CN104713883A - 大面积空间太阳电池阵缺陷快速检测及自动识别方法 - Google Patents

Abstract

本发明的大面积空间太阳电池阵缺陷快速检测及自动识别方法，通过专用光学相机对大面积太阳电池阵进行分区域扫描成像，然后将图像进行拼接，再对拼接后的图像进行处理得到所有太阳电池的位置信息，基于该位置信息对所有太阳电池单体进行缺陷识别并得到各太阳电池单体的缺陷形式矢量图，最后再根据上述得到的所有太阳电池的位置信息将各片电池的缺陷矢量图进行拼接，输出整个太阳电池阵的缺陷分布矢量图，缺陷分布图中包含所有太阳电池的缺陷类型及位置信息。大面积空间太阳电池阵缺陷快速检测及自动识别方法，可以方便快速地实现任意面积的实际工程使用的太阳电池阵的缺陷检测，具有检测精度高、使用方便、检测速度快、经济效益显著的优点。

Description

大面积空间太阳电池阵缺陷快速检测及自动识别方法

 

技术领域

本发明涉及太阳电池技术领域，特别涉及一种大面积空间太阳电池阵缺陷快速检测及自动识别方法。

 

背景技术

空间航天器太阳电池阵在地面研制阶段及发射阶段会经受振动、噪音等力学环境作用，在轨飞行阶段会经受到高低温循环交变影响。如太阳电池阵上电池存在的机械缺陷，在力学环境作用下，缺陷会产生扩展，从而造成太阳电池阵电性能的衰降，甚至造成断路，影响航天器正常工作。所以为提高太阳电池阵在轨可靠性及安全性，需要提高缺陷的检测精度。目前空间太阳电池阵主要依靠人工肉眼进行检测，检测精度差、效率低、安全性差，且产品质量依赖检测人员的经验，一致性差。

针对太阳电池缺陷的检测方法，国内外已经有多家机构及单位进行了研究，2006年，C.G.Zimmermanna对太阳电池的电致发光光谱特性进行了研究，并提出了一种基于电致发光原理对太阳电池缺陷进行检测的原理及理论方法。

2011年，刘小宇等人提出了基于电致发光原理的太阳电池及太阳电池组件隐裂检测装置及测试方法，主要涉及装置硬件构成及进行太阳电池隐裂检测的具体过程及操作步骤。缺陷检测的装置原理及小型太阳电池组件的自动识别方法。

2011年念蓓等人在《太阳电池组件缺陷的自动检测》一文中提出了一种基于电致发光原理对一维太阳电池组件缺陷识别的一种图像处理方法，并进行了试验验证。但是，在实际工程应用中，电池阵布片均为二维方式，一维检测装置及缺陷图像处理方法不能实现对大面积二维太阳电池阵识别的缺点，且检测效率低。而且本文所提的图像处理方法只是进行了单片太阳电池的识别，未对太阳电池阵缺陷矢量图进行研究。

目前没有发现同本发明类似技术的说明和报道，也尚未收集到国内外类似的资料。

发明内容

针对现有技术存在的不足，本发明解决的技术问题是提供一种大面积空间太阳电池阵缺陷快速检测及自动识别方法，能够方便快速地实现任意面积的实际工程使用的太阳电池阵的缺陷检测，具有非常广泛的工业化应用前景。

为达到上述发明目的，本发明是通过以下的技术方案实现的，一种大面积空间太阳电池阵缺陷快速检测及自动识别方法，该方法步骤包括： 

1）          检测的太阳电池阵太阳电池按照二维坐标系进行布片，在太阳电池阵红外成像过程进行扫描成像；

2）          对各区域的单幅图像进行畸变与失真校正；根据大面积太阳电池阵各区域所成图像特征，求得图像畸变和失真参数，并根据畸变和失真参数，对所有区域的单幅图像进行图像校正；

3）          图像校正完成后，根据傅立叶变换位移理论，并引入重叠区域权重算法，将各区域扫描所成各单幅图像进行拼接，从而获得整个大面积太阳电池阵的红外图像；

4）          对拼接完成的图像采用高频滤波算法滤除掉高频背景噪音，然后再采用低频滤波器过滤掉太阳电池图像上的栅格线；

5）          根据图像上太阳电池边界和缺陷边界的明暗差别，采用低通滤波和比例对比的方法进行太阳电池边缘特征的提取和二值化处理；

6）          根据水平和垂直方向像素特征曲线，在步骤4完成后所得图像中识别所有太阳电池的尺寸及位置，并确定所有太阳电池的中心位置，再根据电池的宽度高度，识别出所有太阳电池的边界；

7）          根据步骤6中识别出的太阳电池阵中所有太阳电池的位置及边界信息，再结合步骤5处理后的图像，对太阳电池单体的缺陷长度、面积等特征进行识别，并绘制所有太阳电池单体的缺陷矢量图；

8）          将所有太阳电池缺陷分布矢量图基于上述所得到的各太阳电池的位置信息进行拼接，生成大面积太阳电池阵整板缺陷分布矢量图。

与现有技术相比，其优点和有益效果是：可以方便快速地实现任意面积的实际工程使用的太阳电池阵的缺陷检测，并能输出缺陷矢量分布图，具有检测精度高、使用方便、检测速度快、经济效益显著的特点和优点。

 

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

附图1为本发明的大面积太阳电池阵分区域扫描成像示意图。

附图2为本发明的大面积太阳电池阵缺陷快速检测及识别流程示意图。

附图3为本发明所的图像的畸变与失真校正示意图。

附图4为本发明的大面积太阳电池阵区域成像拼接流程图。

附图5为本发明的大面积太阳电池阵拼接成像滤波图。

附图6为本发明的大面积太阳电池阵边界特征提取结果 。

附图7为本发明的大面积太阳电池阵太阳电池单片位置识别示意图。

附图8为本发明的大面积太阳电池阵太阳电池单片缺陷识别及矢量化示意图。

附图9为本发明的大面积二维布片太阳电池阵整板缺陷分布矢量图。

 

具体实施方式

参见示出本发明实施例的附图，下文将更详细地描述本发明。然而，本发明可以以许多不同形式实现，并且不应解释为受在此提出之实施例的限制。相反，提出这些实施例是为了达成充分及完整公开，并且使本技术领域的技术人员完全了解本发明的范围。这些附图中，为清楚起见，可能放大了层及区域的尺寸及相对尺寸。

为达到上述目的，本发明针对实际工程使用的大面积太阳电池阵采用了一种分区域扫描、二维拼接、二维识别的方法，提高单张图像的分辨率和红外相机的感光效果，最终保证太阳电池缺陷的识别精度，其特征在于对大面积太阳电池阵进行分区域扫描成像，再对各区域图像进行二维方向的拼接，然后对拼接完成的图像进行单片太阳电池位置识别，接着根据位置识别的信息对各单片太阳电池进行缺陷识别，最后再将单片缺陷矢量图进行拼接，最终输出整个太阳电池阵的缺陷分布矢量图。根据缺陷分布矢量图，可以直接得到缺陷太阳电池的位置信息，从而指导检测结果。

大面积空间太阳电池阵缺陷快速检测及自动识别方法的流程图如附图2，包括以下步骤：

步骤1、检测的大面积太阳电池阵上太阳电池按照二维坐标系进行布片，在太阳电池阵红外成像过程按照附图1的路径进行扫描成像，从而提高单张图像的分辨率和红外相机的感光效果，最终保证太阳电池缺陷的识别精度；

步骤2、由于相机的镜头成像特点，图像必然存在“畸变”效应，除“畸变”效应外，由于目标无法与镜头光轴绝对垂直，实际拍摄的图像还存在失真，所以为了保证图形的拼接精度，需要对各区域的单幅图像进行畸变与失真校正。根据大面积太阳电池阵各区域所成图像特征，求得图像畸变和失真参数，并根据畸变和失真参数，对所有区域的单幅图像进行图像校正，如图3；

步骤3、图像校正完成后，根据傅立叶变换位移理论，并引入重叠区域权重算法，按照附图4拼接流程将各区域扫描所成各单幅图像进行拼接，首先水平方向相邻图像拼接，以行为单位，直到完成所有行拼接；其次垂直方向相邻图像拼接，从而获得整个大面积太阳电池阵的红外图像；

步骤4、对拼接完成的图像采用高频滤波算法滤除掉高频背景噪音，然后再采用低频滤波器过滤掉太阳电池图像上的栅格线，滤波后效果如附图5所示；

步骤5、根据图像上太阳电池边界和缺陷边界的明暗差别，采用低通滤波和比例对比的方法进行太阳电池边缘特征的提取和二值化处理，如附图6所示。

步骤6、根据水平和垂直方向像素特征曲线，在步骤4完成后所得图像中识别所有太阳电池的尺寸及位置，并确定所有太阳电池的中心位置，再根据电池的宽度高度，识别出所有太阳电池的边界，如附图7所示。

步骤7、根据步骤6中识别出出的太阳电池阵中所有太阳电池的位置及边界信息，再结合步骤5处理后的图像，对太阳电池单体的缺陷长度、面积等特征进行识别，并绘制所有太阳电池单体的缺陷矢量图，如附图8；

步骤8、将所有太阳电池缺陷分布矢量图基于上述所得到的各太阳电池的位置信息进行拼接，完成整个大面积太阳电池阵的缺陷分布矢量图，如附图9。 

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (3)

1. 一种大面积空间太阳电池阵缺陷快速检测及自动识别方法，其特征在于，该方法步骤包括：

检测的太阳电池阵太阳电池按照二维坐标系进行布片，在太阳电池阵红外成像过程进行扫描成像；

对各区域的单幅图像进行畸变与失真校正；

图像校正完成后，根据傅立叶变换位移理论，并引入重叠区域权重算法，将各区域扫描所成各单幅图像进行拼接，从而获得整个大面积太阳电池阵的红外图像；

对拼接完成的图像采用高频滤波算法滤除掉高频背景噪音，然后再采用低频滤波器过滤掉太阳电池图像上的栅格线；

根据图像上太阳电池边界和缺陷边界的明暗差别，采用低通滤波和比例对比的方法进行太阳电池边缘特征的提取和二值化处理；

根据水平和垂直方向像素特征曲线，在步骤4完成后所得图像中识别所有太阳电池的尺寸及位置，并确定所有太阳电池的中心位置，再根据电池的宽度高度，识别出所有太阳电池的边界；

根据步骤6中识别出的太阳电池阵中所有太阳电池的位置及边界信息，再结合步骤5处理后的图像，对太阳电池单体的缺陷长度、面积等特征进行识别，并绘制所有太阳电池单体的缺陷矢量图；

将所有太阳电池缺陷分布矢量图基于上述所得到的各太阳电池的位置信息进行拼接，生成大面积太阳电池阵整板缺陷分布矢量图。

2. 根据权利要求1所述的大面积空间太阳电池阵缺陷快速检测及自动识别方法，其特征在于，所述步骤2中，根据大面积太阳电池阵各区域所成图像特征，求得图像畸变和失真参数，并根据畸变和失真参数，对所有区域的单幅图像进行图像校正。

3. 根据权利要求1所述的大面积空间太阳电池阵缺陷快速检测及自动识别方法，其特征在于，所述步骤3中，首先水平方向相邻图像拼接，以行为单位，直到完成所有行拼接；其次垂直方向相邻图像拼接。