CN107545565A - 一种太阳能网版检测方法 - Google Patents

Abstract

本发明提供一种太阳能网版检测方法包括步骤S1，获取太阳能网版栅线区域灰度图，栅线区域灰度图分割为多个单元栅格区域灰度图；步骤S2，提取每个单元栅线区域的灰度图像纹理特征，根据预设的参考图像纹理特征判断每个单元栅线区域的灰度图像纹理特征为合格单元栅线区域或缺陷单元栅线区域；步骤S3，当合格单元栅线区域的数量超过第一阀值时判断太阳能网版为栅线区域合格。

Description

一种太阳能网版检测方法

【技术领域】

本发明涉及太阳能网版质量检测领域，尤其涉及一种太阳能网版检测方法。

【背景技术】

太阳能网版，也称太阳能光伏网版，在网版上印制着电极图案，为了保证太阳能网版工作性能的稳定性，需要在电极图案印制完成时进行检测。

目前太阳能网版传统的检测方法主要是人眼观察的方法，由工作人员接收前工段处理过的网版，将网版放置于带有LED白光的透明光桌上，人眼通过观察透过网版的光源亮白线/点来确认电极图案中是否有缺陷，检测效率低，同时检测的准确率也低，极大的耗费人力和工时。

【发明内容】

为克服现有技术存在的不足。本发明提供一种太阳能网版检测方法。

本发明解决技术问题的技术方案是提供一种太阳能网版检测方法，包括步骤S1，获取太阳能网版栅线区域灰度图，栅线区域灰度图分割为多个单元栅格区域灰度图；步骤S2，提取每个单元栅线区域的灰度图像纹理特征，根据预设的参考图像纹理特征判断每个单元栅线区域的灰度图像纹理特征为合格单元栅线区域或缺陷单元栅线区域；步骤S3，当合格单元栅线区域的数量超过第一阀值时判断太阳能网版为栅线区域合格。

优选地，步骤S1中包括以下步骤S11，获取太阳能网版的灰度图像，并对获取的灰度图像进行降噪处理；步骤S12，对降噪处理后的太阳能网版灰度图像进行极化处理，获得太阳能网版的二值化图像；步骤S13，根据太阳能网版的二值化图像确定太阳能网版灰度图的栅线区域位置坐标，并分割太阳能网版灰度图的栅线区域，获取多个单元栅格区域灰度图。

优选地，步骤S13包括以下步骤S131，根据太阳能网版二值化图像，确定栅线区域的栅线数量以及栅线的位置排布，并分割太阳能网版二值化图像的栅线区域和乳胶区域；步骤S132，获取子栅线区域的质量中心坐标，初步确定栅线区域位置；步骤S133，根据子栅线区域的质量中心坐标，精确定位栅线的位置坐标；步骤S134，利用确定后栅线区域的位置坐标，对太阳能网版灰度图进行分割，获取太阳能网版栅线区域灰度图和乳胶区域灰度图；步骤S135，对获取的太阳能网版栅线区域灰度图进行图像分割，获取多个单元栅线区域的灰度图像。

优选地，在步骤S131中，对太阳能网版二值化图像进行水平投影，获取投影图像中的峰值点，根据峰值点的数目以及峰值点所在的坐标，确定栅线的数目及位置排布。

优选地，步骤S2中预设参考图像纹理特征存储在单元栅线区域灰度图像纹理特征分类器中，该分类器建立包括以下步骤S21：获取太阳能网版的单元栅线区域的灰度图像，对获取的单元栅线区域的灰度图像进行分类；步骤S22，对分类后的单元栅线区域的灰度图像分别进行特征提取，建立参考图像纹理特征数据库。

优选地，步骤S21和步骤S22之间还包括步骤S211，对分类后的单元栅线区域的灰度图像进行归一化处理。

优选地，步骤S22中，图像纹理特征的提取方法为基于统计的图像纹理特征提取方法，结构化纹理特征提取方法或基于信号处理的纹理特征提取方法。

优选地，还包括步骤S4获取的太阳能网版乳胶区域二值化图像，分割二值化图像中的子缺陷区域，获取子缺陷区域的面积值，将获取的面积值与参考阀值对比，若子缺陷区域的面积值小于该参考阀值，则为乳胶区域合格。

优选地，在步骤S4中，当的太阳能网版乳胶区域图像检测为缺陷时，输出对应的乳胶区域图像内缺陷位置所在的坐标并标注。

优选地，步骤S3中，当的太阳能网版栅线区域图像为缺陷图像时，输出栅格区域图像内缺陷位置所在的坐标并标注。

与现有技术相比，本发明所提供的太阳能网版图像检测方法具有以下优点：

通过将太阳能网版的检测转换为对太阳能网版图像的检测，并通过利用分类器对太阳能网版图像检测，提高检测效率的同时，增加了检测的准确率。

【附图说明】

图1A是本发明一种太阳能网版图像检测方法检测的太阳能网版结构示意图。

图1B是本发明一种太阳能网版图像检测方法检测的太阳能网版栅线区域结构示意图。

图2是本发明一种太阳能网版图像检测方法检测步骤流程图。

图3是本发明一种太阳能网版图像检测方法中的检测设备立体结构示意图。

图4是本发明一种太阳能网版图像检测方法步骤S1的流程图。

图5是本发明一种太阳能网版图像检测方法获取的太阳能网版灰度图。

图6是本发明一种太阳能网版图像检测方法获取的太阳能网版灰度图对应的二值化图。

图7是本发明一种太阳能网版图像检测方法步骤S13的流程图。

图8是太阳能网版栅线区域水平投影图。

图9是太阳能网版栅线区域质心检测图。

图10是太阳能网版栅线区域的栅线定位图。

图11是太阳能网版栅线区域的栅线定位过程状态变化图。

图12是本发明一种太阳能网版图像检测方法步骤S2的流程图。

图13A以及13B是太阳能网版缺陷单元栅线区域灰度图像。

图13C以及13D是太阳能网版合格单元栅线区域灰度图像。

图14是本发明一种太阳能网版图像检测方法所标注的太阳能网版栅线区域的局部缺陷位置示意图。

图15A是局部太阳能网版二值化图像。

图15B是图15A在R处的局部放大灰度图像。

【具体实施方式】

为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图及实施实例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1A-1B，太阳能网版M包括栅线区域S、乳胶区域R以及丝网N。丝网N覆盖于栅线上方，用于防止栅线变形。栅线区域S作为太阳能网版M的电极，用于收集载流子，对外输出光生电流，同时，减少遮光面积，最大面积实现光电转换。因此对栅线区域S的工艺要求较高，在制造太阳能网版M的时候需要栅线区域清晰完整，即栅线区域的栅线数量是否相同、形状是否清晰完整，主栅线的宽度W1、细栅线的宽度W2、相邻主栅线的间距C1，相邻细栅线的间距C2是否均匀，这些都会影响到太阳能网版M的质量。同时，也要求乳胶区域R不能有漏洞、乳胶涂覆不能过厚。

请参阅图2-3，本发明提供一种太阳能网版检测方法。包括步骤S1，获取太阳能网版栅线区域灰度图，将栅线区域灰度图分割为多个单元栅格区域灰度图。

请参阅图4，其中步骤S1包括步骤S11-步骤S13。

步骤S11：获取太阳能网版的灰度图像，并对获取的灰度图像进行降噪处理，获取降噪处理后的灰度图像。步骤S11具体包括步骤S111-步骤S112。

步骤S111，将太阳能网版放置于光源处，调节光源的使得太阳能网版的栅线区域和乳胶区域具有明显的对比度，而后获取太阳能网版的灰度图像。

本实施例以一具体图像采集装置10采像为例，如图3所示，具体阐述太阳能网版M的图像采集过程，但不局限于本实施例所提供的图像采集装置10。

太阳能网版M的图像采集装置10包括采像机构50，载物机构30以及控制基台20。载物机构30用于承载太阳能网版M，并提供太阳能网版M的检测光照。采像机构50用于采集载物机构30上所承载的太阳能网版M的图像，以供太阳能网版M的质量检测分析。控制基台20与载物机构30以及采像机构50电性连接，以控制载物机构30移动和/或采像机构50摄像。

将太阳能网版M放置于载物机构30上，由于太阳能网版M的栅线区域S和乳胶区域R的透光率大小不同，通过调节设置在载物机构上的光源，该光源优选为面光源，使得太阳能网版M的栅线区域S和乳胶区域R具有明显的对比度。

通过移动采像机构50获取太阳能网版M的图像，采像机构50获取的图像可以是太阳能网版M的局部图像，通过多次移动采像机构50可以获取完整的太阳能网版图像，也可以单次获取太阳能网版M完整图像，这个取决于采像机构50所携带的摄像头的采像焦距和像素。

该采集装置10的采像机构50所获取的太阳能网版M的图像可以是彩色图像，也可以是灰度图像，优选为灰度图像，若是获取的太阳能网版M的图像为彩色图像，需进行灰度化处理，以获得太阳能网版M的灰度图，通过对灰阶图像数据进行处理，减少数据处理量，有效提高检测效率。

步骤S112：对获取的太阳能网版灰度图进行降噪处理，获取降噪处理后的灰度图像。

请参阅图5，具体地，采像装置10所获取的太阳能网版灰度图像在如电磁干扰、相片颗粒噪声、采集图像信号的传感器噪声、信道噪声等环境因素影响下，所获取的灰度图像质量较差，为了提高所获取的太阳能网版图像的质量，以获取更为清晰的灰度图像信息，需对所获取的太阳能网版灰度图像进行降噪处理。该降噪处理的方法可以是均值滤波法、中值滤波法以及小波降噪法中的任意一者、任意两者组合或三者的组合。

其中，小波降噪法有多种，例如利用小波分解与重构的方法滤波降噪、利用小波变换模极大值的方法降噪、利用信号小波变换后空域相关性进行信噪分离、非线性小波阈值方法降噪、平移不变量小波降噪法，以及多小波降噪等。

步骤S12：对降噪处理后的太阳能网版灰度图像进行极化处理，获得太阳能网版的二值化图像。

请参阅图6，具体的，太阳能网版灰度图像中的每一个像素点的灰阶值均在0-255之间，以在0-255的灰阶值中选定的灰阶值a为分界点，即灰阶阀值，当像素点中的灰阶值大于选定的灰阶值a时，将该像素点的灰阶值极化为0，当像素点中的灰阶值小于选定的灰阶值a时，将该像素点的灰阶值极化为1。例如以灰阶值127为分界点将太阳能网版灰度图像进行极化处理，灰阶值大于127的像素点极化为0，而灰阶值小于127的像素点极化为1，则极化后整张灰阶图像即形成由0和1进行特征描述的二值图。本实施例中0即代表白色，1即代表黑色，但可以理解，0也可以代表黑色，1代表白色，经过二值化处理后，栅线区域变成了多个闭合极化灰阶值的封闭子区域，本实施例中为0灰阶极值，即白色封闭区域；乳胶区域变成了多个闭合极化灰阶值的封闭区域，即黑色封闭区域。

同时由于丝网覆盖栅线区域和乳胶区域，且丝网的透光程度与乳胶相近，因此，获取太阳能网版二值化图像后可以将丝网的缺陷检测等同或者近似等同于乳胶区域的检测。从而简化检测工艺，提升检测效率。

由于二值化图像中乳胶区域的每一个像素点的灰度值与栅线区域每一像素点的灰度值存在差异，利用乳胶区域像素点的灰度值和栅线区域像素点的灰度值之间的差异，对乳胶区域和栅线区域进行灰度值极化处理，以分割太阳能网版乳胶区域和栅线区域，从而进一步确定太阳能网版栅线区域是否存在不可忽视的缺陷。同时，进一步减少了后期数据对比过程中数据的处理量，可以有效加快检测的效率。

步骤S121：对太阳能网版二值化图像进行二次降噪处理，以消除二值化噪声干扰。

具体地，经过二值化处理的太阳能网版图像会引入二值化处理过程中的噪声污染，这些噪声污染会影响后期太阳能网版质量检测。对二值化的太阳能网版图像噪声消除可以用图像的形态学的腐蚀与膨胀运算方法消除该噪声的干扰。

步骤S13：根据太阳能网版的二值化图像确定太阳能网版灰度图的栅线区域位置坐标以及乳胶区域的位置坐标，并分割太阳能网版灰度图的栅线区域和乳胶区域，获取多个单元栅格区域灰度图。具体地，请参阅图7，步骤S13包括步骤S131-S135。

步骤S131：根据太阳能网版二值化图像，确定栅线区域的栅线数量以及栅线的位置排布，并分割太阳能网版二值化图像的栅线区域和乳胶区域。

请参阅图8，具体地，对太阳能网版二值化图像进行水平投影，寻找出投影图像中的几个峰值点，并确定峰值点的数目以及峰值点所在的坐标，就可以确定栅线的数目及大致位置排布，即栅线在水平面上的上下关系，以及左右关系，本实施例以上下关系为例进行说明。例如，图8中可以获知被投影的太阳能网版二值化图像有四条水平栅线，并且根据横坐标可以获知栅线的位置排布。

步骤S132：获取子栅线区域的质量中心坐标，初步确定栅线区域位置。

请参阅图9，具体地，二值化后的栅线区域包括了多个闭合的子栅线区域，且每个子栅线区域的大小存在不同程度的差异，利用质心定位算法计算子栅线区域的质心坐标，本实施例以灰度加权质心定位算法为例计算子栅线区域的质心坐标。

计算公式如下：

此处和为目标质心坐标；xi和yi为第i个像素的坐标；n为要计算的质心的窗口内的像素个数；pi根据阈值以及在第i个像素位置上像素的灰度值取0或1。例如，图9中的十字中心点即为每个闭合的子栅线区域的质心坐标。

其中步骤S131和步骤S132的不分先后顺序。

步骤S133：根据子栅线区域的质量中心坐标，精确定位栅线的位置坐标。

请参阅图10，通过步骤S131所获取的栅线区域的栅线数量以及栅线排布对步骤S132中的质心坐标进行分类。例如，通过步骤S141获知该栅线区域中有a、b、c、d四条栅线，并获知该四条栅线的高低排序，即获知该四条栅线沿图10中箭头方向依次排序。

图10中a、b、c、d四条栅线的子栅线区域的质心纵向坐标之间具有一定的高度差分类，且可以分为四类，将每一类的质心坐标利用最小二乘法原理进行直线拟合，拟合出直线所在的区域就是栅线区域，这样就能够很精确定位栅线的位置。确定栅线的位置后，根据实际栅线的尺寸以及单个像素的尺寸计算得栅线的宽度，本实施例中计算得栅线的宽度约为16个像素。

步骤S134：利用确定后栅线区域的位置坐标，对太阳能网版灰度图进行分割，获取太阳能网版栅线区域灰度图和乳胶区域灰度图。

具体地，为简化数据处理，本实施例中太阳能网版灰度图视为仅包括了栅线区域和乳胶区域；太阳能网版二值化图像中的栅线位置坐标，即是该太阳能网版灰度图中的栅线位置坐标，根据确定的栅线位置坐标对太阳能网版灰度图进行分割，从而可以分离太阳能网版灰度图的栅线区域和乳胶区域，获取太阳能网版栅线区域灰度图和乳胶区域灰度图。如图11所示的是从太阳能网版灰度图到确定栅线具体位置状态变化的局部放大示意图。

步骤S135：对获取的太阳能网版栅线区域灰度图进行图像分割，获取多个单元栅线区域的灰度图像。

具体地，在太阳能网版的栅线具体位置确定后可以根据将栅线区域和乳胶区域进行分割。在获得栅线区域后，根据栅线的长度和宽度大小对栅线区域进行图像分割，获取多个单元栅线区域的灰度图像。本实施例中，获取的单元栅线区域的灰度图像大小为长度60像素，宽度20像素的矩形块。

步骤S2，提取每个单元栅线区域的灰度图像纹理特征，根据预设的参考图像纹理特征判断每个单元栅线区域的灰度图像纹理特征为合格单元栅线区域或缺陷单元栅线区域。请参阅图12，预设参考图像纹理特征存储在单元栅线区域灰度图像纹理特征分类器中，该分类器建立包括以下步骤S21-S22。

步骤S21：获取太阳能网版的单元栅线区域的灰度图像，对获取的单元栅线区域的灰度图像进行分类。

具体地，利用步骤S1中的方法，获取太阳能网版的单元栅线区域的灰度图像，并根据获取的单元栅线区域的灰度图像进行检验辨别，并将灰度图像分成合格单元栅线区域图像类以及缺陷单元栅线区域图像类。本实施例中的图像检验辨别是通过人工完成，如有缺陷的单元栅线区域的灰度图像图像杂乱，栅线的线条粗细不同、断裂、平行度不好等问题。而合格的单元栅线区域的灰度图像线条清晰完整，平行度好具有明显的差别。如图13A-13B所示，为缺陷单元栅线区域灰度图像，如图13C、13D所示，为合格单元栅线区域灰度图像。

该太阳能网版可以是待检测的太阳能网版，也可以使通过人工检测分类后的太阳能网版。该步骤只需获取合格单元栅线区域图像以及缺陷单元栅线区域图像，以便对图像进行特征提取，制成分类器。

步骤S211：对分类后的单元栅线区域的灰度图像进行归一化处理。

具体地，图像纹理特征的提取由处理器完成，为了便于数据的快速处理，不同大小的太阳能网版分割处理的单元栅线区域大小不相同。处理器在识别不同大小的单元栅线区域图像时，所需的时间均不统一，降低了数据处理的速度。

因此，将分类后的单元栅线区域灰度图像进行归一化处理，使得单元栅线区域灰度图像大小与处理器所识别的图像大小相适配，以提升图像纹理特征提取速度。本实施例中，单元栅线区域灰度图像大小为60*20像素，处理器识别的灰度图像大小为32*32像素。

步骤S22：对分类后的单元栅线区域的灰度图像分别进行特征提取，建立参考图像纹理特征数据库。

具体地，对合格单元栅线区域图像类进行特征提取，以及缺陷单元栅线区域图像类分别进行特征提取，作为支持向量机(SVM)分类算法的输入向量，并选择径向基(RBF)函数作为SVM分类器的核函数，训练并生成SVM分类器，分类器内设置参考图像纹理特征数据库，参考图像纹理特征数据库包括合格单元栅线区域图像纹理特征数据库和缺陷单元栅线区域图像纹理特征数据库。利用数据库中的特征与获取的太阳能网版灰度图对应特征进行对比，检测纹理特征匹配程度，即可实现对太阳能网版的检测。

图像纹理特征的提取方法包括颜色特征提取法以及纹理特征提取法，本实施例中，为了简化数据处理，提高检测效率，直接获得的是太阳能网版图像是灰度图像，没有太多的颜色变化信息的特点，因此，可以使用图像纹理特征提取方法。

纹理是图像的灰度统计信息、空间分布信息和结构信息的综合反映。它是由像素组成的具有一定形状和大小的集合，是几乎所有图像表面都固有的特性，包括图像区域的平滑，稀疏，规则性等特性。

本发明中图像纹理的获取方法包括基于统计的图像纹理特征提取方法，结构化纹理特征提取方法和基于信号处理的纹理特征提取方法。

例如，灰度共生矩阵(GLCM)的纹理特征分析方法Gotlieb和Kreyszig等人在研究共生矩阵中各种统计特征基础上，通过实验，得出灰度共生矩阵的四个关键特征：能量、惯量、熵和相关性。或是利用图像的自相关函数(即图像的能量谱函数)提取纹理特征，即通过对图像的能量谱函数的计算

优选地，本发明所提供的合格单元栅线区域图像纹理特征数据库和缺陷单元栅线区域图像纹理特征数据库任意一个或在两者具有自主学习功能，可以将后期检测到的合格单元栅线区域图像纹理特征添加到合格单元栅线区域图像纹理特征数据库中，将检测到的缺陷单元栅线区域图像纹理特征添加到缺陷单元栅线区域图像纹理特征数据库中。

步骤S3，当合格单元栅线区域的数量超过第一阀值时判断太阳能网版为栅线区域合格。

具体地，该步骤为太阳能网版的栅线区域检测步骤。获取的太阳能网版灰度图像，提取的太阳能的栅线区域灰度图像。

利用步骤S1中的方法获取的太阳能的二值化图像，对的太阳能网版栅线进行定位，分割太阳能网版栅线区域灰度图像以及乳胶区域灰度图像。

利用步骤S2中的图像的特征提取方法获取的太阳能的单元栅线区域灰度图像的纹理特征。通过对比所提取的纹理特征与分类器的合格单元栅线区域灰度图像纹理特征数据库和缺陷单元栅线区域灰度图像纹理特征数据库中纹理特征相似度，判定的每个单元栅线区域灰度图像为合格单元栅线区域图像或缺陷单元栅线区域图像。

设定第一阀值，当合格单元栅线区域图像的数量大于等于第一阀值时，该的太阳能网版为栅线区域合格概率较高，判断太阳能网版为栅线区域合格，反之为缺陷。

或设定第二阀值，当缺陷单元栅线区域图像的数量小于第二阀值时，该的太阳能网版为栅线区域合格概率较高，判断太阳能网版为栅线区域合格，反之为缺陷。

优选地，设定第一阀值和第二阀值，当合格单元栅线区域图像的数量大于等于第一阀值，且当缺陷单元栅线区域图像的数量小于第二阀值时，该的太阳能网版为栅线区域合格概率较高，判断太阳能网版为栅线区域合格，反之为缺陷。

例如，当单元栅线区域灰度图像内的纹理特征与分类器内的合格单元区域纹理特征相对比，匹配度超过95％时，认为该单元栅线区域灰度图像为合格单元栅线区域灰度图像，即对应的单元栅线区域为合格单元栅线区域。反之单元栅线区域为缺陷。

当合格单元栅线区域的数量占比超过该栅线区域被分割成的总单元栅线区域数量的95％时，认为该栅线区域合格，反之为缺陷，该处的95％即为第一阀值。

或者当单元栅线区域灰度图像内的纹理特征与分类器内的缺陷单元区域纹理特征相对比，匹配度超过85％时，认为该单元栅线区域灰度图像为缺陷单元栅线区域灰度图像，即对应的单元栅线区域为缺陷单元栅线区域，反之单元栅线区域为合格。

当缺陷单元栅线区域的数量占比小于该栅线区域被分割成的总单元栅线区域数量的5％时，认为该栅线区域缺陷，反之为合格，该处的5％即为第二阀值。

可以理解单元栅线区域的合格单元区域纹理特征匹配程度越高，该单元栅线区域灰度图像为合格单元栅线区域的几率就越高，本实施例中95％仅是较优选择。

由于分类器中合格单元栅线区域灰度图像纹理特征数据库和缺陷单元栅线区域灰度图像纹理特征数据库中的纹理特征数据并不是太阳能网版的全部特征数据，因此，满足两个阀值条件时，太阳能网版栅线区域各个概率更高。

本发明中，获取的太阳能网版灰度图像可以是太阳能网版的局部灰度图像，也可以是太阳能网版的全部灰度图像，当获取的是局部灰度图像时，可以通过对多个太阳能局部图像进行拼合而获取太阳能网版的全部图像。

检测时可以检测太阳能网版局部灰度图像的合格率，再延伸到检测整体太阳能网版的合格率。

步骤S31：当的太阳能网版栅线区域图像为缺陷图像时，输出栅格区域图像内缺陷位置所在的坐标并标注。

具体地，当的太阳能网版栅线区域图像为缺陷图像时，根据步骤S1中所确定的栅线区域位置坐标，输出该缺陷栅线区域的位置坐标，并在坐标位置或周围形成标注，输出标注后的太阳能网版栅线区域图像。如图14所示，本实施例中在图14的a处以矩形框标注为例进行说明，其标注还可以是文字或其他的标记。

步骤S4：获取太阳能网版乳胶区域二值化图像，分割二值化图像中的子缺陷区域，获取子缺陷区域的面积值，将获取的面积值与参考阀值对比，若子缺陷区域的面积值小于该参考阀值，则为乳胶区域合格。

请参阅图15A，具体地，本实施例中的太阳能网版乳胶区域是指除去栅线区域的其他区域，在乳胶区域中的缺陷是乳胶漏印，或者乳胶穿孔。根据步骤S1中所确定的栅线区域位置，将栅线区域A1和乳胶区域B1分割。将乳胶区域B1进行二值化处理，获取乳胶区域二值化图像。太阳能网版乳胶区域在二值化之后，在该乳胶区域中若有缺陷的乳胶子区域B2，则该区域的透光性能明显高于合格乳胶子区域，因而合格乳胶子区域和缺陷乳胶子区域B2可以被明显区分。同时根据栅线位置定位并分割出对应的一个或多个缺陷乳胶子区域B2，计算每一个缺陷乳胶子区域B2的面积大小，如图15B所示，当其中的任意一个缺陷乳胶子区域B2的面积值大于参考阀值时，判定该缺陷乳胶子区域B2为实质缺陷，即乳胶区域为缺陷乳胶区域。如参考阀值设置为0.5平方毫米为例，若当分割出的每一个缺陷乳胶子区域B2面积为0.4平方毫米，小于参考阀值0.5平方毫米时，认定乳胶区域为合格；若当分割出的多个缺陷乳胶子区域B2面积中有一个的面积超过参考阀值0.5平方毫米时，认定乳胶区域为缺陷。参考阀值的设定可以根据实际需要设置，不局限于0.5平方毫米。

步骤S41：当的太阳能网版乳胶区域图像检测为缺陷时，输出对应的乳胶区域图像内缺陷位置所在的坐标并标注。

具体地，当的太阳能网版乳胶区域图像为缺陷图像时，根据步骤S1中所确定的栅线区域位置坐标，确定该缺陷所在的乳胶区域坐标，并标注，输出标注后的太阳能网版乳胶区域图像。其标注还可以是文字或其他的标记。

本发明中的乳胶区域检测步骤和栅线区域的检测步骤不分先后顺序，也可以同时进行。

当太阳能网版栅线区域检测合格，同时乳胶区域检测也为合格时，该的太阳能网版为合格。

与现有技术相比，本发明所提供的太阳能网版检测方法具有以下优点：

通过将太阳能网版的检测转换为对太阳能网版图像的检测，并通过利用分类器对太阳能网版图像检测，提高检测效率的同时，增加了检测的准确率。

以上所述仅为本发明较佳实施例而已，并不用以限制本发明，凡在本发明原则之内所作的任何修改，等同替换和改进等均应包含本发明。

Claims (10)

1.一种太阳能网版检测方法，其特征在于：包括：

步骤S1，获取太阳能网版栅线区域灰度图，将栅线区域灰度图分割为多个单元栅格区域灰度图；

步骤S2，提取每个单元栅线区域的灰度图像纹理特征，根据预设的参考图像纹理特征判断每个单元栅线区域的灰度图像纹理特征为合格单元栅线区域或缺陷单元栅线区域；

步骤S3，当合格单元栅线区域的数量超过第一阀值时判断太阳能网版为栅线区域合格。

2.如权利要求1所述的太阳能网版检测方法置，其特征在于：步骤S1包括以下步骤，

步骤S11，获取太阳能网版的灰度图像，并对获取的灰度图像进行降噪处理；

步骤S12，对降噪处理后的太阳能网版灰度图像进行极化处理，获得太阳能网版的二值化图像；

步骤S13，根据太阳能网版的二值化图像确定太阳能网版灰度图的栅线区域位置坐标，并分割太阳能网版灰度图的栅线区域，获取多个单元栅格区域灰度图。

3.如权利要求2所述的太阳能网版检测方法置，其特征在于：步骤S13包括以下子步骤，

步骤S131，根据太阳能网版二值化图像，确定栅线区域的栅线数量以及栅线的位置排布，并分割太阳能网版二值化图像的栅线区域和乳胶区域；

步骤S132，获取子栅线区域的质量中心坐标，初步确定栅线区域位置；

步骤S133，根据子栅线区域的质量中心坐标，精确定位栅线的位置坐标；

步骤S134，利用确定后栅线区域的位置坐标，对太阳能网版灰度图进行分割，获取太阳能网版栅线区域灰度图和乳胶区域灰度图；

步骤S135，对获取的太阳能网版栅线区域灰度图进行图像分割，获取多个单元栅线区域的灰度图像。

4.如权利要求3所述的太阳能网版检测方法置，其特征在于：在步骤S131中，对太阳能网版二值化图像进行水平投影，获取投影图像中的峰值点，根据峰值点的数目以及峰值点所在的坐标，确定栅线的数目及位置排布。

5.如权利要求4所述的太阳能网版检测方法置，其特征在于：步骤S2中预设参考图像纹理特征存储在单元栅线区域灰度图像纹理特征分类器中，该分类器建立包括以下步骤，

步骤S21，获取太阳能网版的单元栅线区域的灰度图像，对获取的单元栅线区域的灰度图像进行分类；

步骤S22，对分类后的单元栅线区域的灰度图像分别进行特征提取，建立参考图像纹理特征数据库。

6.如权利要求5所述的太阳能网版检测方法置，其特征在于，步骤S21和步骤S22之间还包括步骤S211，对分类后的单元栅线区域的灰度图像进行归一化处理。

7.如权利要求5所述的太阳能网版检测方法置，其特征在于：步骤S22中，图像纹理特征的提取方法为基于统计的图像纹理特征提取方法，结构化纹理特征提取方法或基于信号处理的纹理特征提取方法。

8.如权利要求1所述的太阳能网版检测方法置，其特征在于：还包括步骤S4，获取的太阳能网版乳胶区域二值化图像，分割二值化图像中的子缺陷区域，获取子缺陷区域的面积值，将获取的面积值与参考阀值对比，若子缺陷区域的面积值小于该参考阀值，则为乳胶区域合格。

9.如权利要求8所述的太阳能网版检测方法置，其特征在于：在步骤S4中，当的太阳能网版乳胶区域图像检测为缺陷时，输出对应的乳胶区域图像内缺陷位置所在的坐标并标注。

10.如权利要求1所述的太阳能网版检测方法置，其特征在于：步骤S3中，当的太阳能网版栅线区域图像为缺陷图像时，输出栅格区域图像内缺陷位置所在的坐标并标注。