1.一种基于航拍图像中光伏组件识别的电站容量估测方法，其特征在于，包括以下步骤：步骤1、通过无人机拍摄光伏阵列图像，采用图像拼接和图像融合技术形成完整的光伏电站阵列图；具体过程为：步骤1.1、通过无人机拍摄不同方向角度的光伏阵列图；

步骤1.2、通过SURF特征提取方法对每幅光伏阵列图进行特征点提取，并对多幅光伏阵列图的同一特征点进行匹配；

步骤1.3、选取两幅光伏阵列图，将其中一幅光伏阵列图b通过空间变换矩阵映射到另一幅光伏阵列图a，获得同一坐标下配准图；具体过程为：将每幅光伏阵列图中任意两幅图像，取其中一幅光伏阵列图a，另一幅为光伏阵列图b，通过使用findHomography函数来求得变换矩阵H，将光伏阵列图b经过变换矩阵H进行透视变换，得到光伏阵列图b在光伏阵列图a下的表示，即同一坐标下配准图；

步骤1.4、将光伏阵列图a以及同一坐标下配准图分别映射到一幅新的空白图像中，再将两幅新的空白图像进行平移拼接即可形成拼接图；

步骤1.5、将拼接图分为重叠区域和非重叠区域，对重叠区域的像素值按一定的权值相加，并结合非重叠区域形成新的图像，通过步骤1.3－步骤1.5把不同方向角度的光伏阵列图融合形成完整的光伏电站阵列图；

步骤2、利用数据增强技术对光伏电站阵列图进行扩充，然后对扩充后的光伏组件类别标记，构造光伏组件识别数据集；具体过程为：步骤2.1、对光伏电站阵列图依次通过平移、缩放、颜色变换进行扩充；

步骤2.2、对扩充后的图像按照功率和效率不同，依次进行编号标记，将编号的图像构成光伏组件识别数据集；

步骤3、将光伏组件识别数据集按一定比例分为训练集和测试集，构建FasterRCNN网络模型，通过训练集对该网络模型进行训练；

步骤4、利用训练好的网络模型进行光伏组件的识别，识别结果以txt文本形式输出；具体过程为：步骤4.1、对光伏组件获取航拍图像，将该航拍图像输入训练好的网络模型，得到光伏组件位置、类别以及置信度；具体过程为：步骤4.1.1、对光伏组件获取航拍图像，采用VGG16型卷积神经网络进行特征提取，得到特征映射图；

步骤4.1.2、根据区域建议策略网络，利用softmax激活函数计算特征映射图中每个特征点属于前景的概率，同时在原始航拍图像的相应位置生成若干尺寸不一的候选域；

步骤4.1.3、RoI池化层将候选域映射成维度固定的特征向量，再次利用softmax判断候选域中物体类别，其中特征映射图作为位置索引，辅助调整候选域尺寸和标记输入航拍图像中的中光伏组件，得到光伏组件位置、类别以及置信度；

步骤4.2、将光伏组件位置、类别以及置信度转换成txt文本形式输出；

步骤5、根据txt文本统计不同类别型号光伏组件的数量，计算得出光伏电站的容量，具体过程为：步骤5.1、根据txt文本形式输出统计得出不同型号光伏组件的数量；

步骤5.2、通过不同型号光伏组件的数量，计算得出光伏电站的容量W：W＝λΣniηiPi

式中，Pi为不同型号光伏组件的功率，ηi为不同型号光伏组件的效率，λ为考虑环境等客观因素影响产生的系数。