本发明涉及图像处理领域，尤其涉及一种基于局部差异度量的光伏组件点状热斑检测方法及系统。
背景技术：
1、近年来，全球能源危机面临日益严峻的形势，传统能源储备日益枯竭，生态环境遭受严重污染。因此，大力发展可持续、绿色清洁的新能源形式来替代传统能源已愈来愈成为各个国家的共识。光伏发电作为一种将太阳能转换为电能的新能源替代模式，成为现阶段新能源战略发展的重要方式之一。然而，随着光伏装机量的日益增长，如何实现高效的大型光伏电站运维，及时对光伏组件故障缺陷进行排查检修，成为当前光伏行业发展亟需解决的难题。光伏组件故障会产生热斑效应，采用无人机搭载红外相机的智能巡检模式来替代传统人工巡检，能够大幅提升光伏电站的运维效率，降低运维成本。在光伏电站的实际运维场景中，光伏组件的点状热斑缺陷是最为常见的，因此，点状热斑检测的准确性直接影响了光伏电站的智能运维水平。
2、在红外图像中，光伏组件的点状热斑缺陷表现为光伏组件模块上温度异常升高的点状或小面积斑状像素集合。考虑到红外图像的像素亮度值一定程度上反应了物体表面的温度特性，故通过设定特定的温度或亮度阈值可以从红外图像中检测点状热斑。然而，由于光伏电站场景的复杂多样性以及红外热成像存在的图像噪声，仅采用阈值判定的方式，检测结果中会产生大量虚警。故如何在检测光伏组件点状热斑的同时，抑制因复杂背景和图像热噪声产生的虚警是光伏组件点状热斑检测的难点。
3、国内外现有的光伏组件点状热斑检测大多是基于电气特征或手持红外探测实现的，鲜有针对无人机红外图像的点状热斑检测技术研究。专利cn106815838a-一种光伏组件热斑检测的方法以及系统提出的基于全景图像拼接的方式设定全景图像异常阈值对热斑进行分割的方法，由于仅考虑红外图像的绝对温度信息，容易产生大量高温背景像素的误检。专利cn112446863a-基于图像处理的光伏阵列热斑检测方法和检测系统提出的根据全局图像灰度分布特性设计像素灰度阈值来检测温度异常的光伏组件热斑的方法，容易将红外图像中高亮度噪声像素和高亮度背景干扰点误检，难以满足实际应用需求。
技术实现思路
1、针对现有技术中的不足，本发明的目的是提供一种基于局部差异度量的光伏组件点状热斑检测方法及系统，在基于无人机搭载红外相机的智能巡检模式下，提高光伏组件点状热斑的检测率，同时降低虚警率，解决因复杂背景和噪声干扰导致点状热斑检测效果不佳的问题。
2、为实现上述目的，本发明提供了如下技术方案：
3、一种基于局部差异度量的光伏组件点状热斑检测方法，包括如下步骤：
4、步骤1)：对原始红外图像进行图像预处理，再基于全局灰度统计量进行点状热斑像素点的预筛选得到预筛选像素点集合；
5、步骤2)：基于点状热斑主要在局部区域内表现出与其邻域背景像素的灰度分布差异性的特点，考虑到点状热斑在图像中的尺寸通常较小，以每个预筛选像素点为中心像素点构造正方形局部块图像，在此基础上，考虑到点状热斑在图像中的尺寸变化，利用不同尺度的切比雪夫邻域划分方法对正方形局部块图像进一步区域细化得到切比雪夫-局部块图像结构，根据切比雪夫-局部块图像计算预筛选像素点的局部差异度量值；
6、步骤3)：根据预筛选像素点的局部差异度量值计算点状热斑的二次筛选分割阈值，筛选出灰度值大于二次筛选分割阈值的预筛选像素点得到二次筛选像素点集合；
7、步骤4)：对位置相近的二次筛选像素点进行邻域融合，实现最终的点状热斑检测。
8、进一步的，所述图像预处理的具体实现方式为：
9、采用中值滤波对原始红外图像滤波后进行归一化。
10、进一步的，所述的基于全局灰度统计量进行点状热斑像素点的预筛选得到预筛选像素点集合的具体实现方式为：
11、根据预处理后的红外图像计算预筛选分割阈值τ：
12、τ＝max(μ,θ)+ε
13、其中，max(.)表示取最大值，μ,θ分别表示预处理后的红外图像灰度的均值和中位数，ε为背景温度补偿系数；遍历红外图像中所有像素点，筛选灰度值大于预筛选分割阈值的像素点作为预筛选像素点集合。
14、进一步的，所述的以每个预筛选像素点为中心像素点构造正方形局部块图像具体为：
15、r(x,y)＝{(u,v)|max(|u-x|,|v-y|)≤d/2}
16、其中，r(x,y)表示以预筛选像素点(x,y)为中心的正方形局部块图像，x,y表示预筛选像素点的坐标，u,v表示任意像素点的坐标，max(.)表示取最大值，d表示正方形局部块图像的边长。
17、进一步的，所述的不同尺度的切比雪夫邻域划分方法的具体实现方式为：
18、
19、其中，表示中心像素点为(x,y)且在l尺度下的切比雪夫邻域，u,v表示任意像素点的坐标，max(.)表示取最大值，l表示切比雪夫邻域的尺度参数；各尺度的切比雪夫邻域构成该像素点对应的切比雪夫-局部块图像结构其中表示对d/2向下取整。
20、进一步的，所述的根据每个切比雪夫-局部块图像计算预筛选像素点的局部差异度量的具体实现方式为：
21、基于点状热斑在局部的多尺度邻域内表现出灰度差异性的特点，对切比雪夫-局部块图像中构造不同尺度切比雪夫邻域的最小灰度差异函数，基于此函数搜索不同尺度切比雪夫邻域内与中心像素点灰度差异最小的像素点。基于不同尺度切比雪夫邻域的最小灰度差异像素点，对不同尺度切比雪夫邻域的最小灰度差异值进行求和计算，得到当前切比雪夫-局部块图像结构的灰度差异累积能量，作为该预筛选像素点的局部差异度量；
22、所述的不同尺度切比雪夫邻域的最小灰度差异函数为：
23、
24、其中，f(x,y,l)表示l尺度下的切比雪夫邻域的最小灰度差异函数，且该切比雪夫邻域以(x,y)为中心像素点，(u,v)表示切比雪夫邻域内的任意像素点，(x,y)表示预筛选像素点，i(·)表示取像素点的灰度值，表示中心像素点为(x,y)且在l尺度下的切比雪夫邻域，表示在的范围内选取最小值。
25、进一步的，所述的对不同尺度切比雪夫邻域的最小灰度差异值进行求和计算的具体实现方式为：
26、
27、其中，e(r(x,y))表示当前以(x,y)为中心像素点的切比雪夫-局部块图像结构的灰度差异累积能量，d表示正方形局部块图像的边长，表示对d/2向下取整；由于灰度差异累积能量反应了中心像素点与邻域背景像素点的灰度差异性，故以切比雪夫-局部块图像结构的灰度差异累积能量作为其中心像素点的局部差异度量值。
28、进一步的，所述的根据预筛选像素点的局部差异度量值计算点状热斑的二次筛选分割阈值的具体实现方式为：
29、利用预筛选像素点的局部差异度量值计算二次筛选分割阈值，进一步筛选局部差异度量大于分割阈值的像素点；所述的二次筛选分割阈值由下式求得：
30、t＝μ+λ×σ
31、
32、
33、其中，t表示二次筛选分割阈值，a表示预筛选像素点集合，n表示预筛选像素点的数量，e(r(x,y))表示像素点(x,y)的局部差异度量值，μ表示预筛选像素点的局部差异度量值的平均值，λ表示经验参数，σ表示预筛选像素点的局部差异度量值的标准差。
34、进一步的，所述的对位置相近的二次筛选像素点进行邻域融合的具体实现方式为：
35、对二次筛选像素点集合中任意两个符合邻域融合条件的像素点进行邻域融合，获取融合后新像素点的图像坐标，更新二次筛选像素点集合，重复邻域融合和更新操作直至二次筛选像素点集合中任意两个像素点均不再满足邻域融合条件，最终的二次筛选像素点集合即为检测得到的光伏组件点状热斑；
36、所述的邻域融合条件为：
37、max(|xi-xj|,|yi-yj|)≤β
38、其中，(xi,yi)和(xj,yj)表示二次筛选像素点集合中任意两个像素点，β表示融合阈值，max(.)表示取最大值；
39、所述的融合后新像素点的图像坐标为(x′,y′)：
40、
41、其中，xi,yi和xj,yj表示参与邻域融合的两个像素点的坐标；
42、所述的更新二次筛选像素点集合的具体实现方式为从二次筛选像素点集合中剔除参与邻域融合的两个像素点，并向二次筛选像素点集合中添加融合后新像素点。
43、本发明还提出了一种基于上述方法的光伏组件点状热斑检测系统，所述系统包括：
44、预筛选模块，用于对原始红外图像进行图像预处理，并进行点状热斑像素点的预筛选，得到预筛选像素点集合；
45、局部差异度量模块，用于计算预筛选像素点的局部差异度量值；
46、二次筛选模块，用于根据局部差异度量值进行点状热斑像素点的二次筛选，得到二次筛选像素点集合；
47、邻域融合模块，用于对二次筛选像素点进行邻域融合，实现最终的点状热斑检测。
48、总而言之，通过本发明构思的技术方案与现有技术相比，具有下列优点：
49、(1)针对现有技术中直接采用温度阈值判定的方法检测点状热斑，导致检测精度不高的问题，本发明采用先利用全局自适应阈值进行点状热斑像素点预筛选，在此基础上再应用局部差异度量和阈值分割方法进行二次筛选，从而提高了点状热斑的检测精度。
50、(2)本发明提出的基于局部差异度量的点状热斑二次筛选方法，充分表征了点状热斑和背景、噪声在局部空间的灰度分布差异性，从而有效抑制背景和噪声对检测结果的干扰。
51、(3)本发明提出的点状热斑邻域融合方法，避免了同一个点状热斑的重复检测，有助于提高后续热斑定位和排查检修的效率。
1.一种基于局部差异度量的光伏组件点状热斑检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于局部差异度量的光伏组件点状热斑检测方法，其特征在于，所述图像预处理的具体实现方式为：采用中值滤波对原始红外图像滤波后进行归一化。
3.根据权利要求1所述的基于局部差异度量的光伏组件点状热斑检测方法，其特征在于，所述的基于全局灰度统计量进行点状热斑像素点的预筛选得到预筛选像素点集合的具体实现方式为：
4.根据权利要求1所述的基于局部差异度量的光伏组件点状热斑检测方法，其特征在于，所述的以每个预筛选像素点为中心像素点构造正方形局部块图像具体为：
5.根据权利要求1所述的基于局部差异度量的光伏组件点状热斑检测方法，其特征在于，所述的不同尺度的切比雪夫邻域划分方法的具体实现方式为：
6.根据权利要求1所述的基于局部差异度量的光伏组件点状热斑检测方法，其特征在于，所述的根据每个切比雪夫-局部块图像计算预筛选像素点的局部差异度量的具体实现方式为：
7.根据权利要求6所述的基于局部差异度量的光伏组件点状热斑检测方法，其特征在于，所述的对不同尺度切比雪夫邻域的最小灰度差异值进行求和计算的具体实现方式为：
8.根据权利要求1所述的基于局部差异度量的光伏组件点状热斑检测方法，其特征在于，所述的根据预筛选像素点的局部差异度量值计算点状热斑的二次筛选分割阈值的具体实现方式为：
9.根据权利要求1所述的基于局部差异度量的光伏组件点状热斑检测方法，其特征在于，所述的对位置相近的二次筛选像素点进行邻域融合的具体实现方式为：
10.一种基于权利要求1所述方法的光伏组件点状热斑检测系统，其特征在于，所述系统包括：
