CN107622484A - 一种基于形状匹配的光伏电池片缺角检测算法 - Google Patents
一种基于形状匹配的光伏电池片缺角检测算法 Download PDFInfo
- Publication number
- CN107622484A CN107622484A CN201710577649.3A CN201710577649A CN107622484A CN 107622484 A CN107622484 A CN 107622484A CN 201710577649 A CN201710577649 A CN 201710577649A CN 107622484 A CN107622484 A CN 107622484A
- Authority
- CN
- China
- Prior art keywords
- image
- basis
- photovoltaic cell
- unfilled corner
- template
- 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
Abstract
本发明提供的基于形状匹配的光伏电池片缺角检测算法,分别对正常无损的电池片图像和待检测的电池片图像进行图像校正、图像转换、阈值分割的预处理;填充图像,以消除栅线部分对匹配过程中轮廓提取的影响,可获取光伏电池片模板图像和待检测目标图像;进行仿射变换,将电池片模板图像与待检测的光伏电池片图像对齐,再将光伏电池片模板图像与待检测图像作差分,可实现光伏电池片缺角的检测。
Description
技术领域
本发明涉及光伏电池片表面缺陷检测技术领域,尤其涉及一种基于形状匹配的光伏电池片缺角检测算法。
背景技术
近几年,人们对清洁能源的依赖程度越来越高,光伏电池片的产量也进一步扩大。光伏电池片作为一种重要的发电载体,具有高光能转换效率、较长的使用寿命,生产工艺较为成熟、成本较低的优点,但同时由于其在加工制造过程中,生产工艺流程较为繁琐,导致光伏电池片易产生各种缺陷,而缺陷的存在会降低其转换效率和使用年限,因此光伏电池片缺陷的检测是生产工艺中必不可少的一个环节。
当前在工业现场主要是依赖人工视觉检测,但是检测效率低下,工人长时间劳动,在疲劳状态下,检测质量低,检测重复性差,成本较高,因此传统的人工检测已无法适应市场的需求。其次,光伏电池片轻脆易碎,更适合选取非接触检测的方式。
所以,如何提供一种基于形状匹配的光伏电池片缺角检测算法,克服现有技术的缺陷,是目前本领域技术人员亟待解决的技术问题。
发明内容
为解决光伏电池片生产过程中存在的技术问题,本发明提供了一种基于形状匹配的光伏电池片缺角检测算法,具体方案如下:
一种基于形状匹配的光伏电池片缺角检测算法,其特征在于:该方法的具体步骤是:
第一步:图像预处理
1-1、标定相机,消除畸变;
第二步:模板图像处理
2-1、模板图像采集,采集正常无损的光伏电池片的RGB三通道图像作为模板;
2-2、图像校正,在步骤2-1 的基础上,对采集到的RGB三通道模板图像进行校正;
2-3、图像转换,在步骤2-2的基础上,将采集到的RGB三通道的模板图像转换为单通道灰度图像;
2-4、截取ROI,在步骤2-3的基础上截取只含电池片部分的ROI;
2-5、阈值分割,在步骤2-4的基础上,对ROI区域内的电池片图像进行阈值分割;
2-6、填充,在步骤2-5的基础上,对图像进行填充,消除电池片栅线部分对匹配过程中轮廓提取的影响;
2-7、轮廓提取,在步骤2-5的基础上,对阈值化分割得到的只含电池片部分的图像提取电池片最外围的轮廓;
第三步:待测图像处理
3-1、待测RGB三通道图像采集;
3-2、图像校正,在步骤3-1的基础上,对采集到的待测RGB三通道图像进行校正;
3-3、图像转换,在步骤3-2的基础上,将采集到的RGB三通道待测图像转换为单通道灰度图像;
3-4、阈值分割,在步骤3-3的基础上,对待测图像的灰度图进行阈值分割,获取只含有电池片部分的前景图像;
3-5、填充,在步骤3-4的基础上,对前景图像进行填充,消除电池片栅线部分的影响;
3-6、图像对齐,在步骤3-5的基础上,将待测图像与模板图像对齐,在待测图像中寻找模板图像所对应的点、角度、尺度,进行仿射变换以对齐模板图像和待测图像;
第四步:光伏电池片缺角检测
4-1、作差分,在步骤3-6的基础上,将对齐后的模板图像与待测图像作差分得到缺角;
4-2、筛选统计,在步骤4-1的基础上,利用图像特征对符合客户提出的要求标准的缺角进行筛选并统计个数;
4-3、标记缺角,在步骤4-2的基础上对符合客户提出的要求标准的光伏电池片缺角缺陷进行标记。
具体的,在所述步骤4-2中,筛选符合客户提出的要求标准的缺角所利用的所述图像特征为面积。
具体的,所述步骤2-1和3-1中,利用CCD工业智能相机获取光伏电池片的图像。
具体的,本算法适用于尺寸规格为156 mm *156mm*0.1mm的光伏电池片。.
本发明提供的基于形状匹配的光伏电池片缺角检测算法,该算法分别对正常无损的电池片图像和待检测的电池片图像进行图像校正、图像转换、阈值分割的预处理;填充图像,以消除栅线部分对匹配过程中轮廓提取的影响,可获取光伏电池片模板图像和待检测目标图像;进行仿射变换,将电池片模板图像与待检测的光伏电池片图像对齐,再将光伏电池片模板图像与待检测图像作差分,可实现光伏电池片缺角的检测。
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,所描述的实施例只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,本发明型所设计的基于形状匹配的光伏电池片缺角检测算法主要应用于工业现场,对光伏电池片缺角缺陷进行检测。检测算法充分适应现场情况,该算法的具体步骤是:
第一步:图像预处理
1-1、标定相机,消除畸变;
第二步:模板图像处理
2-1、模板图像采集,采集正常无损的光伏电池片的RGB三通道图像作为模板;
2-2、图像校正,在步骤2-1 的基础上,对采集到的RGB三通道模板图像进行校正;
2-3、图像转换,在步骤2-2的基础上,将采集到的RGB三通道的模板图像转换为单通道灰度图像;
2-4、截取ROI,在步骤2-3的基础上截取只含电池片部分的ROI;
2-5、阈值分割,在步骤2-4的基础上,对ROI区域内的电池片图像进行阈值分割;
2-6、填充,在步骤2-5的基础上,对图像进行填充,消除电池片栅线部分对匹配过程中轮廓提取的影响;
2-7、轮廓提取,在步骤2-5的基础上,对阈值化分割得到的只含电池片部分的图像提取电池片最外围的轮廓;
第三步:待测图像处理
3-1、待测RGB三通道图像采集;
3-2、图像校正,在步骤3-1的基础上,对采集到的待测RGB三通道图像进行校正;
3-3、图像转换,在步骤3-2的基础上,将采集到的RGB三通道待测图像转换为单通道灰度图像;
3-4、阈值分割,在步骤3-3的基础上,对待测图像的灰度图进行阈值分割,获取只含有电池片部分的前景图像;
3-5、填充,在步骤3-4的基础上,对前景图像进行填充,消除电池片栅线部分的影响;
3-6、图像对齐,在步骤3-5的基础上,将待测图像与模板图像对齐,在待测图像中寻找模板图像所对应的点、角度、尺度,进行仿射变换以对齐模板图像和待测图像;
第四步:光伏电池片缺角检测
4-1、作差分,在步骤3-6的基础上,将对齐后的模板图像与待测图像作差分得到缺角;
4-2、筛选统计,在步骤4-1的基础上,利用图像特征对符合客户提出的要求标准的缺角进行筛选并统计个数;
4-3、标记缺角,在步骤4-2的基础上对符合客户提出的要求标准的光伏电池片缺角缺陷进行标记。
具体的,在所述步骤4-2中,筛选符合客户提出的要求标准的缺角所利用的所述图像特征为面积。
具体的,所述步骤2-1和3-1中,利用CCD工业智能相机获取光伏电池片的图像。
具体的,本算法适用于尺寸规格为156 mm *156mm*0.1mm的光伏电池片。
本发明型所设计的基于形状匹配的光伏电池片缺角检测算法主要应用于工业现场,对光伏电池片缺角缺陷进行检测。检测算法充分适应现场情况,对预处理后的电池片模板图像和待检测的电池片图像进行处理,消除栅线部分对匹配过程中轮廓提取的影响;进行仿射变换,将电池片模板图像与待检测的光伏电池片图像对齐,再将光伏电池片模板图像与待检测图像作差分,可实现光伏电池片缺角的检测。
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 (4)
1.一种基于形状匹配的光伏电池片缺角检测算法,其特征在于:该方法的具体步骤是:
第一步:图像预处理
1-1、标定相机,消除畸变;
第二步:模板图像处理
2-1、模板图像采集,采集正常无损的光伏电池片的RGB三通道图像作为模板;
2-2、图像校正,在步骤2-1 的基础上,对采集到的RGB三通道模板图像进行校正;
2-3、图像转换,在步骤2-2的基础上,将采集到的RGB三通道的模板图像转换为单通道灰度图像;
2-4、截取ROI,在步骤2-3的基础上截取只含电池片部分的ROI;
2-5、阈值分割,在步骤2-4的基础上,对ROI区域内的电池片图像进行阈值分割;
2-6、填充,在步骤2-5的基础上,对图像进行填充,消除电池片栅线部分对匹配过程中轮廓提取的影响;
2-7、轮廓提取,在步骤2-5的基础上,对阈值化分割得到的只含电池片部分的图像提取电池片最外围的轮廓;
第三步:待测图像处理
3-1、待测RGB三通道图像采集;
3-2、图像校正,在步骤3-1的基础上,对采集到的待测RGB三通道图像进行校正;
3-3、图像转换,在步骤3-2的基础上,将采集到的RGB三通道待测图像转换为单通道灰度图像;
3-4、阈值分割,在步骤3-3的基础上,对待测图像的灰度图进行阈值分割,获取只含有电池片部分的前景图像;
3-5、填充,在步骤3-4的基础上,对前景图像进行填充,消除电池片栅线部分的影响;
3-6、图像对齐,在步骤3-5的基础上,将待测图像与模板图像对齐,在待测图像中寻找模板图像所对应的点、角度、尺度,进行仿射变换以对齐模板图像和待测图像;
第四步:光伏电池片缺角检测
4-1、作差分,在步骤3-6的基础上,将对齐后的模板图像与待测图像作差分得到缺角;
4-2、筛选统计,在步骤4-1的基础上,利用图像特征对符合客户提出的要求标准的缺角进行筛选并统计个数;
4-3、标记缺角,在步骤4-2的基础上对符合客户提出的要求标准的光伏电池片缺角缺陷进行标记。
2.根据权利要求书1所述的基于形状匹配的光伏电池片缺角检测算法,其特征在于:在所述步骤4-2中,筛选符合客户提出的要求标准的缺角所利用的所述图像特征为面积。
3.根据权利要求书1或2所述的基于形状匹配的光伏电池片缺角检测算法,其特征在于:所述步骤2-1和3-1中,利用CCD工业智能相机获取光伏电池片的图像。
4.根据权利要求书3所述的基于形状匹配的光伏电池片缺角检测算法,其特征在于:本算法适用于尺寸规格为156 mm *156mm*0.1mm的光伏电池片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710577649.3A CN107622484A (zh) | 2017-07-15 | 2017-07-15 | 一种基于形状匹配的光伏电池片缺角检测算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710577649.3A CN107622484A (zh) | 2017-07-15 | 2017-07-15 | 一种基于形状匹配的光伏电池片缺角检测算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107622484A true CN107622484A (zh) | 2018-01-23 |
Family
ID=61088777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710577649.3A Pending CN107622484A (zh) | 2017-07-15 | 2017-07-15 | 一种基于形状匹配的光伏电池片缺角检测算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107622484A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109376792A (zh) * | 2018-11-07 | 2019-02-22 | 河北工业大学 | 基于多通道残差神经网络的光伏电池外观缺陷分类方法 |
CN110501344A (zh) * | 2019-08-30 | 2019-11-26 | 无锡先导智能装备股份有限公司 | 电池物料在线检测方法 |
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103872983A (zh) * | 2014-04-04 | 2014-06-18 | 天津市鑫鼎源科技发展有限公司 | 太阳能电池表面缺陷检测设备及方法 |
CN105548208A (zh) * | 2016-02-05 | 2016-05-04 | 湖北工业大学 | 一种基于机器视觉的陶瓷阀芯表面缺陷检测方法 |
CN106645190A (zh) * | 2017-01-20 | 2017-05-10 | 河北工业大学 | 基于模板匹配的带钢表面缺陷精准检测方法 |
CN106952260A (zh) * | 2017-03-31 | 2017-07-14 | 深圳华中科技大学研究院 | 一种基于cis图像采集的太阳能电池片缺陷检测系统和方法 |
-
2017
- 2017-07-15 CN CN201710577649.3A patent/CN107622484A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103872983A (zh) * | 2014-04-04 | 2014-06-18 | 天津市鑫鼎源科技发展有限公司 | 太阳能电池表面缺陷检测设备及方法 |
CN105548208A (zh) * | 2016-02-05 | 2016-05-04 | 湖北工业大学 | 一种基于机器视觉的陶瓷阀芯表面缺陷检测方法 |
CN106645190A (zh) * | 2017-01-20 | 2017-05-10 | 河北工业大学 | 基于模板匹配的带钢表面缺陷精准检测方法 |
CN106952260A (zh) * | 2017-03-31 | 2017-07-14 | 深圳华中科技大学研究院 | 一种基于cis图像采集的太阳能电池片缺陷检测系统和方法 |
Non-Patent Citations (1)
Title |
---|
李春龙: "基于机器视觉的硅片表面缺陷检测和颜色检测", 《中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109376792A (zh) * | 2018-11-07 | 2019-02-22 | 河北工业大学 | 基于多通道残差神经网络的光伏电池外观缺陷分类方法 |
CN109376792B (zh) * | 2018-11-07 | 2022-02-18 | 河北工业大学 | 基于多通道残差神经网络的光伏电池外观缺陷分类方法 |
CN110501344A (zh) * | 2019-08-30 | 2019-11-26 | 无锡先导智能装备股份有限公司 | 电池物料在线检测方法 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107622484A (zh) | 一种基于形状匹配的光伏电池片缺角检测算法 | |
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 | |
CN107610090A (zh) | 一种光伏电池片表面栅线偏移的检测算法 | |
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 | |
CN106952260A (zh) | 一种基于cis图像采集的太阳能电池片缺陷检测系统和方法 | |
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 | |
CN107578409A (zh) | 一种太阳能电池片外观断栅缺陷检测的方法 | |
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 | |
CN107742283B (zh) | 一种电池片外观栅线粗细不均缺陷检测的方法 | |
CN107749057B (zh) | 一种太阳能电池片外观漏浆缺陷检测的方法 | |
CN107742286A (zh) | 一种多晶硅太阳能电池片el测试裂纹缺陷检测方法 | |
CN106599890B (zh) | 变电站巡检机器人数字式仪表识别算法 | |
CN103473778B (zh) | 一种led发光芯片插偏缺陷的检测方法 | |
CN107490584A (zh) | 一种太阳能电池片el测试断栅缺陷检测方法 | |
CN107490583A (zh) | 一种基于机器视觉的夹片缺陷检测方法 | |
CN103302039B (zh) | 太阳能电池晶片分色的方法 | |
CN104166999B (zh) | 一种基于地基云图强度分层的云团提取方法 | |
CN108230303A (zh) | 一种多晶硅太阳能电池片外观划痕缺陷检测的方法 | |
CN107563990A (zh) | 一种光伏电池片崩边及钝型和v型缺口的检测算法 | |
CN106709529B (zh) | 一种光伏电池色差分类的视觉检测方法 | |
CN110738205A (zh) | 一种基于机器视觉的电芯正负极识别设备及方法 | |
CN110210060A (zh) | 太阳能光伏板表面积灰程度的预测方法 | |
CN115330768B (zh) | 一种太阳能电池板质量分级方法 | |
CN111210413B (zh) | 一种送丝机构运动过程中的位姿检测方法 | |
CN108898080B (zh) | 一种基于山脊线邻域评价模型的裂缝连接方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180123 |