CN106327463A - 太阳电池片的颜色识别方法 - Google Patents
太阳电池片的颜色识别方法 Download PDFInfo
- Publication number
- CN106327463A CN106327463A CN201510338135.3A CN201510338135A CN106327463A CN 106327463 A CN106327463 A CN 106327463A CN 201510338135 A CN201510338135 A CN 201510338135A CN 106327463 A CN106327463 A CN 106327463A
- Authority
- CN
- China
- Prior art keywords
- cell piece
- color
- solar cell
- coloured image
- colour
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公开了一种太阳电池片的颜色识别方法,包括:采集太阳电池片的样品图像并对图像进行区域分割和颜色分析及量化,然后依据设定的基准色以及分析得到的颜色分布情况,判定样品是否存在片内色差以及其所属的颜色分类。本发明方法基于图像识别和颜色量化分析,替代人工识别方法,实现了智能化太阳电池片的颜色分选,有利于提高产品的外观质量,降低人工成本。
Description
技术领域
本发明涉及光伏领域的一种检测方法,尤其涉及一种太阳电池片的颜色识别方法。
背景技术
太阳电池片的表面因制作工艺的不同会有不同的颜色,若太阳电池组件中含不同颜色的电池片,会影响太阳电池组件的外观。所以需要在电池片生产后期或组件封装前期对电池片的颜色进行分类。目前太阳电池生产厂家普遍采用人工目测的方式对太阳电池片进行颜色分类。这种方法人工成本高,误差大,重复性差,生产效率低。因此,电池片生产型企业迫切需要一种快速、准确、高效的太阳电池片的颜色识别分选方法,以便提高生产效率,降低生产成本。
发明内容
本发明的目的,在于克服现有技术中存在的需要人工进行太阳电池片颜色分选的不足,提供一种太阳电池片的颜色识别方法,通过本方法进行太阳电池片颜色分选,无需人工判断。
为了达到上述目的,本发明采用了以下技术方案:
一种太阳电池片的颜色识别方法,包括以下步骤:
步骤1:采集太阳电池片整体的彩色图像;
步骤2:采用边缘检测的方法对采集的太阳电池片整体的彩色图像进行边缘提取,分割出仅含电池片的彩色图像;
步骤3:对仅含电池片的彩色图像进行灰度化处理,得到电池片的二值图像;
步骤4:用仅含电池片的彩色图像与对应的二值图像相减,得到去除主栅线后的电池片彩色图像;
步骤5:对去除主栅线后的电池片彩色图像进行横向和纵向分割,形成多个分割区域,以其中一个最亮颜色分割区域作为基准颜色,分别计算出其它分割区域与上述基准颜色的颜色差,若电池片无片内色差,计算图像的全局平均值,从而得到该电池片所属的颜色分类。
所述颜色差通过以下方法获得:计算出每个分割区域的红、绿、蓝三个分量的平均值,通过以下公式转换到CIE1976颜色空间:
L*=116f(Y/Yn)-16
a*=500[f(X/Xn)-f(Y/Yn)] 式(2)
b*=200[f(Y/Yn)-f(Z/Zn)]
其中:
式(1)与式(2)中,R代表红色、G代表绿色、B代表蓝色,L*表示亮度,a*表示从洋红色至绿色的范围,b*表示从黄色至蓝色的范围,X、Y、Z表示被测物体色刺激在CIE1931标准色度系统中的三刺激值,Xn、Yn、Zn表示给定的白物体色刺激的三刺激值;
取某一分割区域的最大L*值以及最小a*、b*值作为基准颜色,根据对应的CIE1976Lab色差公式:计算出各分割区域与基准颜色之间的颜色差。
在步骤3之后和步骤4之前,还对得到的电池片二值图像进行形态学膨胀处理,将要去除的主栅线进行扩展,再用电池片的彩色图像与其相减,使主栅线及其周边区域对电池片颜色分析的影响最小化。
在步骤5中,所述片内色差的判断方法是,若某个电池片含有颜色差大于15的分割区域,则判断该电池片有片内色差,否则认为电池片无片内色差;有片内色差的电池片作为不合格品去除,不参与颜色分类。
本发明提供的太阳电池片的颜色识别方法,采用图像识别方法,对包含太阳电池片的彩色图像先后进行边缘检测、二值化处理、形态学膨胀操作、图像相减、颜色空间转换和颜色差的计算,根据颜色差值判断是否有片内色差。采用本发明方法进行太阳电池片颜色识别,只需要输入采集的包含太阳电池片的彩色图像,即可对太阳电池片进行片内色差的判断和颜色的分类,无需人工通过观察一片片太阳电池片进行识别,实现了智能化颜色识别,极大的提高了分选稳定性,减少了工作量,降低人工成本。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
本发明提供的太阳电池片的颜色识别方法,包括以下步骤:
步骤1:采集太阳电池片整体的彩色图像;
步骤2:采用Sobel边缘检测的方法对采集的太阳电池片整体的彩色图像进行边缘提取,分割出仅含电池片的彩色图像;
步骤3:对获取的仅含电池片的图片进行灰度化处理,将电池片的彩色图片变换为灰度图像,然后根据图像特征设定阈值将灰度图像转换为二值图像。
步骤4:用仅含电池片的彩色图像与其对应的二值图像相减,得到去除主栅线后的电池片彩色图像。为了尽可能的去除主栅线的颜色对电池片颜色分析的影响,需要将主栅附近的过渡颜色也一并去除,因此在图像相减之前,先对得到的二值图像进行形态学的膨胀处理,扩大主栅线的区域,然后再将电池片的彩色图像与之相减。
步骤5:对去除主栅线后的电池片彩色图像进行横向和纵向分割,形成多个分割区域,以其中一个最亮颜色分割区域作为基准,分别计算出其它分割区域与上述基准的颜色差,若电池片无片内色差,计算图像的全局平均值,从而得到该电池片所属的颜色分类。片内色差的判断方法是,若某个电池片含有颜色差大于15的分割区域,则判断该电池片有片内色差,否则认为电池片无片内色差;有片内色差的电池片作为不合格品去除,不参与颜色分类。
本步骤中,所述的颜色差通过以下方法获得:计算出每个分割区域的红、绿、蓝三个分量的平均值,通过以下公式转换到CIE1976颜色空间:
L*=116f(Y/Yn)-16
a*=500[f(X/Xn)-f(Y/Yn)] 式(2)
b*=200[f(Y/Yn)-f(Z/Zn)]
其中:
式(1)与式(2)中,R代表红色、G代表绿色、B代表蓝色,L*表示亮度,a*表示从洋红色至绿色的范围,b*表示从黄色至蓝色的范围,X、Y、Z表示被测物体色刺激在CIE1931标准色度系统中的三刺激值,Xn、Yn、Zn表示给定的白物体色刺激的三刺激值;
取某一分割区域的最大L*值以及最小a*、b*值作为基准颜色,根据对应的CIE1976Lab色差公式:计算出各分割区域与基准颜色之间的颜色差。
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
Claims (4)
1.一种太阳电池片的颜色识别方法,其特征在于,包括以下步骤:
步骤1:采集太阳电池片整体的彩色图像;
步骤2:采用边缘检测的方法对采集的太阳电池片整体的彩色图像进行边缘提取,分割出仅含电池片的彩色图像;
步骤3:对仅含电池片的彩色图像进行灰度化处理,得到电池片的二值图像;
步骤4:用仅含电池片的彩色图像与对应的二值图像相减,得到去除主栅线后的电池片彩色图像;
步骤5:对去除主栅线后的电池片彩色图像进行横向和纵向分割,形成多个分割区域,以其中一个最亮颜色分割区域作为基准颜色,分别计算出其它分割区域与上述基准颜色的颜色差,若电池片无片内色差,计算图像的全局平均值,从而得到该电池片所属的颜色分类。
2.如权利要求1所述的太阳电池片的颜色识别方法,其特征在于,所述颜色差通过以下方法获得:计算出每个分割区域的红、绿、蓝三个分量的平均值,通过以下公式转换到CIE1976颜色空间:
L*=116f(Y/Yn)-16
a*=500[f(X/Xn)-f(Y/Yn)] 式(2)
b*=200[f(Y/Yn)-f(Z/Zn)]
其中:
式(1)与式(2)中,R代表红色、G代表绿色、B代表蓝色,L*表示亮度,a*表示从洋红色至绿色的范围,b*表示从黄色至蓝色的范围,X、Y、Z表示被测物体色刺激在CIE1931标准色度系统中的三刺激值,Xn、Yn、Zn表示给定的白物体色刺激的三刺激值;
取某一分割区域的最大L*值以及最小a*、b*值作为基准颜色,根据对应的CIE1976Lab色差公式:计算出各分割区域与基准颜色之间的颜色差。
3.如权利要求1所述的太阳电池片的颜色识别方法,其特征在于,在步骤3之后和步骤4之前,还对得到的电池片二值图像进行形态学膨胀处理,将要去除的主栅线进行扩展,再用电池片的彩色图像与其相减,使主栅线及其周边区域对电池片颜色分析的影响最小化。
4.如权利要求1所述的太阳电池片的颜色识别方法,其特征在于,在步骤5中,所述片内色差的判断方法是,若某个电池片含有颜色差大于15的分割区域,则判断该电池片有片内色差,否则认为电池片无片内色差;有片内色差的电池片作为不合格品去除,不参与颜色分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510338135.3A CN106327463A (zh) | 2015-06-17 | 2015-06-17 | 太阳电池片的颜色识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510338135.3A CN106327463A (zh) | 2015-06-17 | 2015-06-17 | 太阳电池片的颜色识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106327463A true CN106327463A (zh) | 2017-01-11 |
Family
ID=57733077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510338135.3A Pending CN106327463A (zh) | 2015-06-17 | 2015-06-17 | 太阳电池片的颜色识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106327463A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709529A (zh) * | 2017-01-18 | 2017-05-24 | 河北工业大学 | 一种光伏电池色差分类的视觉检测方法 |
CN107185854A (zh) * | 2017-05-17 | 2017-09-22 | 河北工业大学 | 基于rgb通道的光伏电池片色差检测及颜色分类的算法 |
CN107346429A (zh) * | 2017-05-24 | 2017-11-14 | 上海电机学院 | 一种多晶电池片图像的颜色自动识别与分类方法 |
CN110672560A (zh) * | 2019-10-11 | 2020-01-10 | 天津英利新能源有限公司 | 一种光伏组件颜色分类方法及测试设备 |
CN116008848A (zh) * | 2023-02-03 | 2023-04-25 | 济南大学 | 一种色差技术在检测锂离子电池电极材料以及电极片状态上的应用 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0364257A (ja) * | 1989-08-02 | 1991-03-19 | Canon Inc | 画像処理装置 |
CN102313607A (zh) * | 2010-06-30 | 2012-01-11 | 中国航空工业集团公司沈阳发动机设计研究所 | 一种示温漆温变颜色的自动识别方法 |
CN102974551A (zh) * | 2012-11-26 | 2013-03-20 | 华南理工大学 | 一种基于机器视觉的多晶硅太阳能检测分选的方法 |
CN103456833A (zh) * | 2012-06-05 | 2013-12-18 | 无锡尚德太阳能电力有限公司 | 一种晶体硅太阳电池片分色和分类的方法 |
CN104574389A (zh) * | 2014-12-26 | 2015-04-29 | 康奋威科技(杭州)有限公司 | 基于彩色机器视觉的电池片色差分选控制方法 |
-
2015
- 2015-06-17 CN CN201510338135.3A patent/CN106327463A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0364257A (ja) * | 1989-08-02 | 1991-03-19 | Canon Inc | 画像処理装置 |
CN102313607A (zh) * | 2010-06-30 | 2012-01-11 | 中国航空工业集团公司沈阳发动机设计研究所 | 一种示温漆温变颜色的自动识别方法 |
CN103456833A (zh) * | 2012-06-05 | 2013-12-18 | 无锡尚德太阳能电力有限公司 | 一种晶体硅太阳电池片分色和分类的方法 |
CN102974551A (zh) * | 2012-11-26 | 2013-03-20 | 华南理工大学 | 一种基于机器视觉的多晶硅太阳能检测分选的方法 |
CN104574389A (zh) * | 2014-12-26 | 2015-04-29 | 康奋威科技(杭州)有限公司 | 基于彩色机器视觉的电池片色差分选控制方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709529A (zh) * | 2017-01-18 | 2017-05-24 | 河北工业大学 | 一种光伏电池色差分类的视觉检测方法 |
CN106709529B (zh) * | 2017-01-18 | 2020-04-14 | 河北工业大学 | 一种光伏电池色差分类的视觉检测方法 |
CN107185854A (zh) * | 2017-05-17 | 2017-09-22 | 河北工业大学 | 基于rgb通道的光伏电池片色差检测及颜色分类的算法 |
CN107185854B (zh) * | 2017-05-17 | 2019-05-14 | 河北工业大学 | 基于rgb通道的光伏电池片色差检测及颜色分类的算法 |
CN107346429A (zh) * | 2017-05-24 | 2017-11-14 | 上海电机学院 | 一种多晶电池片图像的颜色自动识别与分类方法 |
CN110672560A (zh) * | 2019-10-11 | 2020-01-10 | 天津英利新能源有限公司 | 一种光伏组件颜色分类方法及测试设备 |
CN116008848A (zh) * | 2023-02-03 | 2023-04-25 | 济南大学 | 一种色差技术在检测锂离子电池电极材料以及电极片状态上的应用 |
CN116008848B (zh) * | 2023-02-03 | 2024-02-13 | 济南大学 | 色差技术在检测锂离子电池电极材料以及电极片上的应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106327463A (zh) | 太阳电池片的颜色识别方法 | |
CN104715239B (zh) | 一种基于去雾处理和权重分块的车辆颜色识别方法 | |
CN106097368B (zh) | 一种单板裂缝的识别方法 | |
CN103985098B (zh) | 一种证件图像的高光去除方法及系统 | |
CN105466950A (zh) | 一种基于视觉的竹块在线检测方法及系统 | |
CN104574389A (zh) | 基于彩色机器视觉的电池片色差分选控制方法 | |
CN106057700B (zh) | 一种太阳能电池片的边红片的检测方法 | |
CN102184404B (zh) | 掌纹图像中手掌区域的获取方法及装置 | |
CN103778628A (zh) | 田间开放环境下的叶片病害程度获取方法及系统 | |
CN102034080A (zh) | 车辆颜色识别方法及装置 | |
CN103679146A (zh) | 基于高通滤波器和Hough变换的安全带智能检测方法 | |
CN104574307A (zh) | 一种绘画作品图像的主要颜色提取方法 | |
CN107346429A (zh) | 一种多晶电池片图像的颜色自动识别与分类方法 | |
CN103247049A (zh) | 一种smt焊点图像分割方法 | |
CN105701487A (zh) | 一种车标定位的方法 | |
CN107301401A (zh) | 一种多目标猕猴桃果实识别方法与图像获取装置 | |
CN107256549B (zh) | 一种基于机器视觉的竹条缺陷检测方法 | |
CN106570770A (zh) | 果园水肥一体化追肥量精准估算方法 | |
CN111985435A (zh) | 一种基于机器视觉的无人机水域监测巡航方法 | |
CN106558044A (zh) | 影像模组的解像力测量方法 | |
CN101546431B (zh) | 基于序列非线性滤波的遥感影像水体专题信息提取方法 | |
CN106023223A (zh) | 柑橘果实大小描述及分级方法 | |
CN101739678B (zh) | 物体阴影的检测方法 | |
CN105701816A (zh) | 一种图像自动分割方法 | |
CN105787955A (zh) | 一种带钢缺陷的稀疏分割方法及其分割装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170111 |