CN107185854A - 基于rgb通道的光伏电池片色差检测及颜色分类的算法 - Google Patents
基于rgb通道的光伏电池片色差检测及颜色分类的算法 Download PDFInfo
- Publication number
- CN107185854A CN107185854A CN201710345329.5A CN201710345329A CN107185854A CN 107185854 A CN107185854 A CN 107185854A CN 201710345329 A CN201710345329 A CN 201710345329A CN 107185854 A CN107185854 A CN 107185854A
- Authority
- CN
- China
- Prior art keywords
- color
- image
- photovoltaic cell
- rgb
- classification
- 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.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C2301/00—Sorting according to destination
- B07C2301/0008—Electronic Devices, e.g. keyboard, displays
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Abstract
本发明提供了一种基于RGB通道的光伏电池片色差检测及颜色分类的算法,该算法对采集的每一帧图像进行预处理,即进行阈值分析、边缘检测、仿射变换,再将目标图像分为4*4块,可实现光伏电池目标图像的获取;计算目标图像的RGB‑B通道颜色一阶矩,将RGB‑B通道颜色一阶矩量化为六段作为分类区间,设置临界分类点邻域,计算各图像之间的颜色一阶矩差值,可实现光伏电池色差的检测即光伏电池级别的判定;若RGB‑B通道颜色一阶矩在临界分类点邻域内,生成每块图像的颜色直方图,计算图像颜色一阶矩在对应类区间的概率值,计算颜色直方图的峰值对应类区间占整幅图像所有像素点数的比例值,比较上述概率值和比例值,可实现光伏电池颜色等级的最终分选。
Description
技术领域
本发明涉及光伏电池片分选技术领域,尤其涉及一种基于RGB通道的光伏电池片色差检测及颜色分类的算法。
背景技术
当前,由于环境逐渐恶化,能源不断枯竭,使得以太阳能光伏发电等可再生清洁能源的发展潮流势不可挡,我国光伏发电的形势更是空前大好。光伏发电的效率和品质正在不断提升,成本也在持续稳定下降。但光伏电池的生产工艺过程复杂,由于电池镀膜工艺会导致生产出的电池片颜色各异,在行业内被称之为电池片颜色色差,之后将这些颜色不一的电池片焊接在一块组件上也会影响组件整体外观。现阶段国内对光伏电池片色差检测及颜色分类主要依靠人工肉眼进行识别,降低了分选的效率和准确性。正因为如此,提高光伏电池产品质量的一致性、建立色差检测和颜色分选的客观评价标准具有很重要的现实意义
目前,现有技术中针对颜色的分类不够精准,影响组件颜色一致性,降低了组件光电的转换效率。
所以,如何提供一种基于RGB通道的光伏电池片色差检测及颜色分类的算法,提高光伏电池产品质量的一致性、建立色差检测和分选的客观评价标准具有很重要的现实意义,是目前本领域技术人员亟待解决的技术问题,对于光伏产业具有很大的应用前景。
发明内容
有鉴于此,本发明提供了一种基于RGB通道的光伏电池片色差检测及颜色分类的算法,解决现有技术中存在的问题,具体方案如下:
一种基于RGB通道的光伏电池片色差检测及颜色分类的算法,包括如下步骤,
第一步:图像预处理
1-1、图像的获取与保存;
1-2、图像边缘检测,在步骤1-1的基础上,根据图像阈值提取光伏电池的边缘图像;
1-3、图像判空,在步骤1-2的基础上,提取有效的边缘图像;
1-4、图像分割,在步骤1-3的基础上,对有效的边缘图像进行方块分割;
第二步:光伏电池色差检测即级别的判定
2-1、图像颜色一阶矩的计算,根据设定的分类机制,计算步骤1-4中分割的各方块图像的RGB-B通道颜色一阶矩;
2-2、色差检测级别的判定,计算步骤2-1中所述各方块图像的RGB-B通道颜色一阶矩差值,所述一阶矩差值与客户提供的数据的分析值A进行对比,如不超过所述分析值A则不存在色差判定为A级,如超过所述分析值A则存在色差直接判定为不合格;
第三步:光伏电池颜色分类
3-1、分类区间的判断,在步骤2-2判定为A级片的基础上,确定A级片的RGB-B通道颜色一阶矩是否处于分类区间的临界分类点邻域内,若A级片图像的RGB-B通道颜色一阶矩处于临界分类点邻域外,则直接对应分类区间进行分类,否则则进行后续步骤;
3-2、颜色直方图的获取,在步骤3-1的基础上,生成处于临界值邻域范围内图像的颜色直方图,获取RGB-B通道颜色一阶矩和峰值;
3-3、光伏电池颜色分类,在步骤3-2的基础上,根据分类区间,计算图像RGB-B通道颜色一阶矩在所对应类区间的概率值,计算颜色直方图的峰值对应类区间占整幅图像所有像素点数的比例值,比较所述概率值与所属比例值,按照数值大者对应归类。
具体的,在所述步骤2-1中的分类机制为,
根据RGB颜色空间的特征,将RGB-B通道颜色一阶矩量化为六个区间段,所述区间段分别为LP:174-193;LL:155-174;LQ:136-155;LZ:117-136;LS:98-117;R6:79-98,获取各区间临界分类点为:LP-LL:174;LL-LQ:155;LQ-LZ:136;LZ-LS:117;LS-R6:98,定义临界分类点邻域为[3,3]。
具体的,所述方块分割为4*4。
具体的,所述分析值为38。
优选的,所述步骤1-1中,利用CCD智能相机传感器获取光伏电池图像并将其保存在数据库中。
具体的,本算法适用于156mm*156mm*0.1mm规格光伏电池。
本发明提供的分选光伏电池片的算法,对采集的每一帧图像进行预处理,即进行阈值分析、边缘检测、仿射变换,再将目标图像分为4*4块,可实现光伏电池目标图像的获取;计算目标图像的RGB-B通道颜色一阶矩,将RGB-B通道颜色一阶矩量化为六段作为分类区间,设置临界分类点邻域,计算各图像之间的颜色一阶矩差值,可实现光伏电池色差检测即级别的判定;若RGB-B通道颜色一阶矩在临界分类点邻域内,生成每块图像的颜色直方图,计算图像颜色一阶矩在对应类区间的概率值,计算颜色直方图的峰值(在RGB空间下,B分量值所对应的最大像素点对应类区间的像素个数)占整幅图像所有像素点数的比例值,比较上述概率值和比例值,可实现光伏电池颜色的最终分选。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的算法流程图。
具体实施方式
下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照附图1所示,本发明型设计的光伏电池色差分类的算法主要应用于工业现场,光伏电池的分类。分类算法充分适应现场情况,对图像预处理后的标准图像提取所需的颜色特征,通过建立的颜色分类机制进行分类,该算法的具体步骤是:
第一步:图像预处理
1-5图像获取与保存:利用CCD智能相机传感器获取光伏电池图像并将其保存在数据库中;
1-6图像边缘检测:在步骤1-1的基础上,根据图像阈值提取光伏电池的边缘图像;
1-7图像判空:在步骤1-2的基础上,提取有效的边缘图像;
1-8图像分割:在步骤1-3的基础上,对有效边缘图像按照4*4进行分割;
第二步:光伏电池色差检测即级别的判定
2-4分类机制的建立:根据RGB颜色空间的特征,将RGB-B通道颜色一阶矩量化为六个区间段,由下限值79到上限值193,设置临界分类点邻域值为3;
2-5图像颜色一阶矩的计算:在步骤2-1的基础上,计算分割的16块图像的RGB-B通道颜色一阶矩;
2-6图像所含类别数的计算:在步骤2-2的基础上,计算16块图像的颜色一阶矩差值,根据差值小于19即只有一类,超过19小于38即为两类,超过38即多于两类,得出光伏电池目标图像是否存在色差是否属于A级(目标图像包含两类及两类以下的颜色);
第三步:光伏电池颜色分类
3-4分类区间的判断:在步骤2-3的基础上,确定A级片的RGB-B通道颜色一阶矩是否处于分类区间的临界分类点邻域内,若图像的RGB-B通道颜色一阶矩处于临界分类点邻域外,则直接对应分类区间进行分类;
3-5颜色直方图的获取:在步骤3-1的基础上,生成处于临界值邻域范围内图像的颜色直方图,获取RG B-B通道颜色一阶矩和峰值;
3-6光伏电池颜色分类:在步骤3-2的基础上,根据分类区间,若处于临界值邻域范围内的颜色一阶矩在同一分类区间段,则直接归类。否则计算图像RGB-B通道颜色一阶矩在所对应类区间的概率值,计算颜色直方图的峰值(在RGB空间下,B分量值所对应的最大像素点对应类区间的像素个数)占整幅图像所有像素点数的比例值,比较上述概率值与比例值,按照数值大者对应归类;
本发明算法的进一步特征在于所述光伏电池长156mm,宽156mm,厚0.1mm,颜色有一定的差异。
本发明算法的进一步特征在于所述图像RGB-B通道颜色一阶矩的计算,分类区间的界定,图像级别的判定。
RGB-B通道颜色一阶矩U3,U3的计算公式为:
根据RGB颜色空间特征将B通道的颜色一阶矩量化,分为六个区间。六个区间分别定义为LP、LL、LQ、LZ、LS以及R6,量化区间为:LP:174-193;LL:155-174;LQ:136-155;LZ:117-136;LS:98-117;R6:79-98
获取各区间临界分类点为:LP-LL:174;LL-LQ:155;LQ-LZ:136;LZ-LS:117;LS-R6:98;定义临界分类点邻域为[3,3]。
计算4*4各图像RGB-B通道颜色一阶矩差值Ti,存在Ti大于38则存在色差不是A级片,否则不存在色差判定该光伏电池为A级片。
本发明型算法的进一步特征在于所述图像RGB-B通道颜色一阶矩所处分类区间的判断,获取颜色直方图和颜色分类。
将得到的A级片进行分类,图像RGB-B通道颜色一阶矩不处于临界分类点邻域内,直接对应六类区间进行分类;获取处于临界分类点邻域内的图像的颜色直方图,获取图像RGB-B通道颜色一阶矩和峰值。
根据分类区间,在A级片中,若处于临界值领域范围内的颜色一阶矩同处在同一分类区间段,则直接归类;否则计算颜色一阶矩在所对应类的区间内的概率值p1,p1的计算公式为:
计算颜色直方图中峰值对应类区间占所有像素点数的比例值p2,p2的计算公式为:
比较p1和p2,取较大者所对应的类为最终的判定结果。
本发明型设计的光伏电池色差检测及颜色分类的算法主要应用于工业现场,光伏电池的分类。分类算法充分适应现场情况,对图像预处理后的标准图像提取RGB-B通道颜色一阶矩,进行色差判定即初步的光伏电池级别判定。通过获取图像的颜色直方图,计算颜色一阶矩在所对应类区间的概率值,计算颜色直方图的峰值对应类区间占整幅图像中所有像素点数的比例值,通过比较两个值取较大者对应进行分类,从而避免RGB-B通道颜色一阶矩处于临界值邻域范围内的图像的分类出现误差。对获得的图像进行上述步骤的处理,最终实现将光伏电池的色差检测并按颜色进行准确分类。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (6)
1.一种基于RGB通道的光伏电池片色差检测及颜色分类的算法,其特征在于:包括如下步骤,
第一步:图像预处理
1-1、图像的获取与保存;
1-2、图像边缘检测,在步骤1-1的基础上,根据图像阈值提取光伏电池的边缘图像;
1-3、图像判空,在步骤1-2的基础上,提取有效的边缘图像;
1-4、图像分割,在步骤1-3的基础上,对有效的边缘图像进行方块分割;
第二步:光伏电池色差检测即级别的判定
2-1、图像颜色一阶矩的计算,根据设定的分类机制,计算步骤1-4中分割的各方块图像的RGB-B通道颜色一阶矩;
2-2、色差检测即级别的判定,计算步骤2-1中所述各方块图像的RGB-B通道颜色一阶矩差值,所述一阶矩差值与客户提供的数据的分析值A进行对比,如不超过所述分析值A则不存在色差,判定为A级,如超过所述分析值A则存在色差直接判定为不合格;
第三步:光伏电池颜色分类
3-1、分类区间的判断,在步骤2-2判定为A级片的基础上,确定A级片的RGB-B通道颜色一阶矩是否处于分类区间的临界分类点邻域内,若A级片图像的RGB-B通道颜色一阶矩处于临界分类点邻域外,则直接对应分类区间进行分类,否则进行后续步骤;
3-2、颜色直方图的获取,在步骤3-1的基础上,生成处于临界值邻域范围内图像的颜色直方图,获取RGB-B通道颜色一阶矩和峰值;
3-3、光伏电池颜色分类,在步骤3-2的基础上,根据分类区间,计算图像RGB-B通道颜色一阶矩在所对应类区间的概率值,计算颜色直方图的峰值对应类区间占整幅图像所有像素点数的比例值,比较所述概率值与所属比例值,按照数值大者对应归类。
2.根据权利要求1所述的基于RGB通道的光伏电池片色差检测及颜色分类的算法,其特征在于:在所述步骤2-1中的分类机制为,
根据RGB颜色空间的特征,将RGB-B通道颜色一阶矩量化为六个区间段,所述区间段分别为LP:174-193;LL:155-174;LQ:136-155;LZ:117-136;LS:98-117;R6:79-98,获取各区间临界分类点为:LP-LL:174;LL-LQ:155;LQ-LZ:136;LZ-LS:117;LS-R6:98,定义临界分类点邻域为[3,3]。
3.根据权利要求2所述的基于RGB通道的光伏电池片色差检测及颜色分类的算法,其特征在于:所述方块分割为4*4。
4.根据权利要求3所述的基于RGB通道的光伏电池片色差检测及颜色分类的算法,其特征在于:所述分析值为38。
5.根据权利要求1-4任一项所述的基于RGB通道的光伏电池片色差检测及颜色分类的算法,其特征在于:所述步骤1-1中,利用CCD智能相机传感器获取光伏电池图像并将其保存在数据库中。
6.根据权利要求5所述的基于RGB通道的光伏电池片色差检测及颜色分类的算法,其特征在于:本算法适用于156mm*156mm*0.1mm规格光伏电池。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710345329.5A CN107185854B (zh) | 2017-05-17 | 2017-05-17 | 基于rgb通道的光伏电池片色差检测及颜色分类的算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710345329.5A CN107185854B (zh) | 2017-05-17 | 2017-05-17 | 基于rgb通道的光伏电池片色差检测及颜色分类的算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107185854A true CN107185854A (zh) | 2017-09-22 |
CN107185854B CN107185854B (zh) | 2019-05-14 |
Family
ID=59873634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710345329.5A Active CN107185854B (zh) | 2017-05-17 | 2017-05-17 | 基于rgb通道的光伏电池片色差检测及颜色分类的算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107185854B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133475A (zh) * | 2017-12-22 | 2018-06-08 | 西安烽火电子科技有限责任公司 | 一种局部聚焦模糊图像的检测方法 |
CN108304878A (zh) * | 2018-02-05 | 2018-07-20 | 河北工业大学 | 一种基于色差直方图与DAG-SVMs的光伏电池片颜色分类算法 |
CN110503111A (zh) * | 2019-08-23 | 2019-11-26 | 江苏方天电力技术有限公司 | 一种基于rgb色彩模式的用电异常行为可视化监控方法 |
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 |
CN110721928A (zh) * | 2019-10-21 | 2020-01-24 | 武汉纺织大学 | 一种太阳能电池片的色差分选方法及系统 |
CN110899147A (zh) * | 2019-11-28 | 2020-03-24 | 武汉工程大学 | 一种基于激光扫描的传输带石头在线分拣方法 |
CN111229649A (zh) * | 2020-01-20 | 2020-06-05 | 湖北民族大学 | 一种物品分级方法、物品分级设备及物品自动分级系统 |
CN111458351A (zh) * | 2019-01-18 | 2020-07-28 | 无锡先导智能装备股份有限公司 | 电池检测系统及电池检测方法 |
CN114494205A (zh) * | 2022-01-27 | 2022-05-13 | 江苏瑞构新型材料有限公司 | 一种基于自适应的颜色分级的门窗锈蚀程度判定方法 |
CN115841478A (zh) * | 2022-12-16 | 2023-03-24 | 浙江科达利实业有限公司 | 应用于车载空调软管生产管控的质量检测系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3967892B2 (ja) * | 2000-09-22 | 2007-08-29 | シャープ株式会社 | 薄形板状半導体部品の検査分類システム |
CN101676040A (zh) * | 2008-09-16 | 2010-03-24 | 中茂电子(深圳)有限公司 | 用以分类太阳能电池的光学检测系统以及方法 |
KR20120133461A (ko) * | 2011-05-31 | 2012-12-11 | 한국기술교육대학교 산학협력단 | 가우시안 혼합모델을 이용한 솔라셀 색상 분류 방법 및 장치 |
CN103302039A (zh) * | 2012-03-13 | 2013-09-18 | 致茂电子(苏州)有限公司 | 太阳能电池晶片分色的方法 |
CN106238350A (zh) * | 2016-09-12 | 2016-12-21 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于机器视觉的太阳能电池片分选方法与系统 |
CN106327463A (zh) * | 2015-06-17 | 2017-01-11 | 上海太阳能工程技术研究中心有限公司 | 太阳电池片的颜色识别方法 |
-
2017
- 2017-05-17 CN CN201710345329.5A patent/CN107185854B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3967892B2 (ja) * | 2000-09-22 | 2007-08-29 | シャープ株式会社 | 薄形板状半導体部品の検査分類システム |
CN101676040A (zh) * | 2008-09-16 | 2010-03-24 | 中茂电子(深圳)有限公司 | 用以分类太阳能电池的光学检测系统以及方法 |
KR20120133461A (ko) * | 2011-05-31 | 2012-12-11 | 한국기술교육대학교 산학협력단 | 가우시안 혼합모델을 이용한 솔라셀 색상 분류 방법 및 장치 |
CN103302039A (zh) * | 2012-03-13 | 2013-09-18 | 致茂电子(苏州)有限公司 | 太阳能电池晶片分色的方法 |
CN106327463A (zh) * | 2015-06-17 | 2017-01-11 | 上海太阳能工程技术研究中心有限公司 | 太阳电池片的颜色识别方法 |
CN106238350A (zh) * | 2016-09-12 | 2016-12-21 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于机器视觉的太阳能电池片分选方法与系统 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133475B (zh) * | 2017-12-22 | 2021-04-09 | 西安烽火电子科技有限责任公司 | 一种局部聚焦模糊图像的检测方法 |
CN108133475A (zh) * | 2017-12-22 | 2018-06-08 | 西安烽火电子科技有限责任公司 | 一种局部聚焦模糊图像的检测方法 |
CN108304878A (zh) * | 2018-02-05 | 2018-07-20 | 河北工业大学 | 一种基于色差直方图与DAG-SVMs的光伏电池片颜色分类算法 |
CN111458351A (zh) * | 2019-01-18 | 2020-07-28 | 无锡先导智能装备股份有限公司 | 电池检测系统及电池检测方法 |
CN110503111A (zh) * | 2019-08-23 | 2019-11-26 | 江苏方天电力技术有限公司 | 一种基于rgb色彩模式的用电异常行为可视化监控方法 |
CN110503111B (zh) * | 2019-08-23 | 2022-04-15 | 江苏方天电力技术有限公司 | 一种基于rgb色彩模式的用电异常行为可视化监控方法 |
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 |
CN110721928A (zh) * | 2019-10-21 | 2020-01-24 | 武汉纺织大学 | 一种太阳能电池片的色差分选方法及系统 |
CN110899147B (zh) * | 2019-11-28 | 2021-10-08 | 武汉工程大学 | 一种基于激光扫描的传输带石头在线分拣方法 |
CN110899147A (zh) * | 2019-11-28 | 2020-03-24 | 武汉工程大学 | 一种基于激光扫描的传输带石头在线分拣方法 |
CN111229649A (zh) * | 2020-01-20 | 2020-06-05 | 湖北民族大学 | 一种物品分级方法、物品分级设备及物品自动分级系统 |
CN111229649B (zh) * | 2020-01-20 | 2023-09-01 | 湖北民族大学 | 一种物品分级方法及自动分级系统 |
CN114494205A (zh) * | 2022-01-27 | 2022-05-13 | 江苏瑞构新型材料有限公司 | 一种基于自适应的颜色分级的门窗锈蚀程度判定方法 |
CN115841478A (zh) * | 2022-12-16 | 2023-03-24 | 浙江科达利实业有限公司 | 应用于车载空调软管生产管控的质量检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107185854B (zh) | 2019-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107185854A (zh) | 基于rgb通道的光伏电池片色差检测及颜色分类的算法 | |
CN107895376A (zh) | 基于改进Canny算子和轮廓面积阈值的太阳能电池板识别方法 | |
CN101620676B (zh) | 绝缘子轮廓的快速图像识别方法 | |
CN106238350B (zh) | 一种基于机器视觉的太阳能电池片分选方法与系统 | |
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 | |
Chen et al. | An improved license plate location method based on edge detection | |
CN107843600B (zh) | 一种多晶硅太阳能电池片外观手印缺陷检测的方法 | |
CN102663723B (zh) | 一种基于颜色样本与电场模型的图像分割方法 | |
CN104952066A (zh) | 基于hsv色彩空间的输电线路相位标志牌识别方法 | |
CN106483143A (zh) | 一种太阳能光伏板积灰在线监测装置及其检测方法 | |
CN107610090B (zh) | 一种光伏电池片表面栅线偏移的检测方法 | |
CN103528534A (zh) | 一种基于图像监测的输电线路覆冰厚度检测方法 | |
CN103302039B (zh) | 太阳能电池晶片分色的方法 | |
CN107742283B (zh) | 一种电池片外观栅线粗细不均缺陷检测的方法 | |
CN113313677A (zh) | 一种卷绕锂电池x光图像的质量检测方法 | |
CN104166999A (zh) | 一种基于地基云图强度分层的云团提取方法 | |
CN104573650B (zh) | 一种基于滤波响应的电线检测分类方法 | |
CN107622484A (zh) | 一种基于形状匹配的光伏电池片缺角检测算法 | |
CN108008633A (zh) | 包含多种天气变化的辐照度与光伏组件坐标关联关系建立方法 | |
CN116993745B (zh) | 基于图像处理给水管表面漏损检测方法 | |
CN110298845A (zh) | 一种基于图像处理的复杂背景下输电线检测方法 | |
Bao et al. | E-unet++: A semantic segmentation method for remote sensing images | |
Shirazi et al. | Cloud detection for pv power forecast based on colour components of sky images | |
CN107563990A (zh) | 一种光伏电池片崩边及钝型和v型缺口的检测算法 | |
CN106251351B (zh) | 一种基于云变换的输电线路山火监测阈值计算方法 |
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 |