光伏电站中的航拍图像识别与匹配技术研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 国外技术研究现状 | 第13-14页 |
| 1.2.2 国内技术研究现状 | 第14-15页 |
| 1.3 主要研究内容 | 第15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 光伏电站巡检的图像处理技术概论 | 第17-24页 |
| 2.1 光伏组件与组件串的结构 | 第17-18页 |
| 2.2 硬件平台架构 | 第18-19页 |
| 2.3 无人机巡检光伏电站策略 | 第19-22页 |
| 2.4 光伏图像处理关键技术 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 光伏组件的图像识别技术 | 第24-41页 |
| 3.1 光伏组件串的分离 | 第24-30页 |
| 3.1.1 基于HSV色彩空间的图像分割 | 第24-25页 |
| 3.1.2 形态学图像处理 | 第25-26页 |
| 3.1.3 Canny边缘检测器 | 第26-28页 |
| 3.1.4 组件串的轮廓提取 | 第28-30页 |
| 3.2 光伏组件的分离 | 第30-36页 |
| 3.2.1 中值滤波 | 第30-31页 |
| 3.2.2 灰度图像二值化 | 第31-32页 |
| 3.2.3 组件检测的形态学处理 | 第32-33页 |
| 3.2.4 组件轮廓的提取 | 第33-36页 |
| 3.3 反光环境下的光伏组件的分离 | 第36-39页 |
| 3.3.1 自适应二值化 | 第36-37页 |
| 3.3.2 漏检补偿 | 第37-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 光伏组件串的图像匹配技术 | 第41-55页 |
| 4.1 基于无人机路径规划的图像匹配 | 第41-44页 |
| 4.2 传统图像特征点法的图像匹配 | 第44-45页 |
| 4.3 基于光伏组件色差特征的图像匹配 | 第45-51页 |
| 4.3.1 光伏组件色差特征 | 第45-48页 |
| 4.3.2 基于改进LBP法的图像匹配 | 第48-51页 |
| 4.4 图像匹配实验结果 | 第51-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第5章 光伏组件故障的识别与分类 | 第55-66页 |
| 5.1 光伏组件故障类型 | 第55页 |
| 5.2 各种类型光伏故障区域的识别 | 第55-63页 |
| 5.2.1 EVA脱落 | 第55-57页 |
| 5.2.2 异物遮挡 | 第57-58页 |
| 5.2.3 组件碎裂 | 第58-61页 |
| 5.2.4 蜗牛纹 | 第61-63页 |
| 5.3 光伏组件故障的分类方法 | 第63-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 作者简介 | 第72页 |
