本發(fā)明屬于光伏板安裝進度管理，具體涉及一種基于無人機和yolo模型的光伏板安裝統計方法及系統。

背景技術：

1、光伏電站通常占地面積廣，組件數量龐大，傳統的巡檢方式主要依賴人工檢查。然而，這種方法不僅效率低下、成本高昂，而且對于一些難以到達的位置，如山地、水域附近的光伏板，傳統巡檢手段幾乎無法實現全面覆蓋。此外，隨著光伏電站規(guī)模不斷擴大，對巡檢工作的及時性和準確性提出了更高的要求。雖然固定攝像頭可以在一定程度上彌補人力巡檢的不足，但由于其安裝位置固定，視角有限，難以適應復雜多變的施工現場環(huán)境，尤其是在大型光伏電站建設期間，固定的監(jiān)控系統很難提供足夠的靈活性來滿足動態(tài)變化的需求。在光伏板安裝項目中，實時準確地統計光伏板的安裝數量對于項目進度管理和質量控制至關重要。傳統的人工統計方法不僅耗時費力，而且容易出現誤差。無人機作為一種新興的技術手段，具有機動性強、成本效益高、覆蓋面廣、數據精度高和安全性好的優(yōu)點，能夠在多個應用領域起到作用，但是目前還沒有將無人機獲取圖像的技術手段應用在光伏電站巡檢領域。

2、因此，本發(fā)明提出了一種基于無人機和yolo模型的光伏板安裝統計方法及系統，通過無人機拍攝的高分辨率圖像和深度學習技術，實現了光伏板安裝進度的自動化檢測和統計。

技術實現思路

1、本發(fā)明的目的是針對現有技術存在的問題，提供一種基于無人機和yolo模型的光伏板安裝統計方法及系統，通過無人機和yolo模型實時檢測識別光伏板安裝進度，不僅解決了傳統地面巡檢效率低下、覆蓋范圍有限的問題，而且提高光伏板安裝進度管理的效率和準確性。

2、根據本說明書的一方面，提供一種基于無人機和yolo模型的光伏板安裝統計方法，包括：

3、利用無人機實時拍攝光伏板安裝現場圖像；

4、將光伏板安裝現場圖像輸入訓練好的yolo模型，輸出光伏板的位置和數量標簽并實時顯示在圖像上，獲得光伏板安裝進度；其中，所述yolo模型訓練包括：

5、構建光伏板安裝現場的圖像數據集，進行預處理，對預處理后的圖像數據進行手動標注；

6、選擇yolo模型架構，初始化模型參數，將預處理后的圖像數據和標注數據輸入yolo模型架構，進行模型訓練；

7、采用梯度下降法，對yolo模型的權重矩陣進行更新；

8、基于光伏板安裝現場圖像的環(huán)境信息，對yolo模型參數進行調整，得到訓練好的yolo模型。

9、進一步地，對光伏板安裝現場圖像，進行數據預處理，包括：

10、采用小波變換算法對光伏板安裝現場圖像進行去噪處理；

11、基于去噪處理后的圖像，采用自適應直方圖均衡化進行圖像增強；

12、基于圖像增強后的圖像，進行尺寸裁剪，得到預處理后的光伏板安裝現場圖像。

13、進一步地，進行手動標注，包括：

14、對圖像數據中的光伏板區(qū)域進行標注，得到光伏板區(qū)域的標注信息；

15、基于光伏板區(qū)域的標注信息，打上位置標簽和數量標簽，其中位置標簽包括光伏板的中心坐標和邊界框，數量標簽包括光伏板的數量。

16、進一步地，對yolo模型的權重矩陣進行更新，包括：

17、采用預定義或隨機初始化的方法設置初始權重矩陣；

18、基于損失函數計算初始權重矩陣的梯度；

19、基于初始權重矩陣的梯度，結合學習率，采用梯度下降法調整初始權重矩陣，以減小損失函數，然后不斷迭代優(yōu)化，得到更新后的權重矩陣。

20、進一步地，所述光伏板安裝現場圖像的環(huán)境信息收集方法，包括：

21、通過集成氣象應用程序編程接口以及無人機內置傳感器收集光伏板安裝現場圖像的環(huán)境信息。

22、進一步地，對yolo模型參數進行調整，包括：

23、基于光伏板安裝現場圖像的環(huán)境信息提取關鍵特征，基于關鍵特征判斷環(huán)境是否變化；

24、當環(huán)境產生變化，觸發(fā)在線學習過程，采用規(guī)則驅動、機器學習或強化學習算法自動調整yolo模型參數；

25、采用貝葉斯優(yōu)化算法探索模型參數空間，尋找全局最優(yōu)解的參數；

26、基于全局最優(yōu)解的參數，通過迭代進一步優(yōu)化，得到最終的yolo模型參數。

27、根據本說明書的一方面，提供一種基于無人機和yolo模型的光伏板安裝統計系統，包括：

28、獲取數據模塊，利用無人機實時拍攝光伏板安裝現場圖像；

29、光伏板識別模塊，將光伏板安裝現場圖像輸入訓練好的yolo模型，輸出光伏板的位置和數量標簽并實時顯示在圖像上，獲得光伏板安裝進度；其中，所述yolo模型訓練包括：

30、構建光伏板安裝現場的圖像數據集，進行預處理，對預處理后的圖像數據進行手動標注；

31、選擇yolo模型架構，初始化模型參數，將預處理后的圖像數據和標注數據輸入yolo模型架構，進行模型訓練；

32、采用梯度下降法，對yolo模型的權重矩陣進行更新；

33、基于光伏板安裝現場圖像的環(huán)境信息，對yolo模型參數進行調整，得到訓練好的yolo模型。

34、根據本說明書的一方面，提供一種電子設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現所述的基于無人機和yolo模型的光伏板安裝統計方法的步驟。

35、根據本說明書的一方面，提供一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現所述的基于無人機和yolo模型的光伏板安裝統計方法的步驟。

36、與現有技術相比，本發(fā)明的有益效果是：

37、1、本發(fā)明提出的一種基于無人機和yolo模型的光伏板安裝統計方法及系統，通過無人機拍攝的圖像和yolo模型檢測光伏板安裝進度，解決了傳統地面巡檢效率低下、覆蓋范圍有限的問題，提高光伏板安裝進度管理的效率和準確性；

38、2、本發(fā)明提出的一種基于無人機和yolo模型的光伏板安裝統計方法及系統，通過無人機搭載高清攝像頭和其他傳感器，不僅能夠適應復雜多變的施工現場環(huán)境，提供大范圍、高精度的光伏板位置及數量信息，而且能夠在高空快速獲取大面積光伏板陣列的圖像數據，避免了人工巡檢時難以到達某些區(qū)域的問題。

39、3、本發(fā)明提出的一種基于無人機和yolo模型的光伏板安裝統計方法及系統，通過無人機定期巡航，可以及時發(fā)現安裝過程中的問題，提高施工質量和進度控制水平，且與固定式監(jiān)控系統相比，無人機不受地理位置限制，靈活性更強，適用于各種規(guī)模和類型的光伏電站建設。

技術特征：

1.一種基于無人機和yolo模型的光伏板安裝統計方法，其特征在于，包括：

2.根據權利要求1所述的一種基于無人機和yolo模型的光伏板安裝統計方法，其特征在于，對光伏板安裝現場圖像，進行數據預處理，包括：

3.根據權利要求1所述的一種基于無人機和yolo模型的光伏板安裝統計方法，其特征在于，進行手動標注，包括：

4.根據權利要求1所述的一種基于無人機和yolo模型的光伏板安裝統計方法，其特征在于，對yolo模型的權重矩陣進行更新，包括：

5.根據權利要求1所述的一種基于無人機和yolo模型的光伏板安裝統計方法，其特征在于，所述光伏板安裝現場圖像的環(huán)境信息收集方法，包括：

6.根據權利要求1所述的一種基于無人機和yolo模型的光伏板安裝統計方法，其特征在于，對yolo模型參數進行調整，包括：

7.一種基于無人機和yolo模型的光伏板安裝統計系統，其特征在于，包括：

8.一種電子設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現權利要求1～6任一所述的基于無人機和yolo模型的光伏板安裝統計方法的步驟。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現權利要求1～6任一所述的基于無人機和yolo模型的光伏板安裝統計方法的步驟。

技術總結
本發(fā)明公開一種基于無人機和YOLO模型的光伏板安裝統計方法及系統，屬于光伏板安裝進度管理技術領域。其包括：利用無人機實時拍攝光伏板安裝現場圖像；將光伏板安裝現場圖像輸入訓練好的YOLO模型，輸出光伏板的位置和數量標簽并實時獲得光伏板安裝進度；其中，所述YOLO模型訓練包括：構建光伏板安裝現場的圖像數據集，選取YOLO模型架構，輸入數據進行模型訓練；采用梯度下降方法，對YOLO模型的權重矩陣進行更新；通過集成氣象API以及無人機內置傳感器收集環(huán)境信息，基于環(huán)境信息提取特征，對YOLO模型參數進行調整，得到訓練好的YOLO模型。本發(fā)明通過無人機圖像和YOLO模型檢測光伏板安裝，解決了傳統地面覆蓋范圍有限的問題，提高了光伏板安裝進度管理的效率。

技術研發(fā)人員：韓斌,龍葉天,戴超,范亦靈,魯樹銘,馬騰,王惠朝,王丹,羅果
受保護的技術使用者：中建三局集團有限公司
技術研發(fā)日：
技術公布日：2025/5/15