买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东北电力大学申请的专利基于深度学习的光伏板积灰可视化检测系统及云监测平台获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120125549B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510218027.6，技术领域涉及：G06T7/00；该发明授权基于深度学习的光伏板积灰可视化检测系统及云监测平台是由范思远;陈林红;翁嘉怡;高涵;曹生现;张立栋;孙天一;刘鹏;王啸设计研发完成，并于2025-02-26向国家知识产权局提交的专利申请。

本基于深度学习的光伏板积灰可视化检测系统及云监测平台在说明书摘要公布了：本发明属于光伏发电技术领域，公开了一种基于深度学习的光伏板积灰可视化检测系统及云监测平台，检测系统包括：数据采集与预处理模块，用于采集清洁光伏板图像，并进行图像校正、去除银线和合成积灰图片的处理，生成训练测试数据集；模型构建模块，用于构建光伏积灰检测模型；模型训练与评估模块，用于基于训练测试数据集对光伏积灰检测模型进行训练，并设置评估指标对训练后的光伏积灰检测模型进行评估，获得最优的光伏积灰检测模型；检测应用模块，用于将实际工况中的光伏积灰图像输入最优的光伏积灰检测模型，实时监测光伏板积灰情况。本发明能够精确检测光伏板表面的灰尘并实现灰尘分布可视化，同时通过云平台实现数据的实时监测与分析。

本发明授权基于深度学习的光伏板积灰可视化检测系统及云监测平台在权利要求书中公布了：1.一种基于深度学习的光伏板积灰可视化检测系统，其特征在于，包括：依次连接的数据采集与预处理模块、模型构建模块、模型训练与评估模块和检测应用模块； 所述数据采集与预处理模块，用于采集清洁光伏板图像，并进行图像校正、去除银线和合成积灰图片的处理，生成训练测试数据集； 所述模型构建模块，用于构建光伏积灰检测模型，所述光伏积灰检测模型包括特征提取层、四个残差块和全连接层； 所述模型训练与评估模块，用于基于所述训练测试数据集对所述光伏积灰检测模型进行训练，并设置评估指标对训练后的光伏积灰检测模型进行评估，获得最优的光伏积灰检测模型； 所述检测应用模块，用于将实际工况中的光伏积灰图像输入最优的光伏积灰检测模型，经过预处理、透射率计算和图像后处理，输出相对应的介质传输图及平均透射率，实时监测光伏板积灰情况； 所述数据采集与预处理模块包括图像校正单元、去除银线单元和合成积灰图片单元； 所述图像校正单元，用于在清洁光伏板的源图像和目标图像上分别选择四个对应点，构建并求解透视变换方程组，实现图像校正； 所述去除银线单元，用于将校正后的图像从RGB颜色空间转换为HSV颜色空间，依据银线在HSV空间中的颜色特征创建二值掩码识别银线，然后基于形态学膨胀操作和Navier-Stokes算法填补缺失部分，从而去除银线； 所述合成积灰图片单元，用于将清洁光伏板图像分割为预设像素的无灰块，并随机生成透射率，基于所述无灰块通过大气散射模型计算获得有灰块，从而生成不同积灰程度的图像及其对应的透射率数据标签； 所述特征提取层采用多尺度卷积，卷积核大小分别为3×3、5×5、7×7，各尺度均使用32通道滤波器； 所述特征提取层的多尺度卷积计算过程包括：先进行卷积操作，再依次经过批量归一化处理、ReLU激活函数处理，最后将三个不同尺度卷积核对应的通道输出相加获得所述特征提取层的输出； 每个残差块均包括两个3×3卷积核，每个卷积核后接批量归一化和ReLU激活函数；每个残差块还包含跳跃连接、残差映射以及SEBlock模块； 所述SEBlock模块用于通过Squeeze操作和Excitation操作，自适应地重新校准跨通道的特征响应。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东北电力大学，其通讯地址为：132012 吉林省吉林市长春路169号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。