一种光伏清洗机器人的控制方法及光伏清洗机器人

技术领域

本发明涉及光伏系统清洁领域，尤其是一种光伏清洗机器人的控制方法及光伏清洗机器人。

背景技术

太阳能光伏组件是太阳能发电系统中的核心部分，也是太阳能发电系统中最重要的部分。其作用是将太阳能转化为电能，或送往蓄电池中存储起来，或推动负载工作。

其光伏组件一般都在露天放置，但由于沙尘、大风等天气变化，以及一些自然原因如鸟粪污染等，会使光伏组件上形成难以去除的污渍、沙尘等覆盖物，从而严重影响光伏组件的发电率。

因此，如何有效去除光伏组件上的覆盖物成了亟待解决的问题。

发明内容

为了解决上述技术问题，本发明提供一种光伏清洗机器人的控制方法及光伏清洗机器人。

具体的，本发明的技术方案如下：

一方面，一种光伏清洗机器人的控制方法，包括：

在光伏清洗机器人行走过程中，采集当前光伏系统的组件图像数据；所述组件图像数据包括红外热成像组件图、彩色组件图、黑白组件图三种或一种；

通过深度学习目标检测算法实时检测每种所述组件图像数据中的光伏组件表面上的污渍信息；所述污渍信息包括污渍位置、污渍类型；

通过语义分割算法实时检测每种所述组件图像数据中的光伏组件表面上的污渍面积；根据所述光伏组件表面上的污渍信息及污渍面积，控制所述光伏清洗机器人对所述光伏组件表面上的污渍进行清洗。

在一个实施例中，还包括：当所述光伏清洗机器人达到光伏系统桥架边缘时，获取所述光伏系统桥架处的桥架图像数据；所述桥架图像数据包括红外热成像桥架图、彩色桥架图、黑白桥架图三种或一种；

通过所述深度学习目标检测算法实时检测每种所述桥架图像数据中的光伏系统桥架是否出现断裂；

当所述光伏系统桥架出现断裂时，则控制所述光伏清洗机器人停止行走。

在一个实施例中，所述的当所述光伏清洗机器人达到光伏系统桥架边缘时，获取所述光伏系统桥架处的桥架图像数据之后，还包括：

通过语义分割算法在每种所述桥架图像数据中相邻两个光伏组件的边缘区域分割成上桥架边缘区域、下桥架边缘区域；

通过传统图像算法将所述上桥架边缘区域、下桥架边缘区域拟合成两条线，并通过计算两条线所形成的线夹角来计算所述上桥架边缘区域、下桥架边缘区形成的桥夹角；

当所述桥夹角大于预设夹角阈值时，则所述光伏清洗机器人无法通过所述光伏系统桥架，控制所述光伏清洗机器人停止运行。

在一个实施例中，在所述的在光伏清洗机器人行走过程中，采集当前光伏系统的组件图像数据之前，还包括：

当所述光伏清洗机器人在准备启动时，获取所述光伏组件周围的环境图像数据；所述环境图像数据包括红外热成像环境图、彩色环境图、黑白环境图三种或一种；

通过深度学习目标检测算法或语义分割算法中的分类算法对每种所述环境图像数据进行天气类型识别；

当所述光伏系统周围出现了恶劣天气，则控制所述光伏清洗机器人停止启动；所述恶劣天气包括沙尘暴。

在一个实施例中，所述深度学习目标检测算法的检测过程包括框选出污渍目标区域的长、宽及位置坐标，并输出每个污渍目标区域内污渍的类别和置信度；

所述语义分割算法的检测过程包括分割出污渍目标区域的轮廓，及输出所述污渍目标区域的面积大小。

在一个实施例中，在所述的在光伏清洗机器人行走过程中，采集当前光伏系统的组件图像数据之后，还包括：

通过深度学习目标检测算法实时检测每种所述组件图像数据中的光伏组件表面上的裂纹信息，所述裂纹信息包括裂纹位置、裂纹类型；并将所述裂纹信息上传监控平台。

另一方面，一种光伏清洗机器人，包括：图像获取单元，安装在自由云台或转向装置上，所述图像获取单元包括红外热成像相机、彩色可见光相机、黑白可见光相机，用于在光伏清洗机器人行走过程中，采集当前光伏系统的组件图像数据；所述组件图像数据包括红外热成像组件图、彩色组件图、黑白组件图三种或一种；检测识别单元，与所述图像获取单元连接，搭载有深度学习目标检测算法，用于通过所述深度学习目标检测算法实时检测每种所述组件图像数据中的光伏组件表面上的污渍信息；所述污渍信息包括污渍位置、污渍类型；所述检测识别单元，搭载有语义分割算法，还用于通过所述语义分割算法实时检测每种所述组件图像数据中的光伏组件表面上的污渍面积；控制单元，与所述检测识别单元连接，用于根据所述光伏组件表面上的污渍信息及污渍面积，控制所述光伏清洗机器人对所述光伏组件表面上的污渍进行清洗。

在一个实施例中，所述图像获取单元，还用于当所述光伏清洗机器人达到光伏系统桥架边缘时，获取所述光伏系统桥架处的桥架图像数据；所述桥架图像数据包括红外热成像桥架图、彩色桥架图、黑白桥架图三种或一种；所述检测识别单元，还用于通过所述深度学习目标检测算法实时检测每种所述桥架图像数据中的光伏系统桥架是否出现断裂；所述控制单元，还用于当所述光伏系统桥架出现断裂时，则控制所述光伏清洗机器人停止行走。

在一个实施例中，所述检测识别单元，还用于通过所述语义分割算法在每种所述桥架图像数据中相邻两个光伏组件的边缘区域分割成上桥架边缘区域、下桥架边缘区域；

所述检测识别单元，搭载有传统图像算法，还用于通过所述传统图像算法将所述上桥架边缘区域、下桥架边缘区域拟合成两条线，并通过计算两条线所形成的线夹角来计算所述上桥架边缘区域、下桥架边缘区形成的桥夹角；

所述控制单元，还用于当所述桥夹角大于预设夹角阈值时，则所述光伏清洗机器人无法通过所述光伏系统桥架，控制所述光伏清洗机器人停止运行。

在一个实施例中，所述图像获取单元，还用于当所述光伏清洗机器人在准备启动时，获取所述光伏组件周围的环境图像数据；所述环境图像数据包括红外热成像环境图、彩色环境图、黑白环境图三种或一种；

所述检测识别单元，搭载有深度学习目标检测算法或语义分割算法中的分类算法，还用于通过所述分类算法对每种所述环境图像数据进行天气类型识别；

所述控制单元，还用于当所述光伏系统周围出现了恶劣天气，则控制所述光伏清洗机器人停止启动；所述恶劣天气包括沙尘暴。

在一个实施例中，所述深度学习目标检测算法的检测过程包括框选出污渍目标区域的长、宽及位置坐标，并输出每个污渍目标区域内污渍的类别和置信度；

所述语义分割算法的检测过程包括分割出污渍目标区域的轮廓，及输出所述污渍目标区域的面积大小。

在一个实施例中，所述检测识别单元，还用于通过所述深度学习目标检测算法实时检测每种所述组件图像数据中的光伏组件表面上的裂纹信息，所述裂纹信息包括裂纹位置、裂纹类型；并将所述裂纹信息上传监控平台。

与现有技术相比，本发明至少具有以下一项有益效果：

现通过带有视觉功能的清洁机器人，在清洗过程中，通过视觉系统及目标检测算法、语义分割算法实时检测污渍的位置、大小及类型；然后根据污渍的类型及面积大小，进行不同方式的精准冲洗，从而快速高效地完成光伏组件的清洗，从而提高光伏组件的发电率。

附图说明

下面将以明确易懂的方式，结合附图说明优选实施方式，对本发明的上述特性、技术特征、优点及其实现方式予以进一步说明。

图1是本申请提供的一个光伏清洗机器人的控制方法的一个实施例流程图；

图2是本申请提供的一个光伏清洗机器人的控制方法的另一个实施例流程图；

图3是本申请提供的一个光伏清洗机器人的控制方法的又一个实施例流程图；

图4是本申请提供的一个光伏清洗机器人的控制方法的再一个实施例流程图；

图5是本申请提供的一个光伏清洗机器人的控制方法的一个实施例流程图；

图6是本申请提供的一个光伏清洗机器人的一个实施例框图。

附图标号说明：

10—图像获取单元，20—检测识别单元，30—控制单元。

具体实施方式

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。

为使图面简洁，各图中只示意性地表示出了与发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

在本文中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在一个实施例中，参考说明书附图1，本发明提供的一种光伏清洗机器人的控制方法，包括：

S100、在光伏清洗机器人行走过程中，采集当前光伏系统的组件图像数据；组件图像数据包括红外热成像组件图、彩色组件图、黑白组件图三种或一种。

具体的，光伏清洁机器人上安装的红外热成像相机、彩色可见光相机、黑白可见光相机。光伏清洁机器人在光伏组件上执行清扫任务行走时，其红外热成像相机采集光伏清洁机器人所在位置处的红外热成像组件图；和/或，彩色可见光相机采集光伏清洁机器人所在位置处的彩色组件图；和/或，黑白可见光相机采集光伏清洁机器人所在位置处的黑白组件图。优选的，光伏清洁机器人同时采集红外热成像组件图、彩色组件图、黑白组件图三种。

S110、通过深度学习目标检测算法实时检测每种组件图像数据中的光伏组件表面上的污渍信息；污渍信息包括污渍位置、污渍类型。

具体的，可以通过深度学习目标检测算法识别红外热成像组件图、彩色组件图、黑白组件图中是否有污渍，以及污渍的位置和类型。另外，深度学习目标检测算法只有在完成训练后，才能用于实时检测。

其训练过程为(以红外热成像组件图为例进行说明)：收集大量红外热成像组件图，再将红外热成像组件图均分成外热成像组件样本图、红外热成像组件训练图、红外热成像组件验证图三类。先在红外热成像组件样本图中标注污渍的类型，再将红外热成像组件样本训练生成深度学习目标检测算法，再利用红外热成像组件训练图训练深度学习目标检测算法，最后用红外热成像组件验证图验证深度学习目标检测算法的可信度。

其深度学习目标检测算法的检测过程包括框选出污渍目标区域的长、宽及位置坐标，并输出每个污渍目标区域内污渍的污渍类型、污渍位置和置信度。

S120、通过语义分割算法实时检测每种组件图像数据中的光伏组件表面上的污渍面积。

具体的，可以通过语义分割算法识别出红外热成像组件图、彩色组件图、黑白组件中污渍的面积，可以精确到像素级。其语义分割算法也需要如同深度学习目标检测算法一样，需在完成训练后，才能用于实时检测。

语义分割算法训练过程为：收集大量红外热成像组件图，再将红外热成像组件图均分成红外热成像组件样本图、红外热成像组件训练图、红外热成像组件验证图三类。先在红外热成像组件样本图中标注污渍的类型，再将红外热成像组件样本训练生成深度学习目标检测算法，再利用红外热成像组件训练图训练深度学习目标检测算法，最后用红外热成像组件验证图验证深度学习目标检测算法的可信度。

其语义分割算法的检测过程包括分割出污渍目标区域的轮廓，及输出污渍目标区域内污渍的宽、高、面积大小。

S130、根据光伏组件表面上的污渍信息及污渍面积，控制光伏清洗机器人对光伏组件表面上的污渍进行清洗。

具体的，当光伏组件表面上的污渍为顽固污渍且污渍面积较大时，光伏清洗机器人以反复清洗模式进行清洗，即往复在该位置做清扫，同时可通过机载的喷水装置喷在顽固污渍后，往复清洗。当光伏组件表面上的污渍为易清洗污渍时，光伏清洗机器人以正常清洗模式进行清洗即可。

本实施例中，由于光伏组件一般都在露天放置，其沙尘、鸟粪等原因，会使光伏组件表面上形成难以去除的污渍、沙尘等覆盖物，从而严重影响光伏组件的发电率。现通过一款带有视觉功能的清洁机器人，在清洗过程中，通过视觉系统检测顽固污渍的位置、大小，然后进行精准的冲洗，从而提高光伏组件的清洗效率及发电率。

在另一个实施例中，参考说明书附图2，本发明提供的一种光伏清洗机器人的控制方法，还包括：

S200、当光伏清洗机器人达到光伏系统桥架边缘时，获取光伏系统桥架处的桥架图像数据；桥架图像数据包括红外热成像桥架图、彩色桥架图、黑白桥架图三种或一种。

具体的，当清洁机器人运行时，视觉相机通过录像或拍照形式实时获得前方光伏组件情况，光伏清洁机器人在到达光伏系统桥架边缘时，其红外热成像相机采集红外热成像桥架图；和/或，彩色可见光相机采集彩色桥架图；和/或，黑白可见光相机采集黑白桥架图。优选的，光伏清洁机器人同时采集红外热成像桥架图、彩色桥架图、黑白桥架图三种。优选的，光伏清洁机器人同时采集红外热成像桥架图、彩色桥架图、黑白桥架图三种。

S210、通过深度学习目标检测算法实时检测每种桥架图像数据中的光伏系统桥架是否出现断裂。

具体的，深度学习目标检测算法可以同时检测红外热成像桥架图、彩色桥架图、黑白桥架图中光伏系统桥架是否出现断裂，分别输出对应的检测结果。从三个维度去检测判断光伏系统桥架是否出现断裂，从而提高检测准确性。

S220、当光伏系统桥架出现断裂时，则控制光伏清洗机器人停止行走。

具体的，当红外热成像桥架图、彩色桥架图、黑白桥架图中任意一个图中检测出光伏系统桥架出现断裂，则控制光伏清洗机器人停止行走，防止光伏清洗机器人掉落。

本实施例中，由于光伏组件长时间露天设置及工作，相邻两个光伏系统连接处的桥架可能会存在自然断裂或意外断裂。现通过一款带有视觉功能的清洗机器人，在清洗过程中，达到光伏系统边缘处，可以通过视觉人工智能算法实时检测到桥架是否出现断裂，并提前控制清洗机器人停止前进，从而避免清洗机器人发生掉落。

在又一个实施例中，参考说明书附图3，本发明提供的一种光伏清洗机器人的控制方法：

S200、当光伏清洗机器人达到光伏系统桥架边缘时，获取光伏系统桥架处的桥架图像数据；桥架图像数据包括红外热成像桥架图、彩色桥架图、黑白桥架图三种或一种。

S211、通过语义分割算法在每种桥架图像数据中相邻两个光伏系统的边缘区域分割成上桥架边缘区域、下桥架边缘区域。

具体的，相邻两个光伏系统是通过桥架连接，在光伏清洗机器人到达光伏系统的边缘时，获取桥架以及含有相邻两个光伏系统边缘的桥架图像。利用语义分割算法将桥架图像中光伏清洗机器人所在的光伏系统边缘分割成上桥架边缘区域，将桥架图像中光伏清洗机器人对面的光伏系统边缘分割成下桥架边缘区域。

S221、通过传统图像算法将上桥架边缘区域、下桥架边缘区域拟合成两条线，并通过计算两条线所形成的线夹角来计算上桥架边缘区域、下桥架边缘区形成的桥夹角。

具体的，通过传统图像算法将上桥架边缘区域拟合成一条线，将下桥架边缘区域拟合成另一条线后；两条线形成的线夹角就是桥架的倾斜度或两个光伏系统之间的夹角。

S230、当桥夹角大于预设夹角阈值时，则光伏清洗机器人无法通过光伏组系统桥架，控制光伏清洗机器人停止运行。

具体的，在计算出桥架的异常倾斜度或两个光伏系统之间的夹角后，判断其倾斜度或夹角是否超过了阈值。

本实施例中，在光伏系统之间连接处的桥架有大跨度时，可以通过视觉人工智能算法及时检测到光伏清洗机器人能否跨越，并提前控制清洗机器人停止前进，从而避免清洗机器人发生掉落。

在再一个实施例中，参考说明书附图4，本发明提供的一种光伏清洗机器人的控制方法，还包括：

S300、当光伏清洗机器人在准备启动时，获取光伏系统周围的环境图像数据；环境图像数据包括红外热成像环境图、彩色环境图、黑白环境图三种或一种。

具体的，在光伏清洗机器人准备启动时，先通过视觉相机拍照或录像的形式获取前方光伏系统及系统周围情况的图像数据。

S310、通过深度学习目标检测算法或语义分割算法中的分类算法对每种环境图像数据进行天气类型识别。

具体的，其分类算法可以是目标检测算法中的分类算法，可以输出目标类别。分类算法可以是语义分割算法中的分类算法，逐像素进行分类。通过目标检测算法或语义分割算法中的分类算法，识别出当前天气是下雨、下雪还是沙尘暴。

S320、当光伏系统周围出现了恶劣天气，则控制光伏清洗机器人停止启动；恶劣天气包括沙尘暴。

具体的，如果当前天气是沙尘暴、下雪，光伏清洗机器人停止出去清洗光伏组件；如果是小雨天气、晴天，光伏清洗机器人可以出去清洗光伏组件。

本实施例中，可以通过视觉人工智能算法识别沙尘暴、下雨、下雪等天气情况，来指清洗引机器人是否要出去工作。

在一个实施例中，参考说明书附图5，本发明提供的一种光伏清洗机器人的控制方法，还包括：

S100、在光伏清洗机器人行走过程中，采集当前光伏系统的组件图像数据；组件图像数据包括红外热成像组件图、彩色组件图、黑白组件图三种或一种。

S140、通过深度学习目标检测算法实时检测每种所述组件图像数据中的光伏组件表面上的裂纹信息，所述裂纹信息包括裂纹位置、裂纹类型；并将所述裂纹信息上传监控平台。

本实施例中，通过视觉人工智能算法识别太阳能板上是否出现热斑、蜗牛纹、玻璃碎裂等情况，并发送给监控平台。同时，还可以通过语义分割算法计算出出现热斑、蜗牛纹、玻璃碎裂等异常区域的面积，并发送报告给客户。

在一个实施例中，参考说明书附图6，本发明提供的一种光伏清洗机器人，包括：

图像获取单元10，安装在自由云台或转向装置上，图像获取单元10包括红外热成像相机、彩色可见光相机、黑白可见光相机，用于在光伏清洗机器人行走过程中，采集当前光伏系统的组件图像数据；组件图像数据包括红外热成像组件图、彩色组件图、黑白组件图三种或一种。

具体的，将视觉相机安装在光伏清洁机器人上部，视觉相机自带云台或其他转向装置。在光伏清洗机器人做完单排的清洁后返回原路线行驶时，通过转动云台或转向装置使视觉相机转180°后，可在返程路线检测组件的情况。视觉相机包括红外热成像相机、彩色可见光相机、黑白可见光相机和自由云台或其他的转向装置。

检测识别单元20，与图像获取单元10连接，搭载有深度学习目标检测算法，用于通过深度学习目标检测算法实时检测每种组件图像数据中的光伏组件表面上的污渍信息；污渍信息包括污渍位置、污渍类型。

具体的，深度学习目标检测算法的检测过程包括框选出污渍目标区域的长、宽及位置坐标，并输出每个污渍目标区域内污渍的类别和置信度。其深度学习目标检测算法流程：图像收集->数据标注&清洗&转换->训练/预测->输出框坐标&置信度&类别。由于采集了红外热成像组件图、彩色组件图、黑白组件图三种，目标检测算法框架图，预测时可以在三个尺度上进行预测。

本实施例中，深度学习目标检测算法中的损失函数：首先，其中框回归损失函数由GIoU替换为CIoU，其次，并添加了focal loss损失来缓解类别不平衡问题；分类损失和置信度损失使用二元交叉熵损失(BCE loss)。

BCE loss：算损失，如下所示；

其中，x

框回归loss：将GIoU替换为CIoU，如下所示：

/>

以上公式中，ν为预测框和真实框长宽比例差值的归一化，α为预测框和真实框长宽比例差值的归一化；B指的是预测的Box框(目标检测会检测出图像中的目标所在的框，由该框可以得知目标的中心x，y和目标的宽w、目标的高h)，B

IoU代表交并比，其中b和b

Focal loss：缓解样本类别不均衡问题，α为类别权重，用来权衡正负样本不均衡问题，γ表示难分样本权重，用来衡量难分样本和易分样本。

FL(p

以上公式中，y的取值为1和-1，分别代表前景和背景。p的取值范围为0～1，是模型预测属于前景的概率。γ为调制因子，要手动调节设置，范围在[0,5]。当γ为0时，就变为了最开始的CE损失函数；权重因子α∈[0,1]。当γ为正样本时，权重因子就是α；当为负样本时，权重因子为1-α。

检测识别单元20，搭载有语义分割算法，还用于通过语义分割算法实时检测每种组件图像数据中的光伏组件表面上的污渍面积。

具体的，语义分割算法的检测过程包括分割出污渍目标区域的轮廓，及输出污渍目标区域的宽、高、面积大小。其语义分割算法流程：图像收集->数据标注&清洗&转换->训练/预测->输出目标的轮廓。

语义分割算法框架图，先进行降采样，在进行上采样，为了提高分割精确度，增加了很多skip connection。

本实施例中，语义分割算法中的损失函数：使用了交叉熵loss和Dice loss组合的损失函数对图像进行像素级分类。并增加了Lovasz-Softmax loss来对多个类别的图片进行分割，该损失函数可以有效提高对小目标的分割准确率。在训练时，60％的epoch使用交叉熵损失训练，40％的epoch使用lovasz损失进行finetuning；

交叉熵和dice组合的损失函数，以下函数前半部分是交叉熵损失，后半部分是DiceLoss：

其中，N为一张图片或一个batch数量图片的像素总数；Y

Lovasz-softmax损失：该损失函数是离散Jaccard(即IOU)损失的平滑扩展；

其中，Δ

控制单元30，与检测识别单元20连接，用于根据光伏组件表面上的污渍信息及污渍面积，控制光伏清洗机器人对光伏组件表面上的污渍进行清洗。

本实施例中，光伏组件一般都在露天放置，会由于沙尘、大风等天气变化，使光伏板上形成难以去除的污渍、沙尘等覆盖物，这严重影响了发电率。开发一款带有视觉功能的清洁机器人，通过视觉系统检测顽固污渍的位置、大小，然后进行精准的冲洗。

在一个实施例中，参考说明书附图1，本发明提供的一种光伏清洗机器人，包括：

图像获取单元10，还用于当光伏清洗机器人达到光伏系统桥架边缘时，获取光伏系统桥架处的桥架图像数据；桥架图像数据包括红外热成像桥架图、彩色桥架图、黑白桥架图三种或一种；

检测识别单元20，还用于通过深度学习目标检测算法实时检测每种桥架图像数据中的光伏系统桥架是否出现断裂；

控制单元30，还用于当光伏系统桥架出现断裂时，则控制光伏清洗机器人停止行走。

本实施例中，由于长时间的工作，光伏系统之间连接处的桥架有断裂或前方有障碍或大跨度时，可以通过视觉人工智能算法及时检测到，并提前停止前进避免机器人掉落。

在一个实施例中，参考说明书附图1，本发明提供的一种光伏清洗机器人，包括：

检测识别单元20，还用于通过语义分割算法在每种桥架图像数据中相邻两个光伏系统的边缘区域分割成上桥架边缘区域、下桥架边缘区域；

检测识别单元20，搭载有传统图像算法，还用于通过传统图像算法将上桥架边缘区域、下桥架边缘区域拟合成两条线，并通过计算两条线所形成的线夹角来计算上桥架边缘区域、下桥架边缘区形成的桥夹角；

控制单元30，还用于当桥夹角大于预设夹角阈值时，则光伏清洗机器人无法通过光伏系统桥架，控制光伏清洗机器人停止运行。

本实施例中，由于长时间的工作，光伏系统之间连接处的桥架有断裂或前方有障碍或大跨度时，可以通过视觉人工智能算法及时检测到，并提前停止前进避免机器人掉落。

在一个实施例中，参考说明书附图1，本发明提供的一种光伏清洗机器人，包括：

图像获取单元10，还用于当光伏清洗机器人在准备启动时，获取光伏系统周围的环境图像数据；环境图像数据包括红外热成像环境图、彩色环境图、黑白环境图三种或一种；

检测识别单元20，搭载有深度学习目标检测算法或语义分割算法中的分类算法，还用于通过分类算法对每种环境图像数据进行天气类型识别；

控制单元30，还用于当光伏系统周围出现了恶劣天气，则控制光伏清洗机器人停止启动；恶劣天气包括沙尘暴。

本实施例中，通过视觉人工智能算法识别沙尘暴、下雨、下雪等天气情况，来指清洗引机器人是否要出去工作。

在一个实施例中，参考说明书附图1，本发明提供的一种光伏清洗机器人，包括：

通过深度学习目标检测算法实时检测每种所述组件图像数据中的光伏组件表面上的裂纹信息，所述裂纹信息包括裂纹位置、裂纹类型；并将所述裂纹信息上传监控平台。

本实施例中，裂纹类型包括裂纹、热斑、蜗牛纹。当清洁机器人运行时，视觉相机通过录像或拍照形式实时获得当前位置的光伏组件情况，机载控制器通过目标检测算法识别光伏组件表面的裂纹情况，然后将裂纹所在组件位置上传到远程系统；便于运维人员定期检修。

应当说明的是，上述实施例均可根据需要自由组合。以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。