本申请涉及新能源，具体而言，涉及一种光伏组件的故障检测方法和装置、存储介质及电子装置。
背景技术：
1、要实现光伏红外与可见光图像的信息融合，以提高对光伏组件故障的识别效率，需要保证红外与可见光图像的像素级对齐，由于相机的移动、镜头的畸变和传感器分辨率区域，巡检所拍摄的红外与可见光图像往往是非对齐的，需要采取有效措施进行配准。由于红外与可见光图像之间存在着严重的非线性畸变，传统应用于单一光谱下的图像配准方法往往难以发挥出作用。且由于光伏图像中不同区域的组件结构相同，图像相似性较高，现阶段针对多光谱图像特征所提出的配准方法在光伏红外与可见光图像上也难以取得较好的配准效果。
2、针对相关技术中，现阶段针对多光谱图像特征所提出的配准方法在光伏红外和可见光图像上难以取得较好的配准效果，导致光伏组件故障识别效率低下的问题，目前尚未提出有效的解决方案。
3、因此，有必要对相关技术予以改良以克服相关技术中的所述缺陷。
技术实现思路
1、本申请实施例提供了一种光伏组件的故障检测方法和装置、存储介质及电子装置，以至少解决相关技术中，现阶段针对多光谱图像特征所提出的配准方法在光伏红外和可见光图像上难以取得较好的配准效果，导致光伏组件故障识别效率低下的问题。
2、根据本申请实施例的一方面，提供一种光伏组件的故障检测方法，包括：获取光伏组件的红外图像和可见光图像，其中，所述红外图像和所述可见光图像为同一图像采集设备采集的；通过多光谱图像配准算法对所述红外图像和所述可见光图像进行图像配准，得到所述红外图像和所述可见光图像的融合图像；根据所述融合图像对所述光伏组件进行故障检测。
3、在一个示例性的实施例中，通过多光谱图像配准算法对所述红外图像和所述可见光图像进行图像配准，得到所述红外图像和所述可见光图像的融合图像，包括：将所述红外图像和所述可见光图像均转换为灰度图像，得到第一灰度图像和第二灰度图像，其中，所述红外图像与所述第一灰度图像对应，所述可见光图像与所述第二灰度图像对应；对所述第一灰度图像和所述第二灰度图像进行特征点提取，得到候选特征点集；根据所述候选特征点集计算出仿射变换模型的模型参数，并通过所述仿射变换模型对所述第一灰度图像和所述第二灰度图像进行仿射变换，得到配准后的第一灰度图像和配准后的第二灰度图像；对所述配准后的第一灰度图像和所述配准后的第二灰度图像进行图像融合，得到所述融合图像。
4、在一个示例性的实施例中，对所述第一灰度图像和所述第二灰度图像进行特征点提取，得到候选特征点集，包括：对所述第一灰度图像和所述第二灰度图像进行角特征点检测，得到角特征点集；对所述第一灰度图像和所述第二灰度图像进行角点特征检测，得到边缘特征点集；将所述角特征点集和所述边缘特征点集合并，得到所述候选特征点集。
5、在一个示例性的实施例中，对所述第一灰度图像和所述第二灰度图像进行角点特征检测，得到边缘特征点集，包括：计算所述第一灰度图像和所述第二灰度图像对应的相位一致性模型，并根据所述相位一致性模型计算出图像最大矩；通过fast算子对所述图像最大矩进行角点特征检测，得到多个第一特征点；根据所述多个第一特征点中特征强度大于预设阈值的第二特征点生成所述边缘特征点集。
6、在一个示例性的实施例中，根据所述候选特征点集计算出仿射变换模型的模型参数，包括：根据所述候选特征点集构建最大索引图，其中，所述最大索引图用于指示所述候选特征点集中每一个第三特征点的位置；根据所述最大索引图为所述候选特征点集中的多个所述第三特征点构建描述向量，得到多个描述向量；通过nbcs优化算法对所述多个描述向量进行特征匹配，得到多个特征点对，其中，每一个特征点对包括一组第三特征点；根据所述多个特征点对计算出所述模型参数。
7、在一个示例性的实施例中，根据所述融合图像对所述光伏组件进行故障检测，包括：通过图像识别模型对所述融合图像进行光伏区域识别，得到所述融合图像中的光伏区域，其中，所述图像识别模型中的特征提取网络为mobilenet v2；对所述光伏区域进行故障检测，得到故障检测结果；根据所述故障检测结果生成检测报告，并将所述检测报告发送给目标对象。
8、根据本申请实施例的另一方面，还提供了一种光伏组件的故障检测装置，包括：获取模块，用于获取光伏组件的红外图像和可见光图像，其中，所述红外图像和所述可见光图像为同一图像采集设备采集的；配准模块，用于通过多光谱图像配准算法对所述红外图像和所述可见光图像进行图像配准，得到所述红外图像和所述可见光图像的融合图像；检测模块，用于根据所述融合图像对所述光伏组件进行故障检测。
9、根据本申请实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述光伏组件的故障检测方法。
10、根据本申请实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述光伏组件的故障检测方法。
11、根据本申请实施例的又一方面，还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现本申请各个实施例中所述方法的步骤。
12、通过本申请，先获取光伏组件的红外图像和可见光图像，该红外图像和该可见光图像是由同一个用于巡检的图像采集设备采集得到的；然后通过多光谱图像配准算法对红外图像和可见光图像进行图像配准，从而得到融合图像；最后根据该融合图像完成对光伏组件的故障检测；采用上述方案，通过本申请的多光谱图像配准算法，可以实现光伏红外(即上述红外图像)和可见光图像的精准匹配，以完成对光伏组件故障的细致分类和高精度检测；从而解决了相关技术中，现阶段针对多光谱图像特征所提出的配准方法在光伏红外和可见光图像上难以取得较好的配准效果，导致光伏组件故障识别效率低下的问题。
1.一种光伏组件的故障检测方法，其特征在于，包括：
2.根据权利要求1所述的光伏组件的故障检测方法，其特征在于，通过多光谱图像配准算法对所述红外图像和所述可见光图像进行图像配准，得到所述红外图像和所述可见光图像的融合图像，包括：
3.根据权利要求2所述的光伏组件的故障检测方法，其特征在于，对所述第一灰度图像和所述第二灰度图像进行特征点提取，得到候选特征点集，包括：
4.根据权利要求3所述的光伏组件的故障检测方法，其特征在于，对所述第一灰度图像和所述第二灰度图像进行角点特征检测，得到边缘特征点集，包括：
5.根据权利要求2所述的光伏组件的故障检测方法，其特征在于，根据所述候选特征点集计算出仿射变换模型的模型参数，包括：
6.根据权利要求1所述的光伏组件的故障检测方法，其特征在于，根据所述融合图像对所述光伏组件进行故障检测，包括：
7.一种光伏组件的故障检测装置，其特征在于，包括：
8.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行权利要求1至6任一项所述的方法。
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行权利要求1至6任一项所述的方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6任一项所述方法的步骤。
