实施例中，所述预设滑动窗口规则为：

以当前定位的所述光伏组件的目标检测锚框的长作为所述行号滑动窗口的步长，并且所述行号滑动窗口沿y轴平移所述平均长的大小；

以当前定位的所述光伏组件的目标检测锚框的宽作为所述列号滑动窗口的步长，并且所述列号滑动窗口沿x轴平移所述平均宽的大小。

具体的，步长是指在进行光伏组件的目标检测或定位时，目标检测锚框的尺寸或大小(即滑动窗口的尺寸与目标检测锚框的长或宽相关)。预设滑动窗口规则中的滑动窗口(如行号滑动窗口或列号滑动窗口)通过在光伏红外图像上移动一个固定大小或可调整大小的窗口，并在每个窗口位置应用分类器或检测算法对窗口进行判断。类似于使用一个矩形框在光伏红外图像上从左到右、从下到上滑动，逐个检查窗口内的内容。滑动窗口通过选择合适的窗口大小和步长，以便能够覆盖不同大小的目标物体，并在图像上进行有效的搜索。

205、检测模块，用于通过深度学习目标检测算法对所述光伏组串进行检测，得到检测结果；其中，所述检测结果包括故障位置和、故障大小以及故障类型；

在本发明实施例中，通过深度学习目标检测算法对光伏组串的故障热斑进行检测得到的检测结果，检测结果的在实际的表现中为一个具有故障位置信息和故障大小信息的故障锚框。

206、计算模块，用于根据所述检测结果、所述数据信息以及所述逻辑位置进行计算，得到最终检测结果。

在本发明实施例中，最终检测结果包括故障所在的组件位置(即组串的几行几列)、故障大小以及故障的类型。计算故障锚框与周围光伏组件的目标检测锚框的重叠度(Intersection over Union，IOU)，得到该故障属于哪个光伏组件，该光伏组件的行号位置和列号位置即故障的所在位置，从而定位该故障在光伏组串中的具体行列位置。

所述光伏故障的检测和定位系统200能够实现如上述实施例中的光伏故障的检测和定位方法中的步骤，且能实现同样的技术效果，参上述实施例中的描述，此处不再赘述。

实施例三

本发明实施例还提供一种计算机设备，请参照图6，图6是本发明实施例提供的计算机设备的结构示意图，所述计算机设备300包括：存储器302、处理器301及存储在所述存储器302上并可在所述处理器301上运行的光伏故障的检测和定位程序。

所述处理器301调用所述存储器302存储的光伏故障的检测和定位程序，执行本发明实施例提供的光伏故障的检测和定位方法中的步骤，请结合图1，具体包括以下步骤：

S1、通过无人机获取光伏红外图像；

S2、通过深度学习图像分割算法对所述光伏红外图像中的多个光伏组串进行分割，得到每一所述光伏组串的掩膜(mask)以及最小外接矩形；其中，所述光伏组串包括多个光伏组件；

S3、根据每一所述光伏组串的掩膜以及最小外接矩形通过深度学习多目标追踪算法对每一所述光伏组件进行目标追踪，得到每一所述光伏组件的数据信息；其中，所述数据信息包括组件位置信息、目标检测锚框以及组件ID；

S4、根据所述光伏组串的位置信息和所述光伏组件的数据信息通过定位算法对每一所述光伏组件进行定位，得到每一所述光伏组件的逻辑位置；其中，所述逻辑位置包括行号位置和列号位置；

S5、通过深度学习目标检测算法对所述光伏组串进行故障检测，得到检测结果；其中，所述检测结果包括故障位置、故障大小以及故障类型；

S6、根据所述检测结果、所述数据信息以及所述逻辑位置进行计算，得到最终检测结果。

本发明实施例提供的计算机设备300能够实现如上述实施例中的光伏故障的检测和定位方法中的步骤，且能实现同样的技术效果，参上述实施例中的描述，此处不再赘述。

实施例四

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有光伏故障的检测和定位程序，该光伏故障的检测和定位程序被处理器执行时实现本发明实施例提供的光伏故障的检测和定位方法中的各个过程及步骤，且能实现相同的技术效果，为避免重复，这里不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存取存储器(Random AccessMemory，简称RAM)等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，所揭露的仅为本发明较佳实施例而已，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式用等同变化，均属于本发明的保护之内。