一种基于颜色与纹理识别技术来判断光伏电池板是否肮脏的方法与流程

技术特征：

1.一种基于颜色与纹理识别技术来判断光伏电池板是否肮脏的方法，该方法主要是利用了光伏电池板在不同光线、不同肮脏程度下，颜色、亮度和强度有差异、纹理有差异的特性，来判断一片光伏电池板的肮脏程度，其特征在于它包括如下三个步骤：

步骤一是：识别颜色的差异，具体包括：

1a)摄像头拍摄光伏电池板的照片；

1b)把照片发送给服务器；

1c)服务器分成三个独立且并行的任务进行分析：

I)分析颜色累计差：

1)读取每一像素的RGB值，

2)计算整体RGB值，

3)计算颜色的时间导数累计差；

II)分析强度累计差：

1)把图片的RGB颜色空间转换成YUV颜色空间，

2)计算整体强度值，

3)计算强度的时间导数累计差；

III)分析亮度累计差：

1)把图片的RGB颜色空间转换成HSV颜色空间，

2)计算整体亮度值，

3)计算亮度的时间导数累计差S；

1d)把三个分析任务得出的结果进行总结；

1e)判断是否超过可接受的肮脏程度；

1f)如果已经超过，则进入下一步的决策流程。如果还未超过，等待下一张图来分析；

步骤二是：识别纹理的差异，具体包括：

2a)摄像头拍摄光伏电池板的图片；

2b)把图片发送给服务器；

2c)服务器把图片转换成黑白色；

2d)服务器分成二个独立且并行的任务进行纹理分析：

I)采用高斯差的算法检测斑块差异：

1)用高斯差(Gaussian Difference)算法对图片进行转换，

2)提取图片中的斑块特征，

3)与干净光伏电池板的斑块特征做比较，

4)计算斑块特征差异量；

II)采用Sobel算法检测边缘(线条)差异：

1)用Sobel算法对图片进行转换，

2)提取图片中的线条特征，

3)与干净光伏电池板的线条特征做比较，

4)计算线条特征差异量；

2e)把二个分析任务得出的结果进行总结；

2f)判断是否超过可接受的肮脏程度；

2g)如果已经超过，则进入下一步的决策流程；如果还未超过，等待下一张图来分析；

步骤三是：综合上面两个步骤得到的结果，计算一个综合值或做出一个总结，判断是否超过可接受的肮脏程度，然后做下一步的决定。

2.根据权利要求1所述的基于颜色与纹理识别技术来判断光伏电池板是否肮脏的方法，其特征在于所述的步骤一、1c)、II)分析强度累计差中，计算强度(Saturation)的时间导数累计差的算法如下：

把RGB颜色空间转换成YUV颜色空间后，读取图片的每一像素的强度值，假设(x,y)位置上在时间点t_i的强度值是S_i(x,y)，那么计算它和上一个时间点t_i-1的强度的时间导数差的算法是：

D_i(x,y)＝|S_i(x,y)-S_i-1(x,y)|

而计算强度的时间导数累计差的算法是：

STD_i(x,y)＝αSTD_i-1(x,y)+(1-α)w_i(x,y)D_i(x,y)

α是一个预先设定的累计力度(cumulative strength)，是一种通过机器深度学习计算出来的常量；在初始化过程中，我们在一天的不同时间点、从不同角度拍摄光伏电池板的图片，同时也在不同天气条件下的不同角度拍摄；收集到图片根据一天的时间点和不同天气条件分组，然后用机器深度学习将像素强度分析后计算出来的累计力度值；

w_i(x,y)是强度比重，光伏电池板上的同一个区域、在一天内的不同时间点和不同天气条件下，颜色强度有所差异；

如果S_i(x,y)>δ，那么w_i(x,y)＝S_i(x,y)

如果S_i(x,y)＝其他值，那么w_i(x,y)＝0

δ是一个前期预先计算好的平均值，根据前期收集到的图片，经过机器深度学习计算出来的一个综合平均值。

3.根据权利要求1所述的基于颜色与纹理识别技术来判断光伏电池板是否肮脏的方法，其特征在于所述的步骤一、1c)、III)分析亮度累计差中，计算亮度(Luminance)的时间导数累计差的算法如下：

把RGB颜色空间转换成HSV颜色空间后，读取图片的每一像素的亮度值，假设(x,y)位置上在时间点t_i的颜色值是L_i(x,y)，那么计算它和上一个时间点t_i-1的亮度时间导数差的算法是：

D_i(x,y)＝|L_i(x,y)-L_i-1(x,y)|

而计算亮度的时间导数累计差的算法是：

LTD_i(x,y)＝αLTD_i-1(x,y)+(1-α)w_i(x,y)D_i(x,y)

这里的α和前面计算强度的α相似，也是在初始化时预先计算出来的累计力度(cumulative strength)，是一种通过机器深度学习计算出来的常量；w_i(x,y)是亮度比重，和上面计算强度比重的方式相似。

4.根据权利要求1所述的基于颜色与纹理识别技术来判断光伏电池板是否肮脏的方法，其特征在于所述的步骤二、2d)中的I)采用高斯差的算法检测斑块差异和II)采用Sobel算法检测边缘(线条)差异；所述每一小块的斑块和线条特征单独被提取，然后与干净光伏电池板的同一小块的特征查找差异；

假设第n小块在t₁时间点(也就是初始干净状态)的特征值为F₁，而同一小块在时间点t_i的特征值为F_i的话，那么这一小块的特征差异的计算方式是：

D_i＝|F_i-F₁|

那么整片光伏电池板的特征差异就是所有小块的特征差异的总和：

$D=\underset{n=1}{\overset{N}{\Σ}}{D}_n.$