CN107490584A - 一种太阳能电池片el测试断栅缺陷检测方法 - Google Patents
一种太阳能电池片el测试断栅缺陷检测方法 Download PDFInfo
- Publication number
- CN107490584A CN107490584A CN201710836500.2A CN201710836500A CN107490584A CN 107490584 A CN107490584 A CN 107490584A CN 201710836500 A CN201710836500 A CN 201710836500A CN 107490584 A CN107490584 A CN 107490584A
- Authority
- CN
- China
- Prior art keywords
- image
- basis
- grid
- solar battery
- region
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012360 testing method Methods 0.000 title claims abstract description 20
- 238000007689 inspection Methods 0.000 title claims description 11
- 238000001514 detection method Methods 0.000 claims abstract description 54
- 230000011218 segmentation Effects 0.000 claims abstract description 28
- 239000000523 sample Substances 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 238000012216 screening Methods 0.000 claims description 18
- 230000002950 deficient Effects 0.000 claims description 6
- 238000002503 electroluminescence detection Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000003628 erosive effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 239000012634 fragment Substances 0.000 abstract description 2
- 238000009776 industrial production Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
- H02S50/15—Testing of PV devices, e.g. of PV modules or single PV cells using optical means, e.g. using electroluminescence
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明所述的太阳能电池片EL测试断栅缺陷检测适用于工业生产太阳能电池片现场，对EL测试断栅缺陷进行检测，检测的算法充分适用于现场情况。先对采集的图像进行简单的预处理，进行全局阈值分割，消除噪点，选择处理图像区域；再进行引导滤波，筛选出非探针区域，与阈值分割后的图像相交得到连通域；然后检测太阳能电池片上所有的栅线，利用直线的特点，获得栅线；最后，将断栅缺陷区域同栅线区域相交，得到断栅位置，从而筛选获得准确地断栅缺陷。本发明实现了非接触检测，提高检测质量，降低检测过程中的碎片率，可有效的实现检测的在线自动化。
Description
技术领域
本发明涉及光伏电池检测技术领域，主要涉及一种太阳能电池片EL测试断栅缺陷检测方法。
背景技术
随着清洁能源在社会中的大力推广与应用，光伏产业也得到了快速的发展，太阳能电池片的产量进一步的扩大。多晶硅电池片作为太阳能发电的重要载体，从经济和适用性方面，往往希望它能够具有较长的使用寿命和高转换率。但是在加工制备过程中，高质量的技术要求、繁琐的生产工艺和本身材质等要求使得太阳能电池片极易产生各种各样的缺陷。这些缺陷的存在会降低电池片的光电转换效率和减少使用寿命。因此，太阳能电池片的缺陷检测是生产工艺中必不可少的环节之一。在EL测试中，断栅缺陷作为太阳能电池片缺陷的一种，出现的几率较大，检测显得尤为重要，对提升产品质量非常重要，对于提高企业的经济效益具有重大的价值和意义。
现有的工业现场主要还是依赖人工视觉检测，自动化程度低，检测效率低下。由于断栅缺陷较为不明显，工人长时间会造成视觉疲劳，导致工作效率的下降和误检率、漏检率的增加。传统的检测方式已经赶不上工业生产的进程，太阳能电池片材质的特性更是要求能够有一种非接触式的方法自动的检测出来缺陷。
因此，如何通过一种算法将太阳能电池片EL测试中的断栅缺陷检测出来，克服现有技术的缺陷，是目前本领域技术人员需要解决的技术问题。
发明内容
有鉴于此，本发明提供了一种太阳能电池片EL测试断栅缺陷检测方法。解决现有技术中的种种不足，具体方案如下：
一种太阳能电池片EL测试断栅缺陷检测的方法，该方法包括四个步骤单元：
第一步，图像预处理
1-1、采集图像：由近红外相机对EL检测太阳能电池片进行采集灰度图像，计算机读取；
1-2、阈值分割：在步骤1-1的基础上，对灰度图像进行全局阈值，分割图像；
1-3、开运算：在步骤1-2的基础上，将分割后的图像进行开运算，先腐蚀后膨胀，消除噪点；
1-4、选定图像处理区域：在步骤1-3的基础上，将要处理的图像区域进行选定，排除图像中不含有太阳能电池片的区域，输出处理图像轮廓;
第二步，获取图像检测区域
2-1、引导滤波：在步骤1-4的基础上，将选定的图像处理轮廓区域进行引导滤波；
2-2、阈值分割：在步骤2-1的基础上，进行阈值处理，分割图像；
2-3、闭运算、开运算：在步骤2-2的基础上，进行闭运算处理，先膨胀再腐蚀，然后进行开运算，先腐蚀再膨胀；
2-4、筛选连通域：在步骤2-3的基础上，根据连通域的长宽进行筛选，选出采集图像时探针所在的区域；
2-5、闭运算：在步骤2-4的基础上，对探针所在区域进行闭运算，先膨胀再腐蚀；
2-6、图像取反：在步骤2-5的基础上，获得探针区域后对图像进行取反，进而获得非探针区域，即栅线所在区域；
2-7、阈值分割：在步骤2-1的基础上，进行阈值分割；
2-8、获取图像检测区域：在步骤2-6和2-7的基础上，将步骤2-7得到的分割图像同步骤2-6得到的非探针区域进行取交集，获得图像检测区域；
第三步，检测栅线位置区域
3-1、检测XLD轮廓：在步骤1-4的基础上，在图像检测区域，利用轮廓检测选定轮廓图像里的XLD轮廓；
3-2、筛选直线：在步骤3-1的基础上，筛选出直线，栅线位置的线段；
3-3、连接线段：在步骤3-2的基础上，将筛选出来的线段连接在一起，即将电池片中的栅线都检测出来；
3-4、填补栅线：在步骤3-3的基础上，对检测的栅线线段进行填补，使其更加的完整；
第四步，断栅缺陷位置检测
4-1、筛选连通域：在步骤2-8的基础上，对获取图像检测区域筛选，获取特定高度以上的连通域；
4-2、闭运算：在步骤4-1的基础上，将得到的连通域进行闭运算，先腐蚀后膨胀，防止晶格的干扰；
4-3、获取重合区域：在步骤4-2和步骤3-4的基础上，将步骤3-4中填补后的栅线线段和步骤4-2中得到的连通域进行相交，获取重合区域，进一步的检测断栅所在的位置；
4-4、筛选：在步骤4-3的基础上，得到的断栅缺陷进行筛选，根据其本身特性，利用高度参数作为筛选条件，从而准确地获得断栅缺陷位置。
具体的，适用的太阳能电池片大小为156mm* 156mm。
具体的，相机采集的图像大小为1024 *1024。
具体的，在所述步骤1-2中，阈值分割后进行开运算的是宽和高为[2，40]以下的连通域。
具体的，进行阈值分割时，根据图像的特点和经验，在步骤2-2和步骤2-7中，分别进行分割的区域是[25,25]和[40,40]以下。
具体的，在所述步骤3-2中，从XLD轮廓中筛选的是line线性的直线段，排除圆弧和曲线。
具体的，在所述步骤2-5和4-2中，图像腐蚀用到的特定结构分别是[3,60]和[10,2]结构元素。
具体的，在所述步骤4-4中，筛选所用的是高度，将高度大于120的栅线筛选出来作为断栅缺陷。
具体的，该算法依托的是HDevelope软件，版本13版。
本发明通过主体背景区域和缺陷区域分别检测取交集，实现太阳能电池片EL检测断栅缺陷的机器视觉检测。
本发明所述的太阳能电池片EL测试断栅缺陷检测适用于工业生产太阳能电池片现场，对EL测试断栅缺陷进行检测，检测的算法充分适用于现场情况。先对采集的图像进行简单的预处理，进行全局阈值分割，消除噪点，选择处理图像区域；再进行引导滤波，筛选出非探针区域，与阈值分割后的图像相交得到连通域；然后检测太阳能电池片上所有的栅线，利用直线的特点，获得栅线；最后，将断栅缺陷区域同栅线区域相交，得到断栅位置，从而筛选获得准确地断栅缺陷。本发明实现了非接触检测，提高检测质量，降低检测过程中的碎片率，可有效的实现检测的在线自动化。
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为本发明检测方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例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。
参照图1所示，图1为本发明检测方法的流程图，
一种太阳能电池片EL测试断栅缺陷检测的方法，该方法包括四个步骤单元：
第一步，图像预处理
1-1、采集图像：由近红外相机对EL检测太阳能电池片进行采集灰度图像，计算机读取；
1-2、阈值分割：在步骤1-1的基础上，对灰度图像进行全局阈值，分割图像；
1-3、开运算：在步骤1-2的基础上，将分割后的图像进行开运算，先腐蚀后膨胀，消除噪点；
1-4、选定图像处理区域：在步骤1-3的基础上，将要处理的图像区域进行选定，排除图像中不含有太阳能电池片的区域，输出处理图像轮廓;
第二步，获取图像检测区域
2-1、引导滤波：在步骤1-4的基础上，将选定的图像处理轮廓区域进行引导滤波；
2-2、阈值分割：在步骤2-1的基础上，进行阈值处理，分割图像；
2-3、闭运算、开运算：在步骤2-2的基础上，进行闭运算处理，先膨胀再腐蚀，然后进行开运算，先腐蚀再膨胀；
2-4、筛选连通域：在步骤2-3的基础上，根据连通域的长宽进行筛选，选出采集图像时探针所在的区域；
2-5、闭运算：在步骤2-4的基础上，对探针所在区域进行闭运算，先膨胀再腐蚀；
2-6、图像取反：在步骤2-5的基础上，获得探针区域后对图像进行取反，进而获得非探针区域，即栅线所在区域；
2-7、阈值分割：在步骤2-1的基础上，进行阈值分割；
2-8、获取图像检测区域：在步骤2-6和2-7的基础上，将步骤2-7得到的分割图像同步骤2-6得到的非探针区域进行取交集，获得图像检测区域；
第三步，检测栅线位置区域
3-1、检测XLD轮廓：在步骤1-4的基础上，在图像检测区域，利用轮廓检测选定轮廓图像里的XLD轮廓；
3-2、筛选直线：在步骤3-1的基础上，筛选出直线，栅线位置的线段；
3-3、连接线段：在步骤3-2的基础上，将筛选出来的线段连接在一起，即将电池片中的栅线都检测出来；
3-4、填补栅线：在步骤3-3的基础上，对检测的栅线线段进行填补，使其更加的完整；
第四步，断栅缺陷位置检测
4-1、筛选连通域：在步骤2-8的基础上，对获取图像检测区域筛选，获取特定高度以上的连通域；
4-2、闭运算：在步骤4-1的基础上，将得到的连通域进行闭运算，先腐蚀后膨胀，防止晶格的干扰；
4-3、获取重合区域：在步骤4-2和步骤3-4的基础上，将步骤3-4中填补后的栅线线段和步骤4-2中得到的连通域进行相交，获取重合区域，进一步的检测断栅所在的位置；
4-4、筛选：在步骤4-3的基础上，得到的断栅缺陷进行筛选，根据其本身特性，利用高度参数作为筛选条件，从而准确地获得断栅缺陷位置。
具体的，适用的太阳能电池片大小为156mm* 156mm。
具体的，相机采集的图像大小为1024 *1024。
具体的，在所述步骤1-2中，阈值分割后进行开运算的是宽和高为[2，40]以下的连通域。
具体的，进行阈值分割时，根据图像的特点和经验，在步骤2-2和步骤2-7中，分别进行分割的区域是[25,25]和[40,40]以下。
具体的，在所述步骤3-2中，从XLD轮廓中筛选的是line线性的直线段，排除圆弧和曲线。
具体的，在所述步骤2-5和4-2中，图像腐蚀用到的特定结构分别是[3,60]和[10,2]结构元素。
具体的，在所述步骤4-4中，筛选所用的是高度，将高度大于120的栅线筛选出来作为断栅缺陷。
具体的，该算法依托的是HDevelope软件，版本13版。
本发明通过主体背景区域和缺陷区域分别检测取交集，实现太阳能电池片EL检测断栅缺陷的机器视觉检测。
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 (9)
1.一种太阳能电池片EL测试断栅缺陷检测的方法，其特征在于，该方法包括四个步骤单元：
第一步，图像预处理
1-1、采集图像：由近红外相机对EL检测太阳能电池片进行采集灰度图像，计算机读取；
1-2、阈值分割：在步骤1-1的基础上，对灰度图像进行全局阈值，分割图像；
1-3、开运算：在步骤1-2的基础上，将分割后的图像进行开运算，先腐蚀后膨胀，消除噪点；
1-4、选定图像处理区域：在步骤1-3的基础上，将要处理的图像区域进行选定，排除图像中不含有太阳能电池片的区域，输出处理图像轮廓;
第二步，获取图像检测区域
2-1、引导滤波：在步骤1-4的基础上，将选定的图像处理轮廓区域进行引导滤波；
2-2、阈值分割：在步骤2-1的基础上，进行阈值处理，分割图像；
2-3、闭运算、开运算：在步骤2-2的基础上，进行闭运算处理，先膨胀再腐蚀，然后进行开运算，先腐蚀再膨胀；
2-4、筛选连通域：在步骤2-3的基础上，根据连通域的长宽进行筛选，选出采集图像时探针所在的区域；
2-5、闭运算：在步骤2-4的基础上，对探针所在区域进行闭运算，先膨胀再腐蚀；
2-6、图像取反：在步骤2-5的基础上，获得探针区域后对图像进行取反，进而获得非探针区域，即栅线所在区域；
2-7、阈值分割：在步骤2-1的基础上，进行阈值分割；
2-8、获取图像检测区域：在步骤2-6和2-7的基础上，将步骤2-7得到的分割图像同步骤2-6得到的非探针区域进行取交集，获得图像检测区域；
第三步，检测栅线位置区域
3-1、检测XLD轮廓：在步骤1-4的基础上，在图像检测区域，利用轮廓检测选定轮廓图像里的XLD轮廓；
3-2、筛选直线：在步骤3-1的基础上，筛选出直线，栅线位置的线段；
3-3、连接线段：在步骤3-2的基础上，将筛选出来的线段连接在一起，即将电池片中的栅线都检测出来；
3-4、填补栅线：在步骤3-3的基础上，对检测的栅线线段进行填补，使其更加的完整；
第四步，断栅缺陷位置检测
4-1、筛选连通域：在步骤2-8的基础上，对获取图像检测区域筛选，获取特定高度以上的连通域；
4-2、闭运算：在步骤4-1的基础上，将得到的连通域进行闭运算，先腐蚀后膨胀，防止晶格的干扰；
4-3、获取重合区域：在步骤4-2和步骤3-4的基础上，将步骤3-4中填补后的栅线线段和步骤4-2中得到的连通域进行相交，获取重合区域，进一步的检测断栅所在的位置；
4-4、筛选：在步骤4-3的基础上，得到的断栅缺陷进行筛选，根据其本身特性，利用高度参数作为筛选条件，从而准确地获得断栅缺陷位置。
2.根据权利要求1所述的一种太阳能电池片EL测试断栅缺陷检测方法，其特征在于：适用的太阳能电池片大小为156mm *156mm。
3.根据权利要求1所述的一种太阳能电池片EL测试断栅缺陷检测方法，其特征在于：相机采集的图像大小为1024*1024。
4.根据权利要求1所述的一种太阳能电池片EL测试断栅缺陷检测方法，其特征在于：在所述步骤1-2中，阈值分割后进行开运算的是宽和高为[2，40]以下的连通域。
5.根据权利要求1所述的一种太阳能电池片EL测试断栅缺陷检测方法，其特征在于：进行阈值分割时，根据图像的特点和经验，在步骤2-2和步骤2-7中，分别进行分割的区域是[25,25]和[40,40]以下。
6.根据权利要求1所述的一种太阳能电池片EL测试断栅缺陷检测方法，其特征在于：在所述步骤3-2中，从XLD轮廓中筛选的是line线性的直线段，排除圆弧和曲线。
7.根据权利要求1所述的一种太阳能电池片EL测试断栅缺陷检测方法，其特征在于：在所述步骤2-5和4-2中，图像腐蚀用到的特定结构分别是[3,60]和[10,2]结构元素。
8.根据权利要求1所述的一种太阳能电池片EL测试断栅缺陷检测方法，其特征在于：在所述步骤4-4中，筛选所用的是高度，将高度大于120的栅线筛选出来作为断栅缺陷。
9.根据权利要求1-8任一项所述的一种太阳能电池片EL测试断栅缺陷检测方法，其特征在于：该算法依托的是HDevelope软件，版本13版。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710836500.2A CN107490584B (zh) | 2017-09-16 | 2017-09-16 | 一种太阳能电池片el测试断栅缺陷检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710836500.2A CN107490584B (zh) | 2017-09-16 | 2017-09-16 | 一种太阳能电池片el测试断栅缺陷检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107490584A true CN107490584A (zh) | 2017-12-19 |
| CN107490584B CN107490584B (zh) | 2020-06-09 |
Family
ID=60652545
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710836500.2A Expired - Fee Related CN107490584B (zh) | 2017-09-16 | 2017-09-16 | 一种太阳能电池片el测试断栅缺陷检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107490584B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108230303A (zh) * | 2017-12-21 | 2018-06-29 | 河北工业大学 | 一种多晶硅太阳能电池片外观划痕缺陷检测的方法 |
| CN108365051A (zh) * | 2018-02-05 | 2018-08-03 | 河北工业大学 | 一种太阳能电池片轨道去除的方法 |
| CN109120230A (zh) * | 2018-07-19 | 2019-01-01 | 苏州热工研究院有限公司 | 一种太阳能电池片el图像检测和缺陷识别方法 |
| CN109829919A (zh) * | 2019-01-31 | 2019-05-31 | 苏州晟成光伏设备有限公司 | 一种太阳能电池片的视觉定位方法 |
| CN110443278A (zh) * | 2019-07-02 | 2019-11-12 | 广州大学 | 一种太阳能电池片栅线粗细异常的检测方法、装置及设备 |
| CN110866916A (zh) * | 2019-11-29 | 2020-03-06 | 广州大学 | 一种基于机器视觉的光伏电池片黑心黑角检测方法、装置及设备 |
| CN111047564A (zh) * | 2019-11-28 | 2020-04-21 | 戎得(上海)光伏科技有限公司 | 一种应用于光伏电站现场的el缺陷检测方法 |
| CN111833309A (zh) * | 2020-06-16 | 2020-10-27 | 广州大学 | 一种光伏电池片检测方法及装置 |
| CN113658098A (zh) * | 2021-07-16 | 2021-11-16 | 江苏森标科技有限公司 | 一种太阳能电池片色斑检测的方法、系统及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0888770A (ja) * | 1994-09-16 | 1996-04-02 | Toshiba Corp | 画像処理装置 |
| GB2399629A (en) * | 2003-01-22 | 2004-09-22 | Univ Brunel | Automatic thresholding algorithm method and apparatus |
| CN101789080A (zh) * | 2010-01-21 | 2010-07-28 | 上海交通大学 | 车辆车牌实时定位字符分割的检测方法 |
| CN205404444U (zh) * | 2016-03-11 | 2016-07-27 | 张家港协鑫集成科技有限公司 | 光伏组件缺陷检测装置及光伏组件缺陷检测录入系统 |
| CN106409711A (zh) * | 2016-09-12 | 2017-02-15 | 佛山市南海区广工大数控装备协同创新研究院 | 一种太阳能硅晶片缺陷检测系统及方法 |
| CN106935683A (zh) * | 2017-03-24 | 2017-07-07 | 广东工业大学 | 一种太阳能电池片高速视觉定位及矫正系统及其方法 |
| CN106990120A (zh) * | 2017-05-02 | 2017-07-28 | 河北大学 | 一种太阳能电池片的质量检测方法及其检测装置 |
| CN107133382A (zh) * | 2017-04-01 | 2017-09-05 | 湖北工业大学 | 基于机器视觉的太阳能电池残片再利用的智能排样方法 |
-
2017
- 2017-09-16 CN CN201710836500.2A patent/CN107490584B/zh not_active Expired - Fee Related
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0888770A (ja) * | 1994-09-16 | 1996-04-02 | Toshiba Corp | 画像処理装置 |
| GB2399629A (en) * | 2003-01-22 | 2004-09-22 | Univ Brunel | Automatic thresholding algorithm method and apparatus |
| CN101789080A (zh) * | 2010-01-21 | 2010-07-28 | 上海交通大学 | 车辆车牌实时定位字符分割的检测方法 |
| CN205404444U (zh) * | 2016-03-11 | 2016-07-27 | 张家港协鑫集成科技有限公司 | 光伏组件缺陷检测装置及光伏组件缺陷检测录入系统 |
| CN106409711A (zh) * | 2016-09-12 | 2017-02-15 | 佛山市南海区广工大数控装备协同创新研究院 | 一种太阳能硅晶片缺陷检测系统及方法 |
| CN106935683A (zh) * | 2017-03-24 | 2017-07-07 | 广东工业大学 | 一种太阳能电池片高速视觉定位及矫正系统及其方法 |
| CN107133382A (zh) * | 2017-04-01 | 2017-09-05 | 湖北工业大学 | 基于机器视觉的太阳能电池残片再利用的智能排样方法 |
| CN106990120A (zh) * | 2017-05-02 | 2017-07-28 | 河北大学 | 一种太阳能电池片的质量检测方法及其检测装置 |
Non-Patent Citations (1)
| Title |
|---|
| 张舞杰等: "硅太阳能电池视觉检测方法研究", 《计算机应用》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108230303A (zh) * | 2017-12-21 | 2018-06-29 | 河北工业大学 | 一种多晶硅太阳能电池片外观划痕缺陷检测的方法 |
| CN108365051A (zh) * | 2018-02-05 | 2018-08-03 | 河北工业大学 | 一种太阳能电池片轨道去除的方法 |
| CN108365051B (zh) * | 2018-02-05 | 2019-08-02 | 河北工业大学 | 一种太阳能电池片轨道去除的方法 |
| CN109120230A (zh) * | 2018-07-19 | 2019-01-01 | 苏州热工研究院有限公司 | 一种太阳能电池片el图像检测和缺陷识别方法 |
| CN109120230B (zh) * | 2018-07-19 | 2019-10-11 | 苏州热工研究院有限公司 | 一种太阳能电池片el图像检测和缺陷识别方法 |
| CN109829919B (zh) * | 2019-01-31 | 2021-09-10 | 苏州晟成光伏设备有限公司 | 一种太阳能电池片的视觉定位方法 |
| CN109829919A (zh) * | 2019-01-31 | 2019-05-31 | 苏州晟成光伏设备有限公司 | 一种太阳能电池片的视觉定位方法 |
| CN110443278A (zh) * | 2019-07-02 | 2019-11-12 | 广州大学 | 一种太阳能电池片栅线粗细异常的检测方法、装置及设备 |
| CN110443278B (zh) * | 2019-07-02 | 2022-02-15 | 广州大学 | 一种太阳能电池片栅线粗细异常的检测方法、装置及设备 |
| CN111047564A (zh) * | 2019-11-28 | 2020-04-21 | 戎得(上海)光伏科技有限公司 | 一种应用于光伏电站现场的el缺陷检测方法 |
| CN110866916A (zh) * | 2019-11-29 | 2020-03-06 | 广州大学 | 一种基于机器视觉的光伏电池片黑心黑角检测方法、装置及设备 |
| CN111833309A (zh) * | 2020-06-16 | 2020-10-27 | 广州大学 | 一种光伏电池片检测方法及装置 |
| CN111833309B (zh) * | 2020-06-16 | 2023-07-25 | 广州大学 | 一种光伏电池片检测方法及装置 |
| CN113658098A (zh) * | 2021-07-16 | 2021-11-16 | 江苏森标科技有限公司 | 一种太阳能电池片色斑检测的方法、系统及存储介质 |
| CN113658098B (zh) * | 2021-07-16 | 2024-03-15 | 江苏森标科技有限公司 | 一种太阳能电池片色斑检测的方法、系统及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107490584B (zh) | 2020-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107490584A (zh) | 一种太阳能电池片el测试断栅缺陷检测方法 | |
| CN109084957B (zh) | 光伏太阳能晶硅电池片的缺陷检测和颜色分选方法及其系统 | |
| CN107742286B (zh) | 一种多晶硅太阳能电池片el测试裂纹缺陷检测方法 | |
| 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 | |
| CN107578409A (zh) | 一种太阳能电池片外观断栅缺陷检测的方法 | |
| CN103831253A (zh) | 基于dsp机器视觉的太阳能硅片表面检测装置及方法 | |
| Al-Mashhadani et al. | Deep learning methods for solar fault detection and classification: a review | |
| CN102374996B (zh) | 伞齿轮全齿侧面缺陷多目检测装置及其检测方法 | |
| CN109738454B (zh) | 一种软包电池极耳焊缝检测装置及方法 | |
| CN109187551B (zh) | 一种对玻璃绝缘子的玻璃件裂缝进行检测的方法及系统 | |
| Liao et al. | Using Matlab real-time image analysis for solar panel fault detection with UAV | |
| CN107768269A (zh) | 一种多晶硅太阳能电池片外观脏污缺陷检测的方法 | |
| CN111260617A (zh) | 一种基于深度学习的太阳能电池板缺陷检测方法 | |
| CN104535589A (zh) | 一种低压电流互感器在线检测方法和装置 | |
| CN117036825A (zh) | 一种太阳能电池板检测方法、介质及系统 | |
| CN103743760A (zh) | 一种pcb板的线路检测方法 | |
| CN104048966A (zh) | 一种基于大律法的布面疵点检测及分类方法 | |
| CN105743439A (zh) | 光伏电池组串运行参数的检测方法及相关装置 | |
| CN107622484A (zh) | 一种基于形状匹配的光伏电池片缺角检测算法 | |
| Liu et al. | A CISG method for internal defect detection of solar cells in different production processes | |
| CN107742283A (zh) | 一种电池片外观栅线粗细不均缺陷检测的方法 | |
| CN202700832U (zh) | 一种生产过程中的残次品的动态识别装置 | |
| CN107563990B (zh) | 一种光伏电池片崩边及钝型和v型缺口的检测方法 | |
| CN115330768B (zh) | 一种太阳能电池板质量分级方法 | |
| JP2015059781A (ja) | 太陽電池検査装置、及び太陽電池検査方法 |
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: 20200609 |