典型文献
自适应图像分割的光伏板积灰状态识别
文献摘要：
针对光伏电站普遍存在的光伏阵列中太阳能光伏板积灰难识别以致于清理不及时的问题,文中提出一种基于自适应图像分割算法识别光伏板的积灰状态.根据光伏板灰尘图像的YCbCr颜色空间特性,利用自适应图像分割算法将灰尘与光伏板图像分离,进而在旋转统一不变LBP算法下提取图像纹理特征,最终实现太阳能光伏板积灰状态的识别.再分别对不同算子半径与周围像素点个数进行实验比较,并对该算法与深度学习算法在准确率与识别时间方面进行对比分析.实验结果表明:旋转统一不变LBP算法对图像特征提取的效果最好,算法对光伏板积灰图像识别准确率可达88.56％,识别速度较ResNet50网络快90％以上;且占用计算机内存小,能够满足电站运维实时性要求,提高发电效率,降低运维成本,具有较高的实用性价值.
文献关键词：
光伏电站;光伏板积灰;自适应图像分割;纹理特征提取;LBP算法;图像识别
中图分类号：
作者姓名：
白云瑞;魏霞;黄德启;孟凡森
作者机构：
新疆大学 电气工程学院,新疆 乌鲁木齐 830017
文献出处：
引用格式：
[1]白云瑞;魏霞;黄德启;孟凡森-.自适应图像分割的光伏板积灰状态识别)[J].现代电子技术,2022(22):43-47
A类：
自适应图像分割,光伏板积灰
B类：
状态识别,光伏电站,光伏阵列,太阳能光伏,以致于,图像分割算法,算法识别,灰尘,YCbCr,颜色空间,空间特性,板图,LBP,图像纹理特征,像素点,深度学习算法,图像特征提取,图像识别,识别准确率,ResNet50,计算机内存,发电效率,运维成本,纹理特征提取
AB值：
0.211696
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
