CN107133382B - 基于机器视觉的太阳能电池残片再利用的智能排样方法 - Google Patents

基于机器视觉的太阳能电池残片再利用的智能排样方法 Download PDF

Info

Publication number
CN107133382B
CN107133382B CN201710213800.5A CN201710213800A CN107133382B CN 107133382 B CN107133382 B CN 107133382B CN 201710213800 A CN201710213800 A CN 201710213800A CN 107133382 B CN107133382 B CN 107133382B
Authority
CN
China
Prior art keywords
line
search
rectangle
point
cutting
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.)
Expired - Fee Related
Application number
CN201710213800.5A
Other languages
English (en)
Other versions
CN107133382A (zh
Inventor
汪威
雷茜
李浩然
何小凡
孙黄江
张细刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hubei University of Technology
Original Assignee
Hubei University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hubei University of Technology filed Critical Hubei University of Technology
Priority to CN201710213800.5A priority Critical patent/CN107133382B/zh
Publication of CN107133382A publication Critical patent/CN107133382A/zh
Application granted granted Critical
Publication of CN107133382B publication Critical patent/CN107133382B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/50—Reuse, recycling or recovery technologies
    • Y02W30/82—Recycling of waste of electrical or electronic equipment [WEEE]

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于机器视觉的太阳能电池残片再利用的智能排样方法，根据太阳能硅片切割矩形尺寸的规格要求进行参数设置，设置需划分的规定规格的太阳能硅片的尺寸；采集电池残片图像，对采集到的图像进行一系列的预处理；对预处理的图像进行可利用划分区域；利用找到的矩形区域创建划分轮廓队列，即通过对最终得到的矩形区域轮廓进行分析，搜索到最优的激光切割轨迹。本发明可在残片的有效区域自动搜寻出满足要求的矩形区域并自动的创建出最佳的激光切割轨迹，搜寻速度快，对不同破碎程度的太阳能硅片均能处理，通用性强；经切割的矩形区域可作为新的太阳能硅片重新被利用，节约成本，利用率高。

Description

基于机器视觉的太阳能电池残片再利用的智能排样方法
技术领域
本发明涉及属于太阳能硅片切割领域，具体涉及一种基于机器视觉的太阳能电池残片再利用的智能排样方法。
背景技术
太阳能电池是一种把光能转化成电能的装置。它不仅安全清洁，还能够直接在需要用电的地方设置发电，这些特点使得太阳能在能源领域占着重要的战略地位。随着太阳能硅片向高效率、低成本和薄片化方向的发展，太阳能硅片制造工艺的要求日益提高，太阳能硅片变得越来越薄，在太阳能电池片生产过程及搬运等过程中，太阳能电池片极易破损，由于太阳能硅片本身具易碎性，因此破损几率大大增加，然而，现在对破损的太阳能硅片大多都是直接丢弃，因此，造成极大的浪费。
发明内容
本发明的目的是针对上述现状，旨在提供一种基于机器视觉的太阳能电池片残片再利用的智能排样方法。
本发明目的的实现方式为，基于机器视觉的太阳能电池残片再利用的智能排样方法，
第一步读取规格参数，创建参数队列
根据太阳能硅片切割矩形尺寸的规格要求进行参数设置，设置需划分的规定规格的太阳能硅片的尺寸；设置规定的切割矩形的长和宽、最短的栅格长度和栅条数，创建参数队列；
第二步对太阳能硅片进行图像采集：利用相机对破损的太阳能硅片进行拍照并存储；
第三步对采集到的图像预处理，预处理的具体步骤如下：
1)读取采集到的图像，通过阈值分割提取硅片大轮廓，然后通过开运算等形态学处理消除周围的噪点，排除干扰，得到感兴趣区域，即残片的大轮廓；
2)将提取的残片大轮廓进行增强处理，再通过阈值分割提取栅格，将提取到的栅格骨骼化，再经过Hough变换将处于同一条直线上的骨骼化的栅格合并，并拟合成一条直线，即栅线。
第四步对可利用划分区域进行矩形搜索，具体步骤如下：
1)按照规定的优先级顺序选择切割矩形的长和宽；
2)确定矩形的方向和中心搜索轨迹线，在搜索矩形之前需要确定矩形的方向和搜索路径。根据规格要求，将栅线的垂直方向作为矩形的长轴方向；栅极线需满足关于电池片中线对称的要求，不同规格的小电池片栅极线的条数不同。奇数条栅线，选取中间的栅极线作为矩形中心搜索轨迹线；偶数条栅线，选择中间两条栅线的对称线作为矩形中心搜索轨迹线。
3)确定起始搜索轨迹线，对于存在多条中心搜索轨迹线的情形，在两侧的两条搜索轨迹线中选取与残片区域交线较长的一条作为起始搜索轨迹线；
4)确定搜索区域，以步骤1)所选择定的矩形宽度作为宽，以搜索轨迹线与残片轮廓的交线作为长，创建一个矩形搜索区域；
5)确定搜索起始点与终止点，搜索起始点在搜索轨迹线与残片轮廓的交线两端点中选择；选取离包含在矩形搜索区域内的残片重心较近的一端作为搜索起始点，另一端点作为终止点；
6)矩形搜索，以步骤5)中的起始点截去矩形半高的那个点作为矩形的第一个中心点开始创建第一个矩形，先判断当前创建的矩形区域与可利用划分的电池片区域的交集来判断创建的矩形区域是否完全在可利用划分区域中；再判断当前矩形区域与栅格的交集部分的最大长度d与规定的最小长度m的大小；
7)调整搜索步长，若步骤6)中创建的矩形区域中的电池片有破损现象，则提取出破损的区域，将破损区域上的每个点投影到矩形的中心线上，在中心线上生成一条长为t的线段，将搜索中心点向搜寻的方向平移t个步长继续创建矩形；
若步骤6)中创建的矩形区域与栅格的交集部分的最大长度d小于m，将搜索中心点向搜索的方向平移m－d个步长继续创建矩形。直到均符合要求为止，继续下一步；
8)保存创建合格的矩形，将步骤3)中选取的那条中心线上创建的所有矩形都保存在一个空区域中，并将这条中心线上的这些矩形从可利用划分区域中划去。返回步骤3)，继续在下一条中心线上创建矩形区域；
9)创建下一优先级的矩形，当当前尺寸的矩形在其所有的中心搜索轨迹线上都创建完成后，返回步骤1)，继续下一个尺寸的矩形区域的创建；
10)结束矩形的搜索。当所有尺寸的矩形都创建完成后，结束搜索；
第五步生成切割线
1)生成直线，将第四步中保存的创建的所有矩形区域显示出来，提取这些矩形的所有长和宽，把它们都延伸为一条条与电池片两边缘都相交的直线。再求取生成的所有直线与电池片轮廓的交线，将在轮廓边缘外的直线段部分除去；
2)将直线中穿过矩形内部的线段去掉；将所有的矩形进行腐蚀处理，腐蚀的宽度为1～3mm，求取所有腐蚀后的矩形区域与步骤1)中所得到的直线段的交线，将求取的交线从直线段上去掉；
3)将直线段上多余的切割线段去掉，删去在剩余的直线段上的有些没必要切割的线段；将所有的矩形进行膨胀处理，膨胀的宽度为1～3mm；求取所有膨胀的矩形区域与直线段相交的线段的长度，判断这些长度与膨胀的宽度的大小，找出所有小于膨胀的宽度的线段，并找出该线段所在的直线段，将这些直线段去掉；得到的剩下的直线段就是最终的切割线。
第六步优化切割路径
将第五步中得到的所有的切割线的首尾坐标求出来，找到离原点最近的一个坐标点为切割起始点，该点所在的直线段为第一条切割线；再找到与第一条切割线的末尾点最近的一个点作为第二条切割线的起始点，该点所在的直线段为第二条切割线；再找到与第二条切割线的末尾点最近的一个点作为第三条切割线的起始点，该点所在的直线段为第三条切割线；以此类推，得到优化的切割路径。
本发明具有如下有益效果：
1、将破损的太阳能硅片进行重复利用，节约成本，提高利用率；
2、对不同破碎程度的太阳能硅片均能进行自动处理，使得每一片硅片都可以最大限度地被利用，进一步提高了太阳能硅片的利用率；
3、可以适用于各种损坏程度不同的太阳能硅片，通用性好；
4、从创建矩形区域到切割路径规划均是自动实现，自动化程度高。
附图说明
图1为本发明流程图，
图2为可利用划分区域流程图。
具体实施方式
本发明能提高太阳能硅片的利用率。当较大尺寸规格的电池片存在破损时，可以在未破损区域重新划分并切割出较小尺寸规格的电池片，从而达到充分利用残片的目的。由于残片的破损形式千差万别，需要不同的划分方案与其相适应。因此采用机器视觉技术方案，实现对残片的智能划分。划分的条件包括：
1、划分的尺寸规格如(长×宽)：156mm×78mm、78mm×52mm、52mm×39mm、52mm×31.2mm、52mm×26mm等；
2、划分的矩形区域必须包含栅线，包含的栅线条数，如有一条、两条、三条、四条和五条等。
3、划分的矩形区域必须达到最短的留栅极长m，如3；
4、划分的矩形区域的中心线应为栅线或者栅线的对称线。
下面参照附图详述本发明。
参照图1、2，本发明的具体步骤如下：
第一步读取规格参数，创建参数队列
根据太阳能硅片切割矩形尺寸的规格要求进行参数设置，设置需划分的规定规格的太阳能硅片的尺寸；设置规定的切割矩形的长和宽、最短的栅格长度和栅条数，创建参数队列。
所述根据太阳能硅片切割矩形尺寸的规格要求进行参数设置，设置需划分的规定规格的太阳能硅片的尺寸：设置规定的切割矩形的长a，如156mm,78mm,52mm,52mm,52mm和宽b，如78mm,52mm,39mm,31.2mm,26mm，以及最短的栅格长度m，如3和栅条数n，如1,2,3,4,5，按照规定的优先级的顺序先设置第一优先级的长和宽，以及其包含的栅极线条数n，以此类推。
第二步对太阳能硅片进行图像采集：利用相机对破损的太阳能硅片进行拍照并存储。
第三步对采集到的图像预处理，预处理的具体步骤如下：
1)读取采集到的图像，通过阈值分割提取硅片大轮廓，然后通过开运算等形态学处理消除周围的噪点，排除干扰，得到感兴趣区域，即残片的大轮廓；
2)将提取的残片大轮廓进行增强处理，再通过阈值分割提取栅格，将提取到的栅格骨骼化，再经过Hough变换将处于同一条直线上的骨骼化的栅格合并，并拟合成一条直线，即栅线。
第四步对第三步预处理的图像进行可利用划分区域，即在太阳能硅片上最大限度的搜索到所有满足规格和条件的矩形区域，具体步骤如下：
1)按照规定的优先级顺序选择切割矩形的长a和宽b。
2)确定矩形的方向和中心搜索轨迹线。在搜索矩形之前需要确定矩形的方向和搜索路径。根据规格要求，将栅线的垂直方向作为矩形的长轴方向；栅极线需满足关于电池片中线对称的要求，不同规格的小电池片栅极线的条数不同。奇数条栅线，选取中间的栅极线作为矩形中心搜索轨迹线；偶数条栅线，选择中间两条栅线的对称线作为矩形中心搜索轨迹线。设中心搜索轨迹线(线段)的首尾两点坐标为：首点Ps[us,vs]；尾点Pe[ue,ve]，则可得到中心搜索轨迹线P[u,v]的直线段方程为：
Figure BDA0001261689910000051
3)确定起始搜索轨迹线。对于存在多条中心搜索轨迹线的情形，在两侧的两条搜索轨迹线中选取与残片区域交线较长的一条作为起始搜索轨迹线。
4)确定搜索区域。以步骤1)所选择定的矩形宽度作为宽，以搜索轨迹线与残片轮廓的交线作为长，创建一个矩形搜索区域。
5)确定搜索起始点与终止点。搜索起始点在搜索轨迹线与残片轮廓的交线两端点中选择(为了加快搜索，两端截去矩形半高)。选取离包含在矩形搜索区域内的残片重心较近的一端作为搜索起始点，另一端点作为终止点。其中，重心的坐标公式为：
Figure BDA0001261689910000052
其中，图像灰度表示为：f(i,j)，i＝1,2,…，M；j＝1,2,…,N。
6)矩形搜索。以步骤5)中的起始点截去矩形半高的那个点作为矩形的第一个中心点开始创建第一个矩形，先判断当前创建的矩形区域与可利用划分的电池片区域的交集来判断创建的矩形区域是否完全在可利用划分区域中；再判断当前矩形区域与栅格的交集部分的最大长度d与规定的最小长度m的大小；
7)调整搜索步长。若6)中创建的矩形区域中的电池片有破损的现象，则提取出破损的区域，将破损区域上的每个点投影到矩形的中心线上，在中心线上生成一条长为t的线段(点集)，将搜索中心点向搜寻的方向平移t个步长继续创建矩形；若6)中创建的矩形区域与栅格的交集部分的最大长度d小于m，将搜索中心点向搜索的方向平移m－d个步长继续创建矩形。直到均符合要求为止，继续下一步；其中，投影到中心线上的点集的坐标的公式如下：
已知破损区域边缘轮廓上的每个像素点的坐标为Ck[u0,v0](k＝1,2，…，破损区域的像素点的总个数)，将Ck[u0,v0]上每个点投影到中心搜索轨迹线P[u,v]上的所有像素点坐标点集为C′k[u′,v′]，则有
Figure BDA0001261689910000063
可得投影在中心搜索轨迹线上的坐标点的点集C′k[u′,v′]为：
Figure BDA0001261689910000061
Figure BDA0001261689910000062
设得到的点集C′k[u′,v′]中所有坐标中的首尾点坐标为：首点C′s[u′s,v′s]，尾点C′e[u′e,v′e]，中心搜索轨迹线段的总长为L，若有多条投影线段，则从每条投影线段的首尾点处将中心搜索轨迹线进行分段，按顺序排列得到投影的线段的长度为[L1,L2,…,LZ]，其中，设
Figure BDA0001261689910000064
Z为投影的线段的总个数。求除去掉所有投影的线段的差集L-L′＝L″，L″即为非投影段的其余中心搜索轨迹线段，得到L″的每段的长度为[L″1,L″2,…,L″w]，分别判断[L″1,L″2,…,L″w]与当前搜索矩形宽度b的大小，将[L″1,L″2,…,L″w]中小于b的线段去掉，保留下来的线段则是可以搜索到矩形的中心搜索轨迹线段。
8)保存创建的合格的矩形轮廓。将3)中选取的那条中心线上创建的所有矩形都保存在一个空区域中，并将这条中心线上的这些矩形从可利用划分区域中划去。返回步骤3)，继续在下一条中心线上创建矩形区域；
9)创建下一优先级的矩形。当当前尺寸的矩形在其所有的中心搜索轨迹线上都创建完成后，返回步骤1)，继续下一个尺寸的矩形区域的创建。
10)结束矩形的搜索。当所有尺寸的矩形都创建完成后，结束搜索。
第五步生成切割线
1)生成直线。将第四步中保存的创建的所有矩形区域显示出来，提取这些矩形的所有长和宽，把它们都延伸为一条条与电池片两边缘都相交的直线。再求取生成的所有直线与电池片轮廓的交线，将在轮廓边缘外的直线段部分除去。
2)将直线中穿过矩形内部的线段去掉。将所有的矩形进行腐蚀处理(腐蚀的宽度如1～3mm)，求取所有腐蚀后的矩形区域与步骤1)中得到的直线段的交线，将求取的交线从直线段上去掉。
3)将直线段上多余的切割线段去掉。删去在剩余的直线段上的有些没必要去切割的线段，将所有的矩形进行膨胀处理，膨胀的宽度，如1～3mm，求取所有膨胀的矩形区域与直线段相交的线段的长度，判断这些长度与膨胀的宽度的大小，找出所有小于膨胀的宽度的线段，并找出该线段所在的直线段，将这些直线段去掉。得到的剩下的直线段就是最终的切割线。
第六步优化切割路径
将第五步中得到的所有的切割线的首尾坐标求出来，找到离原点最近的一个坐标点为切割起始点，该点所在的直线段为第一条切割线，再找到与第一条切割线的末尾点最近的一个点作为第二条切割线的起始点，该点所在的直线段为第二条切割线，再找到与第二条切割线的末尾点最近的一个点作为第三条切割线的起始点，该点所在的直线段为第三条切割线，以此类推，就得到了优化的切割路径。

Claims (4)

1.基于机器视觉的太阳能电池残片再利用的智能排样方法，其特征在于：具体步骤如下：
第一步读取规格参数，创建参数队列
根据太阳能硅片切割矩形尺寸的规格要求进行参数设置，设置需划分的规定规格的太阳能硅片的尺寸；设置规定的切割矩形的长和宽、最短的栅格长度和栅条数，创建参数队列；
第二步对太阳能硅片进行图像采集：利用相机对破损的太阳能硅片进行拍照并存储；
第三步对采集到的图像预处理，预处理的具体步骤如下：
1)读取采集到的图像，通过阈值分割提取硅片大轮廓，然后通过形态学处理消除周围的噪点，排除干扰，得到感兴趣区域，即残片的大轮廓；
2)将提取的残片大轮廓进行增强处理，再通过阈值分割提取栅格，将提取到的栅格骨骼化，再经过Hough变换将处于同一条直线上的骨骼化的栅格合并，并拟合成一条直线，即栅线；
第四步对可利用划分区域进行矩形搜索，具体步骤如下：
1)按照规定的优先级顺序选择切割矩形的长和宽；
2)确定矩形的方向和中心搜索轨迹线，在搜索矩形之前需要确定矩形的方向和搜索路径；根据规格要求，将栅线的垂直方向作为矩形的长轴方向；栅极线需满足关于电池片中线对称的要求；
3)确定起始搜索轨迹线，对于存在多条中心搜索轨迹线的情形，在两侧的两条搜索轨迹线中选取与残片区域交线较长的一条作为起始搜索轨迹线；
4)确定搜索区域，以步骤1)所选择定的矩形宽度作为宽，以搜索轨迹线与残片轮廓的交线作为长，创建一个矩形搜索区域；
5)确定搜索起始点与终止点，搜索起始点在搜索轨迹线与残片轮廓的交线两端点中选择；
6)矩形搜索，以步骤5)中的起始点截去矩形半高的那个点作为矩形的第一个中心点开始创建第一个矩形，先判断当前创建的矩形区域与可利用划分的电池片区域的交集来判断创建的矩形区域是否完全在可利用划分区域中；再判断当前矩形区域与栅格的交集部分的最大长度d与规定的最小长度m的大小，若d小于m，将搜索中心点向搜索的方向平移m－d个步长继续创建矩形；
7)调整搜索步长，若步骤6)中创建的矩形区域中的电池片有破损现象，则提取出破损的区域，将破损区域上的每个点投影到矩形的中心线上，在中心线上生成一条长为t的线段，将搜索中心点向搜寻的方向平移t个步长继续创建矩形，直到均符合要求为止；
8)保存创建合格的矩形，将步骤3)中选取的那条中心线上创建的所有矩形都保存在一个空区域中，并将这条中心线上的这些矩形从可利用划分区域中划去；返回步骤3)，继续在下一条中心线上创建矩形区域；
9)创建下一优先级的矩形，当当前尺寸的矩形在其所有的中心搜索轨迹线上都创建完成后，返回步骤1)，继续下一个尺寸的矩形区域的创建；
10)结束矩形的搜索；当所有尺寸的矩形都创建完成后，结束搜索；
第五步生成切割线
1)生成直线，将第四步中保存的创建的所有矩形区域显示出来，提取这些矩形的所有长和宽，把它们都延伸为一条条与电池片两边缘都相交的直线；再求取生成的所有直线与电池片轮廓的交线，将在轮廓边缘外的直线段部分除去；
2)将直线中穿过矩形内部的线段去掉；将所有的矩形进行腐蚀处理，腐蚀的宽度为1～3mm，求取所有腐蚀后的矩形区域与步骤1)中所得到的直线段的交线，将求取的交线从直线段上去掉；
3)将直线段上多余的切割线段去掉，删去在剩余的直线段上的没必要切割的线段；将所有的矩形进行膨胀处理，膨胀的宽度为1～3mm；求取所有膨胀的矩形区域与直线段相交的线段的长度，判断这些长度与膨胀的宽度的大小，找出所有小于膨胀的宽度的线段，并找出该线段所在的直线段，将这些直线段去掉；得到的剩下的直线段就是最终的切割线；
第六步优化切割路径
将第五步中得到的所有的切割线的首尾坐标求出来，找到离原点最近的一个坐标点为切割起始点，该点所在的直线段为第一条切割线；再找到与第一条切割线的末尾点最近的一个点作为第二条切割线的起始点，该点所在的直线段为第二条切割线；再找到与第二条切割线的末尾点最近的一个点作为第三条切割线的起始点，该点所在的直线段为第三条切割线；以此类推，得到优化的切割路径。
2.如权利要求1所述的基于机器视觉的太阳能电池残片再利用的智能排样方法，其特征在于：第一步所述根据太阳能硅片切割矩形尺寸的规格要求进行参数设置，设置需划分的规定规格的太阳能硅片的尺寸：设置规定长a，宽b，最短的栅格长度m和栅条数n的切割矩形栅格；
其中长a为156mm、78mm、52mm、52mm和52mm；宽b为78mm、52mm、39mm、31.2mm和26mm；栅条数n为1、2、3、4和5；按照规定的优先级的顺序先设置第一优先级的长和宽，以及其包含的栅极线条数n，直至栅格设置完毕。
3.如权利要求1所述的基于机器视觉的太阳能电池残片再利用的智能排样方法，其特征在于：第四步2)中栅极线需满足关于电池片中线对称的要求，奇数条栅线，选取中间的栅极线作为矩形中心搜索轨迹线；偶数条栅线，选择中间两条栅线的对称线作为矩形中心搜索轨迹线。
4.如权利要求1所述的基于机器视觉的太阳能电池残片再利用的智能排样方法，其特征在于：第四步步骤5)中搜索起始点在搜索轨迹线与残片轮廓的交线两端点中选择，选取离包含在矩形搜索区域内的残片重心较近的一端作为搜索起始点，另一端点作为终止点。
CN201710213800.5A 2017-04-01 2017-04-01 基于机器视觉的太阳能电池残片再利用的智能排样方法 Expired - Fee Related CN107133382B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710213800.5A CN107133382B (zh) 2017-04-01 2017-04-01 基于机器视觉的太阳能电池残片再利用的智能排样方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710213800.5A CN107133382B (zh) 2017-04-01 2017-04-01 基于机器视觉的太阳能电池残片再利用的智能排样方法

Publications (2)

Publication Number Publication Date
CN107133382A CN107133382A (zh) 2017-09-05
CN107133382B true CN107133382B (zh) 2020-07-10

Family

ID=59716281

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710213800.5A Expired - Fee Related CN107133382B (zh) 2017-04-01 2017-04-01 基于机器视觉的太阳能电池残片再利用的智能排样方法

Country Status (1)

Country Link
CN (1) CN107133382B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107490584B (zh) * 2017-09-16 2020-06-09 河北工业大学 一种太阳能电池片el测试断栅缺陷检测方法
CN109145279B (zh) * 2018-08-07 2021-07-20 燕山大学 一种基于重心居中的二维轮廓排样方法
CN109856051A (zh) * 2019-01-30 2019-06-07 广州市载道信息科技有限公司 一种图像色彩采集装置
CN110600587B (zh) * 2019-10-08 2020-12-18 安徽图算智能科技有限公司 一种太阳能电池片智能切割方法及切割系统
CN114373832B (zh) * 2021-12-30 2024-08-20 中润光能科技(徐州)有限公司 一种太阳能电池预切割区域智能化标记系统及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103617317A (zh) * 2013-11-26 2014-03-05 Tcl集团股份有限公司 智能3d模型的自动布局方法和系统
CN103753715A (zh) * 2014-01-23 2014-04-30 英利能源（中国）有限公司 一种倒角不合格硅块再利用的加工方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103617317A (zh) * 2013-11-26 2014-03-05 Tcl集团股份有限公司 智能3d模型的自动布局方法和系统
CN103753715A (zh) * 2014-01-23 2014-04-30 英利能源（中国）有限公司 一种倒角不合格硅块再利用的加工方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Heuristic and genetic approach for nesting of two-dimensional rectangular shaped parts with common cutting edge concept for laser cutting and profile blanking processes ";K.Vijay Anand.et al.;《Computers & Industrial Engineering》;20141127;第112-123页 *
"单规格一刀切矩形排样问题的启发式搜索算法";王磊 等;《软件学报》;20170731;第28卷(第7期);第1642-1652页 *

Also Published As

Publication number Publication date
CN107133382A (zh) 2017-09-05

Similar Documents

Publication Publication Date Title
CN107133382B (zh) 基于机器视觉的太阳能电池残片再利用的智能排样方法
CN107727662B (zh) 一种基于区域生长算法的电池片el黑斑缺陷检测方法
CN106599915B (zh) 一种车载激光点云分类方法
CN109120230B (zh) 一种太阳能电池片el图像检测和缺陷识别方法
CN110610483A (zh) 裂纹图像获取、检测方法、计算机设备及可读存储介质
CN115690823B (zh) 电气图纸中带有毛刺特征的表格信息提取方法及装置
CN109697717A (zh) 一种基于图像自动搜索的衬砌裂缝识别方法
CN109191438A (zh) 一种用于激光异物清除器的异物识别方法
CN112330592A (zh) 风机叶片缺陷检测方法和装置、存储介质
CN114549393B (zh) 图像标注方法、装置、设备及计算机存储介质
CN114241158A (zh) 基于风机点云数据的部件识别方法、装置、设备及介质
CN117895898A (zh) 一种光伏短路与阴影故障识别方法与系统
Ahan et al. AI-assisted cell-level fault detection and localization in solar PV electroluminescence images
CN113256594A (zh) 基于区域特征度量学习的小样本模型生成及焊缝检测方法
CN117372895A (zh) 基于无人机智能巡检采集的光伏el组件缺陷检测方法
Ibrahem et al. Weakly supervised traffic sign detection in real time using single CNN architecture for multiple purposes
CN102819738A (zh) 基于OpenMP多线程架构的车牌识别系统
CN115082455A (zh) 基于深度学习的红外图像中光伏组件定位和缺陷检测方法
CN115797588A (zh) 一种基于室内表面网格(Mesh)数据的BIM实体墙建模方法
Li et al. Improved YOLOv5 algorithm for surface defect detection of solar cell
CN114219823A (zh) 一种房顶光伏分布影像的提取方法及计算机设备
CN110728688B (zh) 一种基于能量优化的三维网格模型分割方法及系统
CN114092838A (zh) 一种基于深度学习目标检测的光伏缺陷检测方法
CN114387466A (zh) 一种太阳能电池片色差检测方法及系统
CN113901968A (zh) 一种基于机器学习的铁路点云特征提取方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200710