确定热斑类型的方法、装置、存储介质以及热斑分析设备

技术领域

本申请涉及光伏应用领域，具体而言，涉及一种确定热斑类型的方法、装置、存储介质以及热斑分析设备。

背景技术

在太阳能光伏发电站的长期使用过程中，太阳能电池组件上面难免会落上尘土，落叶，或者长出杂草等遮挡物，这些遮挡物在太阳能电池组件上会形成热斑效应，影响电池组件的正常使用寿命，相关技术中，一般会采用人工巡检的方式，对各个发电站进行人工巡检确定光伏组件中的热斑区域，以及热斑类型，从而便于巡检人员执行相应的处理操作，但由于光伏发电站一般铺设在大型山坡，戈壁等野外区域，因此，采用人工巡检的方式不仅需要耗费大量的人工及时间成本，而且，对于巡检人员而言也存在较大的人身安全风险。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种确定热斑类型的方法、装置、存储介质以及热斑分析设备，以至少解决相关技术中采用人工巡检的方式确定热斑类型以便执行相应处理操作造成的人力成本高，浪费时间，巡检效率低下及人身安全风险较高的技术问题。

根据本申请实施例的一个方面，提供了一种确定热斑类型的方法，包括：根据预定区域对应的地图图像以及高程信息确定光伏组件所在的第一目标区域；获取第一目标区域中热斑区域的位置信息；确定位置信息对应的目标高程；根据目标高程确定热斑区域对应的热斑类型。

可选地，根据目标高程确定热斑区域对应的热斑类型，包括：获取预设高程，其中，预设高程用于指示第一目标区域内除热斑区域之外其他区域的平均高程；将目标高程与预设高程进行比较得到比较结果；根据比较结果，确定热斑类型。

可选地，根据目标高程与预设高程的比较结果，确定热斑类型，包括：在比较结果指示目标高程大于预设高程的情况下，确定热斑类型为杂草热斑；在比较结果指示目标高程等于预设高程的情况下，确定热斑类型为灰尘热斑。

可选地，在确定热斑类型为杂草热斑之后，方法还包括：确定目标高程与预设高程的差值；根据差值确定杂草热斑的杂草类型，确定杂草类型对应的清理策略，其中，杂草类型用于指示杂草的高度等级。

可选地，根据预定区域对应的地图图像以及高程信息确定光伏组件所在的第一目标区域，包括：调用第一数字模型与第二数字模型，其中，第一数字模型用于指示预定区域内地表上各个物体的高程信息，第二数字模型用于指示预定区域的地图信息；根据第二数字模型确定预定区域对应的地图图像；根据第一数字模型确定预定区域对应的高程信息；至少根据第一数字模型所指示的高程信息对地图图像进行分割，得到第一目标区域。

可选地，至少根据第一数字模型所指示的高程信息对地图图像中进行分割，得到第一目标区域，包括：获取高程阈值，切割出地图图像中高程信息大于高程阈值的各个连续区域；获取各个连续区域的形状特征；确定形状特征满足预设特征的连续区域为第一目标区域。

可选地，确定位置信息对应的目标高程，包括：调用第一数字模型，其中，第一数字模型用于指示预定区域内地表上各个物体的高程信息；将第一目标区域对应的图像数据输入预设模型，得到热斑组件的矩形框坐标，其中，热斑组件为发生热斑效应的光伏组件；根据矩形框坐标从第一数字模型中筛选出热斑组件对应的第一高程图；获取热斑区域的位置信息，根据位置信息从第一高程图中筛选出热斑区域对应的第二高程图；确定第二高程图中各个物体的平均高程，确定平均高程为目标高程。

可选地，获取第一目标区域中热斑区域的位置信息，包括：确定热斑组件对应的二值图像；基于连通域提取二值图像中的热斑图像；基于热斑图像的外接矩形对热斑图像进行筛选，得到热斑区域，确定热斑区域的位置信息。

可选地，预设模型为yolov5神经网络模型，且yolov5神经网络模型中引入有焦点损失函数Focal loss。

根据本申请实施例的另一方面，提供了一种确定热斑类型的装置，包括：第一确定模块，用于根据预定区域对应的地图图像以及高程信息确定光伏组件所在的第一目标区域；获取模块，用于获取第一目标区域中热斑区域的位置信息；第二确定模块，用于确定位置信息对应的目标高程；第三确定模块，用于根据目标高程确定热斑区域对应的热斑类型。

可选地，第三确定模块，包括：获取单元，用于获取预设高程，其中，预设高程用于指示第一目标区域内除热斑区域之外其他区域的平均高程；比较单元，用于将目标高程与预设高程进行比较得到比较结果；确定单元，用于根据比较结果，确定热斑类型。

可选地，确定单元，包括：第一确定单元，用于在比较结果指示目标高程大于预设高程的情况下，确定热斑类型为杂草热斑；第二确定单元，用于在比较结果指示目标高程等于预设高程的情况下，确定热斑类型为灰尘热斑。

可选地，上述装置还包括第三确定单元，用于在确定热斑类型为杂草热斑之后，确定目标高程与预设高程的差值；第四确定单元，用于根据差值确定杂草热斑的杂草类型，确定杂草类型对应的清理策略，其中，杂草类型用于指示杂草的高度等级。

可选地，第一确定模块，包括：调用单元，用于调用第一数字模型与第二数字模型，其中，第一数字模型用于指示预定区域内地表上各个物体的高程信息，第二数字模型用于指示预定区域的地图信息；第五确定单元，用于根据第二数字模型确定预定区域对应的地图图像；第六确定单元，用于根据第一数字模型确定预定区域对应的高程信息；第七确定单元，用于至少根据第一数字模型所指示的高程信息对地图图像进行分割，得到第一目标区域。

根据本申请实施例的另一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行任意一种确定热斑类型的方法。

根据本申请实施例的另一方面，还提供了一种热斑分析设备，包括：处理器；用于存储处理器可执行指令的存储器，其中，处理器被配置为执行指令，以实现任意一种确定热斑类型的方法。

在本申请实施例中，采用将热斑区域的高程与周边高程进行比较的方式，通过先裁剪出光伏组件所在的第一目标区域，然后，确定该第一目标区域中的热斑区域，通过热斑区域的高程确定发生热斑效应的光伏组件的热斑类型，达到了基于热斑区域的高程确定热斑类型的目的，从而实现了节省巡检人力成本，提高巡检效率，快速准确确定热斑类型的技术效果，进而解决了相关技术中采用人工巡检的方式确定热斑类型以便执行相应处理操作造成的人力成本高，浪费时间，巡检效率低下及人身安全风险较高等技术问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的一种可选的确定热斑类型的方法的流程示意图；

图2是本申请一示例性实施例中获取的预定区域的电站电子地图；

图3是本申请一示例性实施例中获取的预定区域的地面高程模型；

图4是本申请一示例性实施例中基于地面高程模型所指示的高程，以及高程阈值，切割出来的光伏组件所在区域示意图；

图5是本申请一示例性实施例中基于各个连续区域的形状特征，将不符合矩形特征的光伏组件过滤掉的光伏组件所在区域示意图；

图6是本申请一示例性实施例中根据光伏组件(简称组件)区域坐标从电站红外全景电子地图上裁剪出该组件所在区域红外图片；

图7是本申请一示例性实施例中yolov5神经网络模型的整体网络结构图；

图8是本申请一示例性实施例中利用yolov5神经网络模型的训练与应用的流程示意图；

图9是根据本申请一示例性实施例中通过yolov5神经网络模型检测的组件所在区域红外图片；

图10是本申请一示例性实例中中，热斑组件的红外图片，热斑区域以及热斑组件的高程图的同框展示示意图；

图11是根据本申请实施例的一种可选的确定热斑类型的装置的结构示意图；

图12根据本申请实施例的一种可选的热斑分析设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为了便于本领域技术人员更好的理解，本申请相关实施例，现对本申请可能涉及的技术术语或者部分名词进行解释：

数字地表模型(Digital Surface Model，缩写DSM)是指包含了地表建筑物、桥梁和树木等高度的地面高程模型。

连通区域(Connected Component)是指图像中相邻并有相同像素值的图像区域。连通区域分析(Connected Component Analysis,Connected Component Labeling)是指将图像中的各个连通区域找出并标记。二值图像分析最重要的方法就是连通区域标记，它是所有二值图像分析的基础，它通过对二值图像中白色像素(目标)的标记，让每个单独的连通区域形成一个被标识的块，进一步的我们就可以获取这些块的轮廓、外接矩形、质心、不变矩等几何参数。

二值图像(Binary Image)是指将图像上的每一个像素只有两种可能的取值或灰度等级状态，人们经常用黑白、B&W、单色图像表示二值图像。二值图像是指在图像中，灰度等级只有两种，也就是说，图像中的任何像素点的灰度值均为0或者255，分别代表黑色和白色。

高程是指某一点相对于基准面的高度，目前常用的高程系统共有正高、正常高、力高和大地高程4种，而高程基准各国均有不同定义。

热斑效应：在一定条件下，一串联支路中被遮蔽的太阳电池组件，将被当作负载消耗其他有光照的太阳电池组件所产生的能量。被遮蔽的太阳电池组件此时会发热，这就是热斑效应。这种效应能严重的破坏太阳能电池。有光照的太阳电池所产生的部分能量，都可能被遮蔽的电池所消耗。

根据本申请实施例，提供了一种确定热斑类型的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本申请实施例的确定热斑类型的方法，如图1所示，该方法包括如下步骤：

步骤S102，根据预定区域对应的地图图像以及高程信息确定光伏组件所在的第一目标区域；

步骤S104，获取第一目标区域中热斑区域的位置信息；

步骤S106，确定位置信息对应的目标高程；

步骤S108，根据目标高程确定热斑区域对应的热斑类型。

该确定热斑类型的方法中，通过根据预定区域对应的地图图像以及高程信息确定光伏组件所在的第一目标区域；获取第一目标区域中热斑区域的位置信息；确定位置信息对应的目标高程；根据目标高程确定热斑区域对应的热斑类型，达到了基于热斑区域的高程确定热斑类型的目的，从而实现了节省巡检人力成本，提高巡检效率，快速准确确定热斑类型的技术效果，进而解决了相关技术中采用人工巡检的方式确定热斑类型以便执行相应处理操作造成的人力成本高，浪费时间，巡检效率低下及人身安全风险较高等技术问题。

本申请一些实施例中，根据目标高程确定热斑区域对应的热斑类型，可通过如下方式实现，具体地，获取预设高程，将目标高程与预设高程进行比较得到比较结果；根据比较结果，确定热斑类型，需要说明的是，上述预设高程用于指示第一目标区域内除热斑区域之外其他区域的平均高程。即，通过将热斑区域的高程，同热斑的周边区域(第一目标区域内除热斑区域之外其他区域)的高程进行比较，可以确定出热斑类型，且为了提高判断结果的准确性，可将热斑区域的高程同周边区域的平均高程进行比较。

需要说明的是，上述预设高程不仅可以为上述平均高程，也可以为在光伏组件所在的第一目标区域选取的某一参考物的高程。

具体地，根据目标高程与预设高程的比较结果，确定热斑类型，包括：在比较结果指示目标高程大于预设高程的情况下，确定热斑类型为杂草热斑；在比较结果指示目标高程等于预设高程的情况下，确定热斑类型为灰尘热斑。

可以理解的，若是杂草形成的热斑，则热斑区域的高程高于热斑周边区域的高程，而灰尘而言，由于灰尘的厚度有限，一般可忽略不计，因此，在目标高程等于预设高程的情况下，则可以确定热斑类型为灰尘热斑。

本申请一些实施例中，在确定热斑类型为杂草热斑之后，可确定目标高程与预设高程的差值；根据差值确定杂草热斑的杂草类型，确定杂草类型对应的清理策略，其中，上述杂草类型用于指示杂草的高度等级。

需要说明的是，上述高度等级可以包括：高、中、低，对于不同高度等级而言，则对应的清理策略不同，例如，对于不同的高度等级，单位面积所采用农药浓度不同，然后可确定热斑区域的面积以及单位面积的浓度确定农药剂量，调用无人机对热斑区域进行农药喷洒，已达到自动清除杂草的目的。

同理，在确定热斑类型为灰尘热斑之后，则可利用无人机对热斑区域喷水以达到清除灰尘的目的。

在本申请一些实施中，为了彻底清除杂草，可生成提示信息，并将该提示信息发送至巡检人员所持有的终端，该提示信息可包括：热斑类型，以及清除策略。

例如，对于杂草热斑，则提示信息可以为“杂草热斑，请携带剪刀，工铲前往处理”，同理，对于灰尘热斑，则提示信息可以为“灰尘热斑，请携带抹布与水前往处理”。

本申请一些可选的实施中，根据预定区域对应的地图图像以及高程信息确定光伏组件所在的第一目标区域，包括：调用第一数字模型与第二数字模型，其中，第一数字模型用于指示预定区域内地表上各个物体的高程信息，第二数字模型用于指示预定区域的地图信息；根据第二数字模型确定预定区域对应的地图图像；根据第一数字模型确定预定区域对应的高程信息；至少根据第一数字模型所指示的高程信息对地图图像进行分割，得到第一目标区域。

需要说明的是，上述第一数字模型包括但不限于：地面高程模型DSM，上述第二数字模型包括但不限于：电子地图。图2是本申请一示例性实施例中获取的预定区域的电站电子地图外红图片，图3是该示例性实施例中获取的预定区域的地面高程模型。

具体地，至少根据第一数字模型所指示的高程信息对地图图像进行分割，得到第一目标区域，可以为获取高程阈值，切割出地图图像中高程信息大于高程阈值的各个连续区域；获取各个连续区域的形状特征；确定形状特征满足预设特征的连续区域为第一目标区域。

可以理解的，通过上述方法可将光伏组件所在的第一目标区域分割出来，减少除光伏组件之外的其他区域的干扰。需要说明的是，上述预设特征包括但不限于：矩形特征。

图4是基于地面高程模型所指示的高程，以及高程阈值，切割出来的光伏组件所在区域示意图，图5是基于各个连续区域的形状特征，将不符合矩形特征的光伏组件过滤掉的光伏组件所在区域示意图。

本申请一些可选的实施例中，确定位置信息对应的目标高程，可通过如下步骤实现：

调用第一数字模型，其中，第一数字模型用于指示预定区域内地表上各个物体的高程信息；将第一目标区域对应的图像数据输入预设模型，得到热斑组件的矩形框坐标，其中，热斑组件为发生热斑效应的光伏组件；根据矩形框坐标从第一数字模型中筛选出热斑组件对应的第一高程图；获取热斑区域的位置信息，根据位置信息从第一高程图中筛选出热斑区域对应的第二高程图；确定第二高程图中各个物体的平均高程，确定平均高程为目标高程。

可选的，上述预设模型可以为yolov5神经网络模型，且yolov5神经网络模型中引入有焦点损失函数Focal loss。图6是根据光伏组件(简称组件)区域坐标从电站红外全景电子地图上裁剪出该组件所在区域红外图片，对于组件所在区域红外图片可采用yolov5神经网络模型进行检测。

图7是yolov5神经网络模型的整体网络结构图，如图7所示，整个结构主要分为输入数据、Backbone网络结构、Neck网络结构、Prediction结构四个部分。

(a)输入数据：主要由Mosaic数据增强和自适应锚框计算组成。

Mosaic数据增强：随机缩放、随机裁剪、随机排布的方式进行拼接。每次训练时，自适应的计算不同训练集中的最佳锚框值。

(b)Backbone网络结构：由Focus结构和CSP结构组成。

Focus结构：原始608*608*3的图像输入Focus结构，采用切片操作，先变成304*304*12的特征图，再经过一次32个卷积核的卷积操作，最终变成304*304*32的特征图。

CSP结构：借鉴CSPNet网络结构，由卷积层和X个Res unint模块Concate组成。

(c)Neck网络结构：由FPN和PAN结构组成。

FPN+PAN借鉴的PANet，主要应用于图像分割领域，进一步提高特征提取的能力。

(d)Prediction结构：

采用GIOU_Loss做Bounding box的损失函数，GIoU的目标相当于在损失函数中加入了一个ground truth和预测框构成的闭包的惩罚，它的惩罚项是闭包减去两个框的并集后的面积在闭包中的比例越小越好。

(e)需要说明的是，本申请对yolov5网络结构中的损失函数做了改进，增加Focalloss损失函数，缓解了简单和困难样本在训练过程中不平衡的问题，减少了模型的训练时间，并促进了模型性能的提高。Focal loss损失函数的主要体现在于，简单样本对模型的提升效果非常小，模型应该主要关注对困难样本的学习。

Focal loss损失函数形式如下：

其中，γ＝2，α＝0.25用于调整难易样本比例；p表示样本预测的置信度；y＝1/0表示正/负样本标记。

图8是利用yolov5神经网络模型检测组件所在区域红外图片中的热斑组件的训练与应用的流程示意图，如图8所示，yolov5目标检测识别算法模型训练以及应用过程包括：

(a)收集组件所在区域红外图片，并对图片内部的热斑组件进行人工标注各个组件的坐标信息，在标注之后制作数据集，将数据集按一定比例分为训练集和测试集。

(b)构建yolov5网络模型，调整算法模型参数，通过图片数据集进行训练，得到热斑组件检测算法模型，利用训练好的网络模型对组件所在区域红外图片进行热斑组件检测

图9是通过yolov5神经网络模型检测的组件所在区域红外图片，如图9所示，矩形框表示热斑组件对应的矩形框，由此便可得到热斑组件矩形框坐标。

本申请一些实施例中，可通过如下方式获取第一目标区域中热斑区域的位置信息：

确定热斑组件对应的二值图像；基于连通域提取二值图像中的热斑图像；基于热斑图像的外接矩形对热斑图像进行筛选，得到热斑区域，确定热斑区域的位置信息。需要说明的是，上述位置信息可以用区域坐标确定。

具体地，可以为：

(1)将热斑组件红外图片进行灰度化处理，再通过形态学处理，先膨胀后腐蚀，在消除一些细小的暗点和暗线的同时并不明显改变其面积，得到闭运算后的二值图像。

(2)再通过连通域提取算法将二值图像中的目标提取出来。

(3)根据提取的目标外接矩形框的大小过滤掉面积较小的目标。

(4)计算二值图像中满足(3)条件的信息区域坐标位置。

如图10所示，图10中的位于左边的图、位于中间的图、位于右边的图，分别为从组件所在区域红外图片中裁剪出热斑组件红外图片、利用图像处理形态学方法从热斑组件红外图片中得到热斑区域(白色块)以及根据热斑组件的坐标，从地面高程模型DSM中裁剪出热斑组件对应高程图。

通过上述实施例可知，本申请公开的方法可根据地面高程模型DSM将组件所在的区域分割出来，然后，消除组件之外区域中出现的错误检测目标，并可通过yolov5神经网络模型对组件所在区域内热斑组件进行检测，利用图像处理形态学方法从热斑组件图片中得到热斑区域坐标，按照热斑区域坐标从地面高程模型DSM图中计算出该区域内高程，如果高程超过组件高度，可确定为杂草遮挡形成的热斑。同理，高程等于组件高度，则可确定为灰尘形成的热斑。

容易注意到的，根据地面高程模型DSM将组件所在区域分割出来，可以彻底避免将组件所在区域之外的一些目标错误检测为组件，从而提高了热斑检测的准确性。

图11是根据本申请实施例的一种确定热斑类型的装置，如图11所示，该装置包括：

第一确定模块40，用于根据预定区域对应的地图图像以及高程信息确定光伏组件所在的第一目标区域；

获取模块42，用于获取第一目标区域中热斑区域的位置信息；

第二确定模块44，用于确定位置信息对应的目标高程；

第三确定模块46，用于根据目标高程确定热斑区域对应的热斑类型。

该确定热斑类型的装置中，第一确定模块40，用于根据预定区域对应的地图图像以及高程信息确定光伏组件所在的第一目标区域；获取模块42，用于获取第一目标区域中热斑区域的位置信息；第二确定模块44，用于确定位置信息对应的目标高程；第三确定模块46，用于根据目标高程确定热斑区域对应的热斑类型，达到了基于热斑区域的高程确定热斑类型的目的，从而实现了节省巡检人力成本，提高巡检效率，快速准确确定热斑类型的技术效果，进而解决了相关技术中采用人工巡检的方式确定热斑类型以便执行相应处理操作造成的人力成本高，浪费时间，巡检效率低下及人身安全风险较高等技术问题。

可选地，第三确定模块，包括：获取单元，用于获取预设高程，其中，预设高程用于指示第一目标区域内除热斑区域之外其他区域的平均高程；比较单元，用于将目标高程与预设高程进行比较得到比较结果；确定单元，用于根据比较结果，确定热斑类型。

可选地，确定单元，包括：第一确定单元，用于在比较结果指示目标高程大于预设高程的情况下，确定热斑类型为杂草热斑；第二确定单元，用于在比较结果指示目标高程等于预设高程的情况下，确定热斑类型为灰尘热斑。

可选地，装置还包括第三确定单元，用于在确定热斑类型为杂草热斑之后，确定目标高程与预设高程的差值；第四确定单元，用于根据差值确定杂草热斑的杂草类型，确定杂草类型对应的清理策略，其中，杂草类型用于指示杂草的高度等级。

可选地，第一确定模块，包括：调用单元，用于调用第一数字模型与第二数字模型，其中，第一数字模型用于指示预定区域内地表上各个物体的高程信息，第二数字模型用于指示预定区域的地图信息；第五确定单元，用于根据第二数字模型确定预定区域对应的地图图像；第六确定单元，用于根据第一数字模型确定预定区域对应的高程信息；第七确定单元，用于至少根据第一数字模型所指示的高程信息对地图图像进行分割，得到第一目标区域。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

根据本申请实施例的另一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行任意一种确定热斑类型的方法。

具体地，上述存储介质用于存储执行以下功能的程序指令，实现以下功能:

根据预定区域对应的地图图像以及高程信息确定光伏组件所在的第一目标区域；获取第一目标区域中热斑区域的位置信息；确定位置信息对应的目标高程；根据目标高程确定热斑区域对应的热斑类型。

图12根据本申请实施例的一种热斑分析设备，如图12所示，该热斑分析设备包括：

处理器01；用于存储处理器01可执行指令的存储器02，其中，处理器01被配置为执行指令，以实现任意一种确定热斑类型的方法。

具体地，上述处理器用于调用存储器中的程序指令，实现以下功能：

根据预定区域对应的地图图像以及高程信息确定光伏组件所在的第一目标区域；获取第一目标区域中热斑区域的位置信息；确定位置信息对应的目标高程；根据目标高程确定热斑区域对应的热斑类型。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

在本申请相关实施例中，采用将热斑区域的高程与周边高程进行比较的方式，通过先裁剪出光伏组件所在的第一目标区域，然后，确定该第一目标区域中的热斑区域，通过热斑区域的高程确定发生热斑效应的光伏组件的热斑类型，达到了基于热斑区域的高程确定热斑类型的目的，从而实现了节省巡检人力成本，提高巡检效率，快速准确确定热斑类型的技术效果，进而解决了相关技术中采用人工巡检的方式确定热斑类型以便执行相应处理操作造成的人力成本高，浪费时间，巡检效率低下及人身安全风险较高等技术问题。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。