结合YOLOv8实例分割与HSV阈值分割的多点评估混合云分割方法

《Remote Sensing》：Hybrid Cloud Segmentation Approach Combining YOLOv8 Instance Segmentation with HSV Thresholding for Multi-Site Assessment

　　

摘要

准确地从地面鱼眼相机图像中进行云分割对于太阳辐照预报和光伏系统优化至关重要。传统的计算机视觉方法，如HSV阈值分割和K-means聚类，由于在不同大气条件下云层区域与天空区域之间的光谱相似性，在全局应用于天空图像时面临显著局限性。本研究提出了一种混合方法，首先利用YOLOv8实例分割提供上下文相关的云区域，然后在这些检测区域内进行精细化HSV阈值分割。该方法结合pvlib的太阳轨迹建模实现准确的太阳圆盘检测和排除，防止误判云分类。该方法在CIESOL利用Mobotix Q71鱼眼相机进行开发和验证，随后在智利安托法加斯塔和西班牙韦尔瓦进行了测试。YOLOv8l-seg模型在验证数据上实现了0.821的掩码精度和0.680的框mAP@0.5。初步验证结果表明，该方法与晴度指数和漫射比等辐射测量数据具有良好的相关性。YOLOv8表现出良好的跨场地泛化能力，但HSV阈值分割需要根据相机进行特定校准才能达到最佳性能。该方法解决了传统算法的上下文依赖性局限，但计算性能及更广泛的验证仍是未来工作的方向。