CN107843600B - 一种多晶硅太阳能电池片外观手印缺陷检测的方法 - Google Patents

一种多晶硅太阳能电池片外观手印缺陷检测的方法 Download PDF

Info

Publication number
CN107843600B
CN107843600B CN201711046969.2A CN201711046969A CN107843600B CN 107843600 B CN107843600 B CN 107843600B CN 201711046969 A CN201711046969 A CN 201711046969A CN 107843600 B CN107843600 B CN 107843600B
Authority
CN
China
Prior art keywords
image
defects
fingerprint
basis
solar cell
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
CN201711046969.2A
Other languages
English (en)
Other versions
CN107843600A (zh
Inventor
陈海永
张晓芳
李爱梅
胡洁
王玉
崔海根
樊雷雷
于矗卓
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.)
Hebei University of Technology
Tianjin Yingli New Energy Resource Co Ltd
Original Assignee
Hebei University of Technology
Tianjin Yingli New Energy Resource Co Ltd
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 Hebei University of Technology, Tianjin Yingli New Energy Resource Co Ltd filed Critical Hebei University of Technology
Priority to CN201711046969.2A priority Critical patent/CN107843600B/zh
Publication of CN107843600A publication Critical patent/CN107843600A/zh
Application granted granted Critical
Publication of CN107843600B publication Critical patent/CN107843600B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G01N21/8806—Specially adapted optical and illumination features
    • 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
    • G01N21/94—Investigating contamination, e.g. dust
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8858—Flaw counting
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/888—Marking defects
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G01N21/94—Investigating contamination, e.g. dust
    • G01N2021/945—Liquid or solid deposits of macroscopic size on surfaces, e.g. drops, films, or clustered contaminants

Landscapes

  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明提供了一种多晶硅太阳能电池片外观手印缺陷检测的方法，该方法主要分为两步：第一步对电池片进行预处理，获取感兴趣区域，后续操作都以此为基础；第二步识别并标记手印区域。预处理部分包含了：对采集到的电池片进行旋转校正操作，使电池片平行于坐标轴，然后进行平滑处理，抑制图像噪声和高频成分的干扰；再将采集到的RGB三通道图像转换为灰度图像，做固定阈值分割出前景区域，再对前景区域做顶帽变换操作，消除边缘及传送带干扰；将顶帽变换处理后的图像做为掩码，从平滑处理后的图像上截取感兴趣区域。

Description

一种多晶硅太阳能电池片外观手印缺陷检测的方法
技术领域
本发明涉及光伏电池检测技术领域，主要涉及一种多晶硅太阳能电池片外观手印缺陷检测的方法。
背景技术
光伏发电应用日益广泛，根据研究表明从2030年开始，太阳能光伏发电在世界总电力的供应中每隔十年将上升10%以上，到21世纪末可再生能源在能源结构中将占到80%以上，太阳能发电占到60%以上，太阳能发电显示出重要的战略意义。多晶硅太阳能电池片制作工艺复杂，在生产过程中极易出现各种各样的缺陷，这些有缺陷的电池片组装起来后不仅影响整体的美观，对光电转换的效率和电池片寿命也产生了很大的影响。手印属于多晶硅太阳能电池片表面外观常见的一种缺陷，产生原因是生产过程中工人的手指不小心接触到电池片表面，缺陷的形状也多似手指形状。将这些有缺陷的电池片从中挑出，对提升企业产品质量非常重要。
现在，现有的缺陷检测方法主要依靠传统的人工肉眼检测，会受到主观性和视觉疲劳的影响，容易造成漏检、误检、效率低下，随着人工成本，企业的生产成本也会增加。由于多晶硅电池片受到本身晶格的影响，其表面的图像纹理不均匀，缺陷特征提取困难，这给目前的缺陷检测造成很大的困扰，因此利用机器视觉来检测电池片缺陷没有得到大量推广。
因此，急需一种太阳能电池片外观手印缺陷检测的方法，提高企业生产效率，实现智能化工厂。
发明内容
有鉴于此，本发明提供了一种多晶硅太阳能电池片外观手印缺陷检测的方法。具体方案如下：
一种太阳能电池片外观手印缺陷检测的方法，该方法包括两个步骤单元，
第一步，对图像进行预处理
1-1图像获取：标定相机，消除畸变；
1-2图像校正：对工业相机采集到的RGB三通道图像进行旋转校正处理；
1-3图像滤波：在步骤1-2的基础上，抑制图像噪声和高频成分的干扰；
1-4图像通道转换：在步骤1-3的基础上，将采集到的RGB三通道图像转换为单通道灰度图像；
1-5获取二值图像：在步骤1-4的基础上，对所述单通道灰度图像进行阈值分割，获取只含电池片的二值图像；
1-6顶帽变换，生成掩码：在步骤1-5的基础上，对获得的二值图像进行形态学顶帽变换处理，消除背景及电池片边缘，突出待检测主体部分；
1-7根据掩码，获取ROI：在步骤1-6的基础上，将待检测的主体部分作为掩码，从平滑处理后的图像上截取ROI感兴趣区域；
第二步，检测手印区域
2-1颜色空间转换：在步骤1-7的基础上，将图像从rgb颜色空间转换到hsv颜色空间；
2-2提取颜色一阶矩：在步骤2-1的基础上，选取v通道图像，求取所述v通道图像颜色一阶矩，得到图像的灰度平均值Mean；
2-3缺陷分割：在步骤2-2的基础上，将得到的图像灰度平均值Mean作为阈值，对图像进行自适应阈值分割，获取缺陷区域；
2-4填充：在步骤2-3的基础上，对得到的所述缺陷区域进行形态学闭环操作，确保所述缺陷区域均为连通域；
2-5筛选并统计缺陷：在步骤2-4的基础上，根据手印缺陷的圆形结构趋近度、面积、灰度值特征进行筛选缺陷并统计缺陷个数；
2-6标注缺陷：在步骤2-5的基础上，将缺陷的位置标注在原图上。
具体的，在上述方法中图像采集所用相机是500万像素工业相机，采集图像大小为2456* 2054，精度0.08mm/pixl。
根据权利要求1所述的一种多晶硅太阳能电池片外观手印缺陷检测的方法，其特征在于：在此方法适用的太阳能电池片大小为156mm *156mm。
具体的，在步骤1-5中，获取二值图像时，对所述单通道灰度图像进行阈值分割时的阈值范围是1-255。
具体的，在所述步骤1-6中，所述顶帽变换处理具体为对二值图像进行开运算处理，放大低亮度边缘及传送带区域，并将原图与开运算的结果图做差，得到待检测的主体部分。
具体的，在所述步骤2-3中，如果所述阈值Mean＜130时，做固定阈值分割，所述固定阈值范围为30-70。
具体的，在所述步骤2-3中，所述阈值Mean＞130时，自适应阈值分割范围选取为Mean-130到Mean-80。
具体的，在所述步骤2-5中，所述手印缺陷的面积area的特征范围为300-70000，所述手印缺陷中圆形结构趋近度circularity的特征范围为0.4-1，所述手印缺陷的灰度值特征为60-95。
本发明解决所述缺陷问题采用的技术方案主要分为两步：第一步对电池片进行预处理，第二检测手印区域。预处理包含了：对电池片进行平滑处理，抑制图像噪声和高频成分的干扰； 然后对图像进行灰度值的顶帽变换操作，消除边缘干扰同时突出感兴趣的部分；再进行固定阈值分割图像，依据面积，设定上下临界值，排除传送带区域对图像处理造成的干扰；然后对图像进行形态学闭环操作,排除阈值分割不充分时产生的小型黑洞，最后再进行区域填充，确保得到的是一个完整的连通域，此连通域的大小即为获取的感兴趣区域。第二部分中，将预处理后的图像分解并转换到hsv颜色空间，缺陷在v通道中较为明显，以v通道图像为基础，对其进行颜色一阶矩的求取，根据v通道图像灰度均值的大小来确定阈值范围，从而达到准确分割缺陷与背景的目的；最后根据缺陷区域的面积、形状及灰度值特征将缺陷区域的位置找出并标记。可以有效提高企业生产效率，实现智能化工厂。
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，本发明请求保护一种太阳能电池片外观手印缺陷检测的方法，该方法包括两个步骤单元：
第一步，对图像进行预处理
1-1图像获取：标定相机，消除畸变；
1-2图像校正：对工业相机采集到的RGB三通道图像进行旋转校正处理；
1-3图像滤波：在步骤1-2的基础上，抑制图像噪声和高频成分的干扰；
1-4图像通道转换：在步骤1-3的基础上，将采集到的RGB三通道图像转换为单通道灰度图像；
1-5获取二值图像：在步骤1-4的基础上，对所述单通道灰度图像进行阈值分割，获取只含电池片的二值图像；
1-6顶帽变换，生成掩码：在步骤1-5的基础上，对获得的二值图像进行形态学顶帽变换处理，消除背景及电池片边缘，突出待检测主体部分；
1-7根据掩码，获取ROI：在步骤1-6的基础上，将待检测的主体部分作为掩码，从平滑处理后的图像上截取ROI感兴趣区域；
第二步，检测手印区域
2-1颜色空间转换：在步骤1-7的基础上，将图像从rgb颜色空间转换到hsv颜色空间；
2-2提取颜色一阶矩：在步骤2-1的基础上，选取v通道图像，求取所述v通道图像颜色一阶矩，得到图像的灰度平均值Mean；
2-3缺陷分割：在步骤2-2的基础上，将得到的图像灰度平均值Mean作为阈值，对图像进行自适应阈值分割，获取缺陷区域；
2-4填充：在步骤2-3的基础上，对得到的所述缺陷区域进行形态学闭环操作，确保所述缺陷区域均为连通域；
2-5筛选并统计缺陷：在步骤2-4的基础上，根据手印缺陷的圆形结构趋近度、面积、灰度值特征进行筛选缺陷并统计缺陷个数；
2-6标注缺陷：在步骤2-5的基础上，将缺陷的位置标注在原图上。
具体的，上述方法图像采集所用相机是500万像素工业相机，采集图像大小为2456* 2054，精度0.08mm/pixl。
具体的，在此方法适用的太阳能电池片大小为156mm *156mm。
具体的，在步骤1-5中，获取二值图像时，对所述单通道灰度图像进行阈值分割时的阈值范围是1-255。
具体的，在所述步骤1-6中，所述顶帽变换处理具体为对二值图像进行开运算处理，放大低亮度边缘及传送带区域，并将原图与开运算的结果图做差，得到待检测的主体部分。
具体的，在所述步骤1-6中，所述顶帽变换处理具体为对二值图像进行开运算处理，放大低亮度边缘及传送带区域，并将原图与开运算的结果图做差，得到待检测的主体部分。
具体的，在所述步骤2-3中，如果所述阈值Mean＜130时，做固定阈值分割，所述固定阈值范围为30-70。
具体的，在所述步骤2-3中，所述阈值Mean＞130时，自适应阈值分割范围选取为Mean-130到Mean-80。
具体的，在所述步骤2-5中，所述手印缺陷的面积area的特征范围为300-70000，所述手印缺陷中圆形结构趋近度circularity的特征范围为0.4-1，所述手印缺陷的灰度值特征为60-95。
具体的，该算法依托的是HDevelope软件，版本2013版。
具体的，该算法通过计算整体区域的灰度均值和方差与缺陷区域的灰度均值和方差之间的差别来判断多晶硅太阳能电池片上是否有手印缺陷。
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 (8)

1.一种多晶硅太阳能电池片外观手印缺陷检测的方法，其特征在于：该方法包括两个步骤单元
第一步，对图像进行预处理
1-1图像获取：标定相机，消除畸变；
1-2图像校正：对工业相机采集到的RGB三通道图像进行旋转校正处理；
1-3图像滤波：在步骤1-2的基础上，抑制图像噪声和高频成分的干扰；
1-4图像通道转换：在步骤1-3的基础上，将采集到的RGB三通道图像转换为单通道灰度图像；
1-5获取二值图像：在步骤1-4的基础上，对所述单通道灰度图像进行阈值分割，获取只含电池片的二值图像；
1-6顶帽变换，生成掩码：在步骤1-5的基础上，对获得的二值图像进行形态学顶帽变换处理，消除背景及电池片边缘，突出待检测主体部分；
1-7根据掩码，获取ROI：在步骤1-6的基础上，将待检测的主体部分作为掩码，从平滑处理后的图像上截取ROI感兴趣区域；
第二步，检测手印区域
2-1颜色空间转换：在步骤1-7的基础上，将图像从rgb颜色空间转换到hsv颜色空间；
2-2提取颜色一阶矩：在步骤2-1的基础上，选取v通道图像，求取所述v通道图像颜色一阶矩，得到图像的灰度平均值Mean；
2-3缺陷分割：在步骤2-2的基础上，将得到的图像灰度平均值Mean作为阈值，对图像进行自适应阈值分割，获取缺陷区域；
2-4填充：在步骤2-3的基础上，对得到的所述缺陷区域进行形态学闭环操作，确保所述缺陷区域均为连通域；
2-5筛选并统计缺陷：在步骤2-4的基础上，根据手印缺陷的圆形结构趋近度、面积、灰度值特征进行筛选缺陷并统计缺陷个数；
2-6标注缺陷：在步骤2-5的基础上，将缺陷的位置标注在原图上。
2.根据权利要求1所述的一种多晶硅太阳能电池片外观手印缺陷检测的方法，其特征在于：图像采集所用相机是500万像素工业相机，采集图像大小为2456*2054，精度0.08mm/pixl。
3.根据权利要求1所述的一种多晶硅太阳能电池片外观手印缺陷检测的方法，其特征在于：在此方法适用的太阳能电池片大小为156mm*156mm。
4.根据权利要求1所述的一种多晶硅太阳能电池片外观手印缺陷检测的方法，其特征在于：在步骤1-5中，获取二值图像时，对所述单通道灰度图像进行阈值分割时的阈值范围是1-255。
5.根据权利要求1所述的一种多晶硅太阳能电池片外观手印缺陷检测的方法，其特征在于：在所述步骤1-6中，所述顶帽变换处理具体为对二值图像进行开运算处理，放大低亮度边缘及传送带区域，并将原图与开运算的结果图做差，得到待检测的主体部分。
6.根据权利要求1所述的一种多晶硅太阳能电池片外观手印缺陷检测的方法，其特征在于：在所述步骤2-3中，如果所述阈值Mean＜130时，做固定阈值分割，所述固定阈值范围为30-70。
7.根据权利要求1所述的一种多晶硅太阳能电池片外观手印缺陷检测的方法，其特征在于：在所述步骤2-3中，所述阈值Mean＞130时，自适应阈值分割范围选取为Mean-130到Mean-80。
8.根据权利要求1-7任一项所述的一种多晶硅太阳能电池片外观手印缺陷检测的方法，其特征在于：在所述步骤2-5中，所述手印缺陷中圆形结构趋近度circularity的特征范围为0.4-1，所述手印缺陷的灰度值特征为60-95。
CN201711046969.2A 2017-10-31 2017-10-31 一种多晶硅太阳能电池片外观手印缺陷检测的方法 Expired - Fee Related CN107843600B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711046969.2A CN107843600B (zh) 2017-10-31 2017-10-31 一种多晶硅太阳能电池片外观手印缺陷检测的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711046969.2A CN107843600B (zh) 2017-10-31 2017-10-31 一种多晶硅太阳能电池片外观手印缺陷检测的方法

Publications (2)

Publication Number Publication Date
CN107843600A CN107843600A (zh) 2018-03-27
CN107843600B true CN107843600B (zh) 2021-01-08

Family

ID=61681208

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711046969.2A Expired - Fee Related CN107843600B (zh) 2017-10-31 2017-10-31 一种多晶硅太阳能电池片外观手印缺陷检测的方法

Country Status (1)

Country Link
CN (1) CN107843600B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596909A (zh) * 2018-05-09 2018-09-28 芜湖哈特机器人产业技术研究院有限公司 空心圆柱工件表面缺陷检测系统及方法
CN109084957B (zh) * 2018-08-31 2024-03-19 华南理工大学 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
CN110146509B (zh) * 2019-05-07 2022-12-13 无锡先导智能装备股份有限公司 电池检测方法及电池检测设备
CN110400290B (zh) * 2019-07-02 2021-08-24 广州大学 一种太阳能电池片色差的检测方法、装置及存储介质
CN110415251A (zh) * 2019-07-02 2019-11-05 广州大学 一种背景检测的图像分割方法与装置
CN113192857B (zh) * 2021-04-20 2023-05-12 山西潞安太阳能科技有限责任公司 一种判断晶硅太阳能电池片失效的方法
CN114140679B (zh) * 2021-10-26 2022-07-01 中科慧远视觉技术(北京)有限公司 一种缺陷融合方法、装置、识别系统及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103258206A (zh) * 2012-11-28 2013-08-21 河海大学常州校区 一种硅太阳能电池表面缺陷检测和识别方法
CN104966101A (zh) * 2015-06-17 2015-10-07 镇江苏仪德科技有限公司 一种基于LabVIEW的太阳能电池片分类方法
JP2016052191A (ja) * 2014-08-29 2016-04-11 富士電機株式会社 太陽電池モジュール監視システム
CN106057700A (zh) * 2016-07-25 2016-10-26 河海大学常州校区 一种太阳能电池片的边红片的检测方法
CN106204614A (zh) * 2016-07-21 2016-12-07 湘潭大学 一种基于机器视觉的工件外观缺陷检测方法
CN106841211A (zh) * 2016-12-30 2017-06-13 镇江苏仪德科技有限公司 一种运用机器视觉对电池片表面缺陷检测的平台及方法
CN106952841A (zh) * 2017-04-27 2017-07-14 河北工业大学 一种光伏电池片缺陷分类装置及其检测方法
CN107014819A (zh) * 2017-06-09 2017-08-04 杭州电子科技大学 一种太阳能电池板表面缺陷检测系统和方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5518598B2 (ja) * 2010-07-02 2014-06-11 東京エレクトロン株式会社 パーティクル分布解析支援方法及びその方法を実施するためのプログラムを記録した記録媒体

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103258206A (zh) * 2012-11-28 2013-08-21 河海大学常州校区 一种硅太阳能电池表面缺陷检测和识别方法
JP2016052191A (ja) * 2014-08-29 2016-04-11 富士電機株式会社 太陽電池モジュール監視システム
CN104966101A (zh) * 2015-06-17 2015-10-07 镇江苏仪德科技有限公司 一种基于LabVIEW的太阳能电池片分类方法
CN106204614A (zh) * 2016-07-21 2016-12-07 湘潭大学 一种基于机器视觉的工件外观缺陷检测方法
CN106057700A (zh) * 2016-07-25 2016-10-26 河海大学常州校区 一种太阳能电池片的边红片的检测方法
CN106841211A (zh) * 2016-12-30 2017-06-13 镇江苏仪德科技有限公司 一种运用机器视觉对电池片表面缺陷检测的平台及方法
CN106952841A (zh) * 2017-04-27 2017-07-14 河北工业大学 一种光伏电池片缺陷分类装置及其检测方法
CN107014819A (zh) * 2017-06-09 2017-08-04 杭州电子科技大学 一种太阳能电池板表面缺陷检测系统和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于机器视觉的太阳能电池片外观缺陷检测;宋玉琴等;《单片机与嵌入式系统应用》;20130228(第2期);第71-74页 *
太阳能电池片分色及缺陷检测系统的研究;童钢;《江苏大学硕士学位论文》;20161102;全文 *

Also Published As

Publication number Publication date
CN107843600A (zh) 2018-03-27

Similar Documents

Publication Publication Date Title
CN107843600B (zh) 一种多晶硅太阳能电池片外观手印缺陷检测的方法
CN107749057B (zh) 一种太阳能电池片外观漏浆缺陷检测的方法
CN107578409B (zh) 一种太阳能电池片外观断栅缺陷检测的方法
CN107610090B (zh) 一种光伏电池片表面栅线偏移的检测方法
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
CN107768269B (zh) 一种多晶硅太阳能电池片外观脏污缺陷检测的方法
CN105160654A (zh) 基于特征点提取的毛巾标签缺陷检测方法
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
Li et al. Automatic saw-mark detection in multicrystalline solar wafer images
CN111179225A (zh) 一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法
CN104574389A (zh) 基于彩色机器视觉的电池片色差分选控制方法
CN113313677B (zh) 一种卷绕锂电池x光图像的质量检测方法
CN108230303A (zh) 一种多晶硅太阳能电池片外观划痕缺陷检测的方法
CN107742283B (zh) 一种电池片外观栅线粗细不均缺陷检测的方法
CN106097368A (zh) 一种单板裂缝的识别方法
CN110942457A (zh) 基于数字图像处理技术的太阳能电池板缺陷检测方法
CN113487563B (zh) 一种基于el图像的光伏组件隐裂自适应检测方法
CN110687122A (zh) 一种陶瓦表面裂纹检测方法及系统
CN101706959A (zh) 基于二维信息熵金属板带表面缺陷提取方法
CN111260617A (zh) 一种基于深度学习的太阳能电池板缺陷检测方法
CN107563990B (zh) 一种光伏电池片崩边及钝型和v型缺口的检测方法
CN115115643A (zh) 一种光伏电池板生产缺陷检测方法
CN107622484A (zh) 一种基于形状匹配的光伏电池片缺角检测算法
CN115330768B (zh) 一种太阳能电池板质量分级方法

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: 20210108