(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210818928.5 (22)申请日 2022.07.13 (65)同一申请的已公布的文献号 申请公布号 CN 114897918 A (43)申请公布日 2022.08.12 (73)专利权人 南通同欧智能装备 科技有限公司 地址 226100 江苏省南 通市海门区余 东镇 人民南路9 98号 (72)发明人 胡琼　刘卓　 (74)专利代理 机构 杭州聚邦知识产权代理有限 公司 33269 专利代理师 周美锋 (51)Int.Cl. G06T 7/11(2017.01) G06T 7/136(2017.01)G06T 7/60(2017.01) G06V 10/44(2022.01) G06V 20/52(2022.01) H02S 40/10(2014.01) 审查员 丁娇 (54)发明名称 基于人工智能的光伏清洁机器人毛刷功率 调整方法及系统 (57)摘要 本发明涉及基于人工智能的光伏清洁机器 人毛刷功率调整方法及系统， 通过 获取所有光伏 电池板图像， 进行图像处理得到电池板表面脏污 区域信息， 根据电池板脏污区域信息得到电池板 脏污特征数据， 基于电池板脏污特征数据构建脏 污区域特征向量， 对电池板进行区域划分， 根据 脏污区域特征向量得到区域特征向量指标， 建立 毛刷功率网络预测模型， 预测出毛刷在各区域的 功率， 计算出调节时间， 在机器人到达下一区域 起始点时， 刚好完成毛刷的功率调整， 基于人工 智能和图像处理， 准确度高， 可实现按需清洁， 节 约资源， 减少功耗。 权利要求书3页 说明书10页 附图3页 CN 114897918 B 2022.09.27 CN 114897918 B 1.基于人工智能的光伏 清洁机器人毛刷功率调整方法， 其特 征在于， 包括: 步骤一： 获取 所有光伏电池板图像； 步骤二： 利用语义分割获取所述的光伏电池板 图像中的脏污区域， 对脏污区域进行分 析得到脏污区域面积信息和脏 污区域位置分布信息， 并提取脏 污区域的脏 污厚度指标； 步骤三： 提取电池板 图像中的边缘线， 计算出每个脏污区域中位于电池板边缘线上的 脏污像素和； 步骤四： 将所述的脏 污像素和作为脏 污位置特 征值， 并计算出边 缘脏污指标； 步骤五： 根据所述脏污区域面积信 息、 脏污位置特征值、 脏污厚度指标和边缘脏污指标 建立脏污区域特 征向量； 步骤六： 利用每一个脏污区域的脏污特征向量对清洁该区域的机器人毛刷功率进行调 整； 所述毛刷功率调整方法如下： 对电池板进行区域划分； 将各区域的脏 污特征向量构成该区域维数为 的脏污特征矩阵 ： 式中， 为第k个区域的脏污特征矩阵， 为电池板第k个区域内的脏污区域个数， 对 矩阵各列进行均值计算： 式中， 为脏污特征 ， 则得到该区域的脏 污特征向量指标 ： 构建网络预测模型， 通过电池板的各区域的脏污特征向量指标得到清洁机器人毛刷 在 对应区域内的功率； 计算出调节时间， 保证机器人到 达下一分区起始点时恰好完成毛刷功率的调整。 2.根据权利要求1所述的基于人工智能的光伏清洁机器人毛刷功率调整方法， 其特征 在于， 所述脏 污区域特 征向量为： 式中， 为第 个脏污区域的脏污区域特征向量， 为第 个脏污区域的面积， 为第 个脏污区域的脏污位置特征值， 为第 个脏污区域的脏污厚度指标, 为第 个脏污区域 的边缘脏污指标。权　利　要　求　书 1/3 页 2 CN 114897918 B 23.根据权利要求2所述的基于人工智能的光伏清洁机器人毛刷功率调整方法， 其特征 在于， 所述脏 污位置特 征值 获取方法如下： 将电池板RGB图像转换为灰度图， 采用最大熵阈值分割算法进行分割得到电池板边缘 二值图； 对二值图进行开 运算去噪； 随机选取图中边 缘线像素点进行曲线拟合， 得到边 缘线方程； 将脏污区域内的像素点坐标带入边缘线方程， 判断脏污像素点是否位于电池板边缘线 上； 将每个脏污区域的位于电池板边 缘线上的像素点进行像素求和， 得到 脏污特征值 。 4.根据权利要求2所述的基于人工智能的光伏清洁机器人毛刷功率调整方法， 其特征 在于， 所述脏 污厚度指标 获取步骤为： 将语义分割后的图与原图相乘得到 脏污RGB图像； 对脏污RGB图像进行HIS色彩转换， 提取 出脏污区域的亮度信息 和饱和度信息 ； 根据 、 得到脏污厚度指标公式： 式中， 分别为脏 污区域的亮度和饱和度信息， 为可调参数。 5.根据权利要求2所述的基于人工智能的光伏清洁机器人毛刷功率调整方法， 其特征 在于， 所述 边缘脏污指标 计算方法为： 式中， 为第 个脏污区域的边缘脏污指标， 为第 个脏污区域内处于电池板边缘线 上的脏污长度， 即第 个脏污区域内处于电池板边 缘线上的像素 数量之和。 6.根据权利要求1所述的基于人工智能的光伏清洁机器人毛刷功率调整方法， 其特征 在于， 所述区域划分方法如下： 根据脏污区域位置分布信息获取脏 污区域的分布集 合； 通过K‑means聚类算法对电池板的脏 污位置分布情况进行聚类分析,得到多个簇； 任意选取一个簇作为核心， 找出其簇内的脏污像素与相邻 两个簇中距离最近的两对脏 污像素点， 获取垂直于所述两对脏污像素点所构成的线段 的两条直线， 并将两直线的交点 记为o， 找到相邻两个簇中距离最近的一对脏污像素点， 过点o做该对脏污像素点所构成线 段的垂线， 完成对电池板的区域划分。 7.根据权利要求1所述的基于人工智能的光伏清洁机器人毛刷功率调整方法， 其特征 在于， 所述网络预测模型采用全连接预测网络模型， 将脏污区域的特征向量指标作为输入， 毛刷在该区域的功 率作为输出， 网络训练过程中采用交叉熵损失函数， 不断更新参数， 进 行权　利　要　求　书 2/3 页 3 CN 114897918 B 3