(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111660018.0 (22)申请日 2021.12.3 0 (71)申请人 东北电力大 学 地址 132012 吉林省吉林市长 春路169号 (72)发明人 曹生现　马欣悦　范思远　刘鹏　 孙天一　王恭　 (74)专利代理 机构 成都瑞创华盛知识产权代理 事务所 (特殊普通合伙) 51270 代理人 邓瑞　辜强 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/00(2006.01) G06N 3/04(2006.01) H02S 50/10(2014.01) (54)发明名称 一种光伏板积灰浓度识别网络、 系统及方法 (57)摘要 本发明提出一种光伏板积灰浓度 识别网络、 系统及方法， 光伏板积灰浓度识别网络基于U ‑ Net3+网络架构， 在主体架构的基础上加入多尺 度增强模块和轻量型注意力机制模块。 多尺度增 强模块可以有效的对图像进行去噪处理， 轻量型 注意力机制模块选用CB AM， 模块包含两个独立的 子模块， 通道注意力模块和空间注意力模块， 分 别进行通道和空间上的注意力机制。 本发明可以 根据现场传送的图片数据识别光伏板的积灰浓 度， 能够对光伏板及时清洗提供有利依据， 能够 有效帮助电网调度计划提供重要参考， 对光伏安 全并网运行具有重要意 义。 权利要求书1页 说明书5页 附图2页 CN 114332039 A 2022.04.12 CN 114332039 A 1.一种光伏板积灰浓度识别网络， 其特征在于,所述光伏板积灰浓度识别网络基于U ‑ Net3+网络架构， 在主体架构的基础上加入多尺度增强模块和轻量型注意力机制模块。 2.根据权利要求1所述的光伏板积灰浓度识别网络， 其特征在于， 所述多尺度增强模块 作为网络的解码 器， 通过增强算法基于先前估计的图像进 行细化处理并逐步恢复光伏板清 洁图像， 提高信噪比并且可以逐步细化先 前迭代的中间结果。 3.根据权利要求1所述的光伏板积灰浓度识别网络， 其特征在于， 所述轻量型注意力 机 制模块包括 通道注意力模块和空间注意力模块。 4.根据权利要求3所述的光伏板积灰浓度识别网络， 其特征在于， 所述通道注意力模块 的具体处理流程为： 将输入的特征图分别经过全局 最大池化和全局平均池化， 得到两个特 征图， 接着， 再将两个特征图分别送入一个两层的神经网络， 将两层的神经网络输出的特征 进行加和操作， 再经过激活操作， 生成最终的通道注意力特征， 最后， 将最终的通道注意力 特征和输入特 征图做乘法操作， 生成需要的输入特 征。 5.根据权利要求3所述的光伏板积灰浓度识别网络， 其特征在于， 所述空间注意力模块 的具体处理流程为： 将所述通道注意力模块输出 的特征图作为输入特征图， 首先做一个基 于通道的全局 最大池化和全局平均池化， 得到两个特征图， 然后将这两个特征图做通道拼 接， 然后经过一个7 ×7卷积操作， 降维为 1个通道， 再经过激活操作生成空间注 意力特征， 最 后将空间注意力特 征和该模块的输入特 征图做乘法， 得到最终的特 征。 6.根据权利要求1 ‑5中任一项所述的光伏板积灰浓度识别网络， 其特征在于， 所述光伏 板积灰浓度识别网络依赖于光伏板积灰浓度恢复模型， 所述光伏板积灰浓度恢复模型可以 表示为： I(x)＝J(x)t(x)+A(1 ‑t(x)) 式中I(x)为粉尘图像， J(x)为光伏板清洁图像， A是大气光值， t(x)为传输矩阵， t(x)可 定义为t(x)＝e‑β d(x)， 其中β 为大气散射系数， d(x)为物体与相机之间的距离 。 7.一种光伏板积灰浓度识别系统， 其特征在于,具体包括图像监测装置和软件处理系 统， 所述图像监测装置采集光伏板的积灰图片， 所述软件处理系统 能够实现权利要求 1‑6中 任一项所述的光伏板积灰浓度识别网络 。 8.根据权利要求7所述的光伏板积灰浓度识别网络， 其特征在于， 所述软件处理系统使 用Pytorc h开发。 9.一种基于权利要求1 ‑6中任一项所述的光伏板积灰浓度识别网络的光伏板积灰浓度 识别方法， 其特 征在于,具体包括如下步骤： S1、 将采集到的光伏板积灰图像经 过透视变换得到矫正后的光伏板图像； S2、 去除银栅信息， 得到无栅线的光伏板表面图像； S3、 将光伏板积灰图像输入光伏板积灰浓度识别网络， 光伏板积灰浓度识别网络输出 积灰结果； S4、 当积灰 结果大于阈值时， 发出警告， 提醒工作人员清洗 。 10.一种计算机可读存储介质， 其特征在于， 存储有能够被处理器执行的计算机程序， 所述处理器通过执行所述计算机程序能够实现权利要求9所述的光伏板积灰浓度识别方 法。权　利　要　求　书 1/1 页 2 CN 114332039 A 2一种光伏板积灰浓度识别网 络、 系统及方 法 技术领域 [0001]本发明涉及太阳能光伏发电领域， 特别是一种光伏板积灰浓度识别网络、 系统及 方法。 背景技术 [0002]为解决全球能源短缺、 气候变暖等严重问题， 可再生能源已成为世界各国研究的 重点， 其中太阳能的开发和利用也成为人们关注的焦点。 太阳能光伏发电作为新能源领域 极具发展前景的发电技术， 以其分布广泛、 储量丰富、 技术成熟的产业特性， 在全球能源结 构转型升级的背景下释放出新的活力。 然而， 空气 中的微小颗粒易积聚在太阳能光伏板上 形成积灰， 其低透射率严重降低了光伏板的发电性能， 影响光伏发电企业的经济性。 现场普 遍依据运维人员的经验和人工观测方法来定性分析积灰浓度， 但精确性、 实时性较差， 难以 满足光伏板积灰浓度实时监测、 清洗维护优化、 高效安全并网等智能化运 维的发展需求。 因 此， 提高光伏板积灰浓度的感知能力对提高电力系统运行的可靠性具有重要意 义。 发明内容 [0003]为了解决现有技术中光伏板积 灰浓度识别时效性和精确度不足的技术问题， 本发 明提出一种光伏板积灰浓度识别网络、 系统及方法。 [0004]为此， 本发明提出的光伏板积灰浓度识别网络基于U ‑Net3+网络架构， 在主体架构 的基础上加入多尺度增强模块和轻量型注意力机制模块。 [0005]进一步地， 所述多尺度增强模块作为网络 的解码器， 通过增强算法基于先前估计 的图像进 行细化处理并逐步恢复光伏板清洁图像， 提高信噪比并且可以逐步细化先前迭代 的中间结果。 [0006]进一步地， 所述轻量型注意力机制模块包括 通道注意力模块和空间注意力模块。 [0007]进一步地， 所述通道注意力模块的具体处理流程为： 将输入的特征 图分别经过全 局最大池化和全局平均池化， 得到两个特征图， 接着， 再将两个特征图分别送入一个两层的 神经网络， 将两层的神经网络输出的特征进 行加和操作， 再经过激活操作， 生成最 终的通道 注意力特征， 最后， 将最 终的通道注 意力特征和输入特征图做乘法操作， 生 成需要的输入特 征。 [0008]进一步地， 所述空间注意力模块的具体处理流程为： 将所述通道注意力模块输出 的特征图作为输入特征图， 首先做一个基于通道的全局 最大池化和全局平均池化， 得到两 个特征图， 然后 将这两个特征图做通道拼接， 然后经过一个7 ×7卷积操作， 降维为 1个通道， 再经过激活操作生成空间注意力特征， 最后将空间注意力特征和该模块的输入特征图做乘 法， 得到最终的特 征。 [0009]进一步地， 所述光伏板积灰浓度识别网络依赖于光伏板积灰浓度恢复模型， 所述 光伏板积灰浓度恢复模型 可以表示 为： [0010]I(x)＝J(x)t(x)+A(1 ‑t(x))说　明　书 1/5 页 3 CN 114332039 A 3