CN108986081A - 光伏组件玻璃裂纹检测方法、装置、设备及存储介质 - Google Patents

光伏组件玻璃裂纹检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN108986081A
CN108986081A CN201810685113.8A CN201810685113A CN108986081A CN 108986081 A CN108986081 A CN 108986081A CN 201810685113 A CN201810685113 A CN 201810685113A CN 108986081 A CN108986081 A CN 108986081A
Authority
CN
China
Prior art keywords
profile
photovoltaic module
initial
angle
photovoltaic
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
Application number
CN201810685113.8A
Other languages
English (en)
Other versions
CN108986081B (zh
Inventor
黄浩
袁昭岚
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.)
HUNAN HONGTAIYANG NEW ENERGY SCIENCE AND TECHNOLOGY Co Ltd
Original Assignee
HUNAN HONGTAIYANG NEW ENERGY SCIENCE AND TECHNOLOGY 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 HUNAN HONGTAIYANG NEW ENERGY SCIENCE AND TECHNOLOGY Co Ltd filed Critical HUNAN HONGTAIYANG NEW ENERGY SCIENCE AND TECHNOLOGY Co Ltd
Priority to CN201810685113.8A priority Critical patent/CN108986081B/zh
Publication of CN108986081A publication Critical patent/CN108986081A/zh
Application granted granted Critical
Publication of CN108986081B publication Critical patent/CN108986081B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • 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
    • G06T2207/10004—Still image; Photographic 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
    • G06T2207/10—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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种光伏组件玻璃裂纹检测方法、装置、设备及存储介质，方法包括：对光伏组件图像进行二值化，得到二值化图像；提取二值化图像的轮廓，获得初始轮廓集合C；对所有初始轮廓，根据其外接矩形的面积和角点的个数进行过滤，获得光伏组件轮廓集合G；遍历初始轮廓集合C内的除光伏组件轮廓外的其他初始轮廓，获取包含在任一个光伏组件轮廓内的初始轮廓，生成候选轮廓集合S；检测所有候选轮廓的角点，计算每个候选轮廓的相邻角点向量与其所属的光伏组件轮廓的边缘的夹角；当符合预定角度条件的夹角的数量小于预设的阈值比例时，判断对应的光伏组件的玻璃存在裂纹。实施本发明，可实现自动、准确、及时的光伏组件玻璃裂纹检测。

Description

光伏组件玻璃裂纹检测方法、装置、设备及存储介质
技术领域
本发明涉及光伏领域，尤其涉及一种光伏组件玻璃裂纹检测方法、装置、设备及存储介质。
背景技术
光伏组件(或称太阳能电池板)是由太阳能电池片或由激光切割机切割开的不同规格的太阳能电池组合在一起构成的。由于单片太阳能电池片的电流和电压都很小，所以一般先把它们串联获得高电压，再并联获得高电流后，通过一个二极管(防止电流回输)输出。通常情况下，这些组合在一起的太阳能电池片被封装在一个不锈钢、铝或其他非金属边框上，且正面覆盖有玻璃，背面设置有背板，以起到保护作用。
光伏组件在受到剧烈冲击(例如冰雹)时可能出现正面玻璃碎裂的情况，如果不及时进行排查维修，可能会导致光伏组件无法正常工作。目前光伏电站中的巡检主要是人工巡检，检查光伏组件中的故障，这种方法人工成本高，运维困难且不及时。
发明内容
针对上述问题，本发明实施例的目的在于提供一种光伏组件玻璃裂纹检测方法、装置、设备及存储介质，可实现自动、准确、及时的玻璃裂纹检测。
本发明实施例提供了一种光伏组件玻璃裂纹检测方法，其特征在于，包括：
对获取的光伏组件图像进行二值化，得到二值化图像；
提取所述二值化图像的轮廓，获得所述二值化图像的初始轮廓集合C；
对所述初始轮廓集合C内的所有初始轮廓，根据其外接矩形的面积和角点的个数进行过滤，获得光伏组件轮廓集合G；其中，所述光伏组件轮廓集合G包括至少一个光伏组件轮廓；
遍历所述初始轮廓集合C内的除光伏组件轮廓外的其他初始轮廓，获取包含在任一个光伏组件轮廓内的所有初始轮廓，生成候选轮廓集合S；
检测所述选轮廓集合S内的所有候选轮廓的角点，计算每个候选轮廓的相邻角点向量与其所属的光伏组件轮廓的边缘的夹角；
当符合预定角度条件的夹角的数量小于预设的阈值比例时，判断所属的光伏组件轮廓对应的光伏组件的玻璃存在裂纹。
优选地，所述对获取的光伏组件图像进行二值化，得到二值化图像，具体为：
对光伏组件图像进行灰度化，获得灰度图像；
获得所述灰度图像的最小灰度值和最大灰度值；
计算所述灰度图像的每个像素点的n邻域的邻域灰度平均值；
根据所述邻域灰度平均值与及调节常量C，获得该像素点的判断阈值；
当所述像素点的灰度值大于所述判断阈值时，将该像素点的灰度值设置为最大灰度值，否则设置为最小灰度值；
在遍历所述灰度图像的所有像素点后，生成二值化图像。
优选地，所述提取所述二值化图像的轮廓，获得所述二值化图像的初始轮廓集合C，具体为：
通过8领域轮廓提取方法，提取所述二值化图像的轮廓，获得初始轮廓集合C。
优选地，所述对所述初始轮廓集合C内的所有初始轮廓，根据其外接矩形的面积和角点的个数进行过滤，获得光伏组件轮廓集合G，具体为：
对所述初始轮廓集合C内的每个初始轮廓C(n)，计算C(n)的外接矩形的面积；
获取面积前m大的m个初始轮廓；
计算每个初始轮廓的角点的个数；
若初始轮廓有且只有4个角点，则判断该初始轮廓为光伏组件轮廓，并加入到光伏组件轮廓集合G内。
优选地，所述对所述初始轮廓集合C内的每个初始轮廓C(n)，计算C(n)的外接矩形的面积，具体为：
对每个初始轮廓C(n)，设P(i)为轮廓C(n)中的像素点，P(i).x为像素点在图像中的列坐标，p(i).y为图像中的行坐标：
遍历P(i)，取P(i)中的X坐标的最小点x1和最大点x2，取P(i)中Y坐标的最小点y1和最大点y2；
把(x1，y1)作为外接矩形的左上角顶点，(x2，y2)作为外接矩形的右下角顶点；
根据左上角顶点以及右下角顶点，计算C(n)的外接矩形的面积A(n)，其中：A(n)＝(y2-y1)*(x2-x1)。
优选地，所述计算每个初始轮廓的角点的个数具体为：
遍历P(i)，取初始轮廓C(n)中等间隔的三点：P(i-k)，P(i)，P(i+k)，得到向量其中：
计算向量的余弦：
当判断cos(θ)在[-0.1，0.1]范围内，则认为P(i)是角点J(i)；
当两个角点在C(n)上的位置差距小于k时保留|cos(θ)|最小的角点。
优选地，所述检测所述候选轮廓集合S内的所有候选轮廓的角点，计算每个候选轮廓的相邻角点向量与其所属的光伏组件轮廓的边缘的夹角，具体为：
对每个候选轮廓S(i)，设P(i)为轮廓S(i)中的像素点，P(i).x为像素点在图像中的列坐标，p(i).y为图像中的行坐标：
遍历P(i)，取候选轮廓S(i)中等间隔的三点：P(i-k)，P(i)，P(i+k)，得到向量其中：
计算向量的余弦：
当判断cos(θ)在[-0.1，0.1]范围内，则认为P(i)是角点J(i)；
当两个角点在S(i)上的位置差距小于k时保留|cos(θ)|最小的角点；
对于轮廓S(i)的角点J，设相邻两个角点的向量为S(i)所属的光伏组件轮廓的边向量为其中：
计算与的夹角；
则所述当符合预定角度条件的夹角的数量小于预设的阈值比例时，判断所属的光伏组件轮廓对应的光伏组件的玻璃存在裂纹，具体为：
计算每个夹角的余弦值的绝对值|cos(θ,i)|，形成集合M(N)；
遍历M(N)，统计与向量接近平行或者接近垂直的向量的个数Cnt；
当Cnt/N小于0.6，判断所属的光伏组件轮廓对应的光伏组件的玻璃存在裂纹。
本发明实施例还提供了一种光伏组件玻璃裂纹检测装置，包括：
二值化单元，用于对获取的光伏组件图像进行二值化，得到二值化图像；
轮廓提取单元，用于提取所述二值化图像的轮廓，获得所述二值化图像的初始轮廓集合C；
过滤单元，用于对所述初始轮廓集合C内的所有初始轮廓，根据其外接矩形的面积和角点的个数进行过滤，获得光伏组件轮廓集合G；其中，所述光伏组件轮廓集合G包括至少一个光伏组件轮廓；
候选轮廓获取单元，用于遍历所述初始轮廓集合C内的除光伏组件轮廓外的其他初始轮廓，获取包含在任一个光伏组件轮廓内的所有初始轮廓，生成候选轮廓集合S；
夹角计算单元，用于检测所述选轮廓集合S内的所有候选轮廓的角点，计算每个候选轮廓的相邻角点向量与其所属的光伏组件轮廓的边缘的夹角；
裂纹判断单元，用于当符合预定角度条件的夹角的数量小于预设的阈值比例时，判断所属的光伏组件轮廓对应的光伏组件的玻璃存在裂纹。
本发明实施例还提供了一种光伏组件玻璃裂纹检测设备，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序能够被所述处理器执行以实现如上述的光伏组件玻璃裂纹检测方法。
本发明实施例一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的光伏组件玻璃裂纹检测方法。
上述一个实施例中，通过图像处理的方式自动判别光伏组件玻璃是否有裂纹，并可以快速的定位存在玻璃碎裂的光伏组件，从而可以较大的提高光伏组件运维的检测效率，并有效降低人工成本。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用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方式，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是本发明第一实施例提供的光伏组件玻璃裂纹检测方法的流程示意图。
图2是本发明第二实施例提供的光伏组件玻璃裂纹检测装置的结构示意图。
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。
请参阅图1，本发明第一实施例提供了一种光伏组件玻璃裂纹检测方法，其可由光伏组件玻璃裂纹检测设备(以下简称裂纹检测设备)执行，并至少包括如下步骤：
S101，对获取的光伏组件图像进行二值化，得到二值化图像。
在本实施例中，所述光伏组件图像可通过设置在光伏组件附近的摄像头对光伏组件拍摄得到，其中，所述光伏组件图像为彩色图像。
在本实施例中，在获得彩色的光伏组件图像后，可先对所述光伏组件图像进行灰度化，获得灰度图像，然后对所述灰度图像进行二值化，可获得二值化图像。
其中，优选地，为了减少环境光照不均带来的影响，本实施例采用自适应阈值二值化方法对所述灰度图像进行二值化。
具体地：
首先，将输入的灰度图像表示为src(x,y)，其中x为灰度图像的列坐标，y为灰度图像的行坐标。
然后，获得所述灰度图像的最大灰度值maxValue。
接着，计算所述灰度图像上的每个像素点的n邻域的邻域灰度平均值；其中，设每个像素点的邻域大小为n*n，调节常量为C；n，C为经验值，可根据实际需要进行调整。则所述灰度图像的每个像素点的n邻域内的所有像素点的灰度平均值(即邻域灰度平均值)M(x,y)＝sum(src(i,j))/(n*n)，x-n<＝i<＝x+n，y-n<＝j<＝y+n；
再接着，计算邻域平均值与常量C的差：T(x,y)＝M(x,y)-C。
最后，将T(x,y)作为像素点src(x,y)的判断阈值，重置像素点src(x,y)的灰度值；其中重置后的灰度值表示为：
在本实施例中，基于上述流程遍历所述灰度图像的所有像素点后，即可获得所述二值化图像。
S102，提取所述二值化图像的轮廓，获得所述二值化图像的初始轮廓集合C。
在本实施例中，可以采用8领域轮廓提取方法快速的提取所述二值化图像的初始轮廓，然后根据提取的所有初始轮廓即可获得初始轮廓集合C。
当然，需要说明的是，还可通过其他轮廓提取方法来进行轮廓的提取，例如，基于区域的轮廓提取方法、基于边缘的轮廓提取方法、基于活动轮廓的方法或者基于视觉特性的轮廓提取方法等，这些方法均在本发明的保护范围之内。
S103，对所述初始轮廓集合C内的所有初始轮廓，根据其外接矩形的面积和角点的个数进行过滤，获得光伏组件轮廓集合G；其中，所述光伏组件轮廓集合G包括至少一个光伏组件轮廓。
具体地，步骤S103可包括如下子步骤：
S1031，对所述初始轮廓集合C内的每个初始轮廓C(n)，计算C(n)的外接矩形的面积。
其中，对所述初始轮廓集合C每个初始轮廓C(n)，设P(i)为轮廓C(n)中的像素点，P(i).x为像素点在二值化图像中的列坐标，p(i).y为二值化图像中的行坐标：
先遍历P(i)，取P(i)中的X坐标的最小点x1和最大点x2，取P(i)中Y坐标的最小点y1和最大点y2；然后把(x1，y1)作为外接矩形的左上角顶点，(x2，y2)作为外接矩形的右下角顶点；接着根据左上角顶点以及右下角顶点，计算C(n)的外接矩形的面积A(n)，其中：A(n)＝(y2-y1)*(x2-x1)。
S1032，获取面积前m大的m个初始轮廓。
在本实施例中，对获取的所有外接矩形的面积按照从大到小进行排序，获取面积前m大的m个初始轮廓作为候选的光伏组件轮廓。
其中，优选的，m为5。当然，还可为其他数值，例如，可为4,6或者其他值，本发明不做具体限定。
S1033，计算每个初始轮廓的角点的个数。
具体地：
首先，遍历P(i)，取初始轮廓C(n)中等间隔的三点：P(i-k)，P(i)，P(i+k)，得到向量其中：
计算向量的余弦：
接着，当判断cos(θ)在[-0.1，0.1]范围内，则认为P(i)是角点J(i)；
最后，对初步获得的角点进行合并，当两个角点在C(n)上的位置差距小于k时保留|cos(θ)|最小的角点。
S1034，若初始轮廓有且只有4个角点，则判断该初始轮廓为光伏组件轮廓，并加入到光伏组件轮廓集合G内。
在本实施例中，如果C(n)有且仅有4个角点，则认为C(n)为光伏组件轮廓，并加入到光伏组件轮廓集合G内。
S104，遍历所述初始轮廓集合C内的除光伏组件轮廓外的其他初始轮廓，获取包含在任一个光伏组件轮廓内的所有初始轮廓，生成候选轮廓集合S。
在本实施例中，首先从初始轮廓集合C内排除掉所有光伏组件轮廓，然后对剩下的所有初始轮廓进行过滤，保留外接矩形位于任一个光伏组件轮廓的初始轮廓，作为候选轮廓，并加入候选轮廓集合S内。
S105，检测所述选轮廓集合S内的所有候选轮廓的角点，计算每个候选轮廓的相邻角点向量与其所属的光伏组件轮廓的边缘的夹角。
具体地，对每个候选轮廓S(i)，设P(i)为轮廓S(i)中的像素点，P(i).x为像素点在图像中的列坐标，p(i).y为图像中的行坐标：则
S1051，遍历P(i)，取候选轮廓S(i)中等间隔的三点：P(i-k)，P(i)，P(i+k)，得到向量其中：
计算向量的余弦：
S1053，当判断cos(θ)在[-0.1，0.1]范围内，则认为P(i)是角点J(i)；
S1054，当两个角点在S(n)上的位置差距小于k时保留|cos(θ)|最小的角点；
S1055，对于轮廓S(i)的角点J，设相邻两个角点的向量为S(i)所属的光伏组件轮廓的边向量为其中：
S1056，计算与的夹角。
S106，当符合预定角度条件的夹角的数量小于预设的阈值比例时，判断所属的光伏组件轮廓对应的光伏组件的玻璃存在裂纹。
具体地，
S1061，计算每个夹角的余弦值的绝对值|cos(θ,i)|，形成集合M(N)；
S1062，遍历M(N)，统计与向量接近平行或者接近垂直的向量的个数Cnt。
其中，当0.9<M(i)<1或者0<M(i)<0.1时，表示相应的向量与向量接近平行或者接近垂直。统计所有符合条件的向量的个数，获得Cnt。
需要说明的是，上述描述中，数组0.9和0.1仅是一个优选的取值，不能理解为对本发明的限定。
S1063，当Cnt/N小于0.6，判断所属的光伏组件轮廓对应的光伏组件的玻璃存在裂纹。
在本实施例中，如果Cnt/N小于0.6则认为，则判断该角点所属的候选轮廓为玻璃裂纹。
当然，需要说明的是，Cnt/N可以根据实际需要进行调整，并不局限于0.6，这些方案均在本发明的保护范围之内，在此不做赘述。
在本实施例中，当检测到存在玻璃裂纹时，可在图像上标记出来，以方便巡检人员及时准备的进行维护。
综上所述，本实施例中，通过图像处理的方式自动判别光伏组件玻璃是否有裂纹，并可以快速的定位存在玻璃碎裂的光伏组件，从而可以较大的提高光伏组件运维的检测效率，并有效降低人工成本。
请参阅图2，本发明第二实施例还提供了一种光伏组件玻璃裂纹检测装置，包括：
二值化单元10，用于对获取的光伏组件图像进行二值化，得到二值化图像。
轮廓提取单元20，用于提取所述二值化图像的轮廓，获得所述二值化图像的初始轮廓集合C。
过滤单元30，用于对所述初始轮廓集合C内的所有初始轮廓，根据其外接矩形的面积和角点的个数进行过滤，获得光伏组件轮廓集合G；其中，所述光伏组件轮廓集合G包括至少一个光伏组件轮廓。
候选轮廓获取单元40，用于遍历所述初始轮廓集合C内的除光伏组件轮廓外的其他初始轮廓，获取包含在任一个光伏组件轮廓内的所有初始轮廓，生成候选轮廓集合S。
夹角计算单元50，用于检测所述选轮廓集合S内的所有候选轮廓的角点，计算每个候选轮廓的相邻角点向量与其所属的光伏组件轮廓的边缘的夹角。
裂纹判断单元60，用于当符合预定角度条件的夹角的数量小于预设的阈值比例时，判断所属的光伏组件轮廓对应的光伏组件的玻璃存在裂纹。
优选地，所述二值化单元10具体包括：
灰度化模块，用于对光伏组件图像进行灰度化，获得灰度图像。
最大灰度值获取模块，用于获得所述灰度图像的最大灰度值。
邻域灰度平均值计算模块，用于计算所述灰度图像的每个像素点的n邻域的邻域灰度平均值。
判断阈值计算模块，用于根据所述邻域灰度平均值与及调节常量C，获得该像素点的判断阈值。
灰度设置模块，用于当所述像素点的灰度值大于所述判断阈值时，将该像素点的灰度值设置为最大灰度值，否则设置为最小灰度值；
二值化图像生成模块，用于在遍历所述灰度图像的所有像素点后，生成二值化图像。
优选地，所述轮廓提取单元20具体用于，通过8领域轮廓提取方法，提取所述二值化图像的轮廓，获得初始轮廓集合C。
优选地，所述过滤单元30具体包括：
面积计算模块，用于对所述初始轮廓集合C内的每个初始轮廓C(n)，计算C(n)的外接矩形的面积；
面积排序模块，用于获取面积前m大的m个初始轮廓；
角点个数计算模块，用于计算每个初始轮廓的角点的个数；
光伏组件轮廓判断模块，用于若初始轮廓有且只有4个角点，则判断该初始轮廓为光伏组件轮廓，并加入到光伏组件轮廓集合G内。
优选地，
所述面积计算模块具体用于：
对每个初始轮廓C(n)，设P(i)为轮廓C(n)中的像素点，P(i).x为像素点在图像中的列坐标，p(i).y为图像中的行坐标：
遍历P(i)，取P(i)中的X坐标的最小点x1和最大点x2，取P(i)中Y坐标的最小点y1和最大点y2；
把(x1，y1)作为外接矩形的左上角顶点，(x2，y2)作为外接矩形的右下角顶点；
根据左上角顶点以及右下角顶点，计算C(n)的外接矩形的面积A(n)，其中：A(n)＝(y2-y1)*(x2-x1)。
优选地，所述角点个数计算模块具体用于：
遍历P(i)，取初始轮廓C(n)中等间隔的三点：P(i-k)，P(i)，P(i+k)，得到向量其中：
计算向量的余弦：
当判断cos(θ)在[-0.1，0.1]范围内，则认为P(i)是角点J(i)；
当两个角点在C(n)上的位置差距小于k时保留|cos(θ)|最小的角点。
优选地，所述夹角计算单元50具体用于：
对每个候选轮廓S(i)，设P(i)为轮廓S(i)中的像素点，P(i).x为像素点在图像中的列坐标，p(i).y为图像中的行坐标：
遍历P(i)，取候选轮廓S(i)中等间隔的三点：P(i-k)，P(i)，P(i+k)，得到向量其中：
计算向量的余弦：
当判断cos(θ)在[-0.1，0.1]范围内，则认为P(i)是角点J(i)；
当两个角点在S(i)上的位置差距小于k时保留|cos(θ)|最小的角点；
对于轮廓S(i)的角点J，设相邻两个角点的向量为S(i)所属的光伏组件轮廓的边向量为其中：
计算与的夹角；
则所述裂纹判断单元具体用于：
计算每个夹角的余弦值的绝对值|cos(θ,i)|，形成集合M(N)；
遍历M(N)，统计与向量接近平行或者接近垂直的向量的个数Cnt；
当Cnt/N小于0.6，判断所属的光伏组件轮廓对应的光伏组件的玻璃存在裂纹。
本发明第三实施例还提供了一种光伏组件玻璃裂纹检测设备，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序能够被所述处理器执行以实现如上述的光伏组件玻璃裂纹检测方法。
本发明第四实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的光伏组件玻璃裂纹检测方法。
示例性的，所述计算机程序可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在光伏组件玻璃裂纹检测设备中的执行过程。
所述光伏组件玻璃裂纹检测设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器集群等计算设备。所述光伏组件玻璃裂纹检测设备可包括但不仅限于处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是光伏组件玻璃裂纹检测设备的示例，并不构成对光伏组件玻璃裂纹检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述光伏组件玻璃裂纹检测设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述光伏组件玻璃裂纹检测设备的控制中心，利用各种接口和线路连接整个光伏组件玻璃裂纹检测设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述光伏组件玻璃裂纹检测设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述光伏组件玻璃裂纹检测设备集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种光伏组件玻璃裂纹检测方法，其特征在于，包括：
对获取的光伏组件图像进行二值化，得到二值化图像；
提取所述二值化图像的轮廓，获得所述二值化图像的初始轮廓集合C；
对所述初始轮廓集合C内的所有初始轮廓，根据其外接矩形的面积和角点的个数进行过滤，获得光伏组件轮廓集合G；其中，所述光伏组件轮廓集合G包括至少一个光伏组件轮廓；
遍历所述初始轮廓集合C内的除光伏组件轮廓外的其他初始轮廓，获取包含在任一个光伏组件轮廓内的所有初始轮廓，生成候选轮廓集合S；
检测所述选轮廓集合S内的所有候选轮廓的角点，计算每个候选轮廓的相邻角点向量与其所属的光伏组件轮廓的边缘的夹角；
当符合预定角度条件的夹角的数量小于预设的阈值比例时，判断所属的光伏组件轮廓对应的光伏组件的玻璃存在裂纹。
2.根据权利要求1所述的光伏组件玻璃裂纹检测方法，其特征在于，所述对获取的光伏组件图像进行二值化，得到二值化图像，具体为：
对光伏组件图像进行灰度化，获得灰度图像；
获得所述灰度图像的最大灰度值；
计算所述灰度图像的每个像素点的n邻域的邻域灰度平均值；
根据所述邻域灰度平均值与及调节常量C，获得该像素点的判断阈值；
当所述像素点的灰度值大于所述判断阈值时，将该像素点的灰度值设置为最大灰度值，否则设置为最小灰度值；
在遍历所述灰度图像的所有像素点后，生成二值化图像。
3.根据权利要求1所述的光伏组件玻璃裂纹检测方法，其特征在于，所述提取所述二值化图像的轮廓，获得所述二值化图像的初始轮廓集合C，具体为：：
通过8领域轮廓提取方法，提取所述二值化图像的轮廓，获得初始轮廓集合C。
4.根据权利要求1所述的光伏组件玻璃裂纹检测方法，其特征在于，所述对所述初始轮廓集合C内的所有初始轮廓，根据其外接矩形的面积和角点的个数进行过滤，获得光伏组件轮廓集合G，具体为：
对所述初始轮廓集合C内的每个初始轮廓C(n)，计算C(n)的外接矩形的面积；
获取面积前m大的m个初始轮廓；
计算每个初始轮廓的角点的个数；
若初始轮廓有且只有4个角点，则判断该初始轮廓为光伏组件轮廓，并加入到光伏组件轮廓集合G内。
5.根据权利要求4所述的光伏组件玻璃裂纹检测方法，其特征在于，
所述对所述初始轮廓集合C内的每个初始轮廓C(n)，计算C(n)的外接矩形的面积，具体为：
对每个初始轮廓C(n)，设P(i)为轮廓C(n)中的像素点，P(i).x为像素点在图像中的列坐标，p(i).y为图像中的行坐标：
遍历P(i)，取P(i)中的X坐标的最小点x1和最大点x2，取P(i)中Y坐标的最小点y1和最大点y2；
把(x1，y1)作为外接矩形的左上角顶点，(x2，y2)作为外接矩形的右下角顶点；
根据左上角顶点以及右下角顶点，计算C(n)的外接矩形的面积A(n)，其中：A(n)＝(y2-y1)*(x2-x1)。
6.根据权利要求5所述的光伏组件玻璃裂纹检测方法，其特征在于，
所述计算每个初始轮廓的角点的个数具体为：
遍历P(i)，取初始轮廓C(n)中等间隔的三点：P(i-k)，P(i)，P(i+k)，得到向量其中：
计算向量的余弦：
当判断cos(θ)在[-0.1，0.1]范围内，则认为P(i)是角点J(i)；
当两个角点在C(n)上的位置差距小于k时保留|cos(θ)|最小的角点。
7.根据权利要求1所述的光伏组件玻璃裂纹检测方法，其特征在于，所述检测所述候选轮廓集合S内的所有候选轮廓的角点，计算每个候选轮廓的相邻角点向量与其所属的光伏组件轮廓的边缘的夹角，具体为：
对每个候选轮廓S(i)，设P(i)为轮廓S(i)中的像素点，P(i).x为像素点在图像中的列坐标，p(i).y为图像中的行坐标：
遍历P(i)，取候选轮廓S(i)中等间隔的三点：P(i-k)，P(i)，P(i+k)，得到向量其中：
计算向量的余弦：
当判断cos(θ)在[-0.1，0.1]范围内，则认为P(i)是角点J(i)；
当两个角点在S(i)上的位置差距小于k时保留|cos(θ)|最小的角点；
对于轮廓S(i)的角点J，设相邻两个角点的向量为S(i)所属的光伏组件轮廓的边向量为其中：
计算与的夹角；
则所述当符合预定角度条件的夹角的数量小于预设的阈值比例时，判断所属的光伏组件轮廓对应的光伏组件的玻璃存在裂纹，具体为：
计算每个夹角的余弦值的绝对值|cos(θ,i)|，形成集合M(N)；
遍历M(N)，统计与向量接近平行或者接近垂直的向量的个数Cnt；
当Cnt/N小于0.6，判断所属的光伏组件轮廓对应的光伏组件的玻璃存在裂纹。
8.一种光伏组件玻璃裂纹检测装置，其特征在于，包括：
二值化单元，用于对获取的光伏组件图像进行二值化，得到二值化图像；
轮廓提取单元，用于提取所述二值化图像的轮廓，获得所述二值化图像的初始轮廓集合C；
过滤单元，用于对所述初始轮廓集合C内的所有初始轮廓，根据其外接矩形的面积和角点的个数进行过滤，获得光伏组件轮廓集合G；其中，所述光伏组件轮廓集合G包括至少一个光伏组件轮廓；
候选轮廓获取单元，用于遍历所述初始轮廓集合C内的除光伏组件轮廓外的其他初始轮廓，获取包含在任一个光伏组件轮廓内的所有初始轮廓，生成候选轮廓集合S；
夹角计算单元，用于检测所述选轮廓集合S内的所有候选轮廓的角点，计算每个候选轮廓的相邻角点向量与其所属的光伏组件轮廓的边缘的夹角；
裂纹判断单元，用于当符合预定角度条件的夹角的数量小于预设的阈值比例时，判断所属的光伏组件轮廓对应的光伏组件的玻璃存在裂纹。
9.一种光伏组件玻璃裂纹检测设备，其特征在于，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序能够被所述处理器执行以实现如权利要求1-7任意一项所述的光伏组件玻璃裂纹检测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1-7任意一项所述的光伏组件玻璃裂纹检测方法。
CN201810685113.8A 2018-06-28 2018-06-28 光伏组件玻璃裂纹检测方法、装置、设备及存储介质 Active CN108986081B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810685113.8A CN108986081B (zh) 2018-06-28 2018-06-28 光伏组件玻璃裂纹检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810685113.8A CN108986081B (zh) 2018-06-28 2018-06-28 光伏组件玻璃裂纹检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN108986081A true CN108986081A (zh) 2018-12-11
CN108986081B CN108986081B (zh) 2021-11-23

Family

ID=64539171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810685113.8A Active CN108986081B (zh) 2018-06-28 2018-06-28 光伏组件玻璃裂纹检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN108986081B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110570442A (zh) * 2019-09-19 2019-12-13 厦门市美亚柏科信息股份有限公司 一种复杂背景下轮廓检测方法、终端设备及存储介质
CN110893382A (zh) * 2019-11-09 2020-03-20 钟连杰 自动化细纹修补系统
CN110907473A (zh) * 2019-11-29 2020-03-24 上海科世达-华阳汽车电器有限公司 光伏组件的检修方法、装置、设备以及存储介质
CN112001892A (zh) * 2020-07-29 2020-11-27 苏州浪潮智能科技有限公司 一种服务器配件监管方法、系统、终端及存储介质
CN112381754A (zh) * 2020-09-08 2021-02-19 天合光能股份有限公司 基于数学模型定量表征光伏组件el图像明暗分布的方法
CN112819843A (zh) * 2021-01-20 2021-05-18 上海大学 一种夜间电力线的提取方法及系统
CN112834457A (zh) * 2021-01-23 2021-05-25 中北大学 基于反射式激光热成像的金属微裂纹三维表征系统及方法
CN113268856A (zh) * 2021-04-20 2021-08-17 南方科技大学 基于概率的裂纹表征与重构方法、存储介质及终端设备
CN115294078A (zh) * 2022-08-11 2022-11-04 创新奇智(合肥)科技有限公司 玻璃非对称切角识别方法、装置、设备及存储介质
CN113689378B (zh) * 2021-07-07 2024-04-05 杭州未名信科科技有限公司 试纸带精准定位的判定方法、装置、存储介质及终端
CN118500879A (zh) * 2024-07-17 2024-08-16 苏州金陵玻璃科技有限公司 一种钢化玻璃用强度精确测试方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040260487A1 (en) * 2002-11-26 2004-12-23 Martin Evans Method for monitoring a FCC catalyst injection system
CN102508110A (zh) * 2011-10-10 2012-06-20 上海大学 基于纹理的绝缘子缺陷诊断方法
CN103093497A (zh) * 2013-01-09 2013-05-08 吉林大学 基于分层轮廓的lidar数据城市快速重建方法
CN103942777A (zh) * 2014-03-13 2014-07-23 华南理工大学 一种基于主成分分析的手机玻璃盖板缺陷检测方法
CN105162399A (zh) * 2015-08-11 2015-12-16 湖南红太阳新能源科技有限公司 一种分体式水上光伏发电系统用浮体模块

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040260487A1 (en) * 2002-11-26 2004-12-23 Martin Evans Method for monitoring a FCC catalyst injection system
CN102508110A (zh) * 2011-10-10 2012-06-20 上海大学 基于纹理的绝缘子缺陷诊断方法
CN103093497A (zh) * 2013-01-09 2013-05-08 吉林大学 基于分层轮廓的lidar数据城市快速重建方法
CN103942777A (zh) * 2014-03-13 2014-07-23 华南理工大学 一种基于主成分分析的手机玻璃盖板缺陷检测方法
CN105162399A (zh) * 2015-08-11 2015-12-16 湖南红太阳新能源科技有限公司 一种分体式水上光伏发电系统用浮体模块

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
QIN ZOU等: "CrackTree: Automatic crack detection from pavement images", 《PATTERN RECOGNITION LETTERS》 *
朱力强等: "基于特征点集距离描述的裂缝图像匹配算法研究", 《仪器仪表学报》 *
李刚: "平板玻璃缺陷识别系统设计", 《重庆科技学院学报( 自然科学版)》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110570442A (zh) * 2019-09-19 2019-12-13 厦门市美亚柏科信息股份有限公司 一种复杂背景下轮廓检测方法、终端设备及存储介质
CN110893382A (zh) * 2019-11-09 2020-03-20 钟连杰 自动化细纹修补系统
CN110907473A (zh) * 2019-11-29 2020-03-24 上海科世达-华阳汽车电器有限公司 光伏组件的检修方法、装置、设备以及存储介质
CN112001892A (zh) * 2020-07-29 2020-11-27 苏州浪潮智能科技有限公司 一种服务器配件监管方法、系统、终端及存储介质
CN112381754A (zh) * 2020-09-08 2021-02-19 天合光能股份有限公司 基于数学模型定量表征光伏组件el图像明暗分布的方法
CN112819843A (zh) * 2021-01-20 2021-05-18 上海大学 一种夜间电力线的提取方法及系统
CN112834457A (zh) * 2021-01-23 2021-05-25 中北大学 基于反射式激光热成像的金属微裂纹三维表征系统及方法
CN113268856A (zh) * 2021-04-20 2021-08-17 南方科技大学 基于概率的裂纹表征与重构方法、存储介质及终端设备
CN113689378B (zh) * 2021-07-07 2024-04-05 杭州未名信科科技有限公司 试纸带精准定位的判定方法、装置、存储介质及终端
CN115294078A (zh) * 2022-08-11 2022-11-04 创新奇智(合肥)科技有限公司 玻璃非对称切角识别方法、装置、设备及存储介质
CN115294078B (zh) * 2022-08-11 2024-01-30 创新奇智(合肥)科技有限公司 玻璃非对称切角识别方法、装置、设备及存储介质
CN118500879A (zh) * 2024-07-17 2024-08-16 苏州金陵玻璃科技有限公司 一种钢化玻璃用强度精确测试方法及装置

Also Published As

Publication number Publication date
CN108986081B (zh) 2021-11-23

Similar Documents

Publication Publication Date Title
CN108986081A (zh) 光伏组件玻璃裂纹检测方法、装置、设备及存储介质
US10896349B2 (en) Text detection method and apparatus, and storage medium
US9754160B2 (en) Method and device for detecting gathering of objects based on stereo vision as well as non-transitory computer-readable medium
CN103530878B (zh) 一种基于融合策略的边缘提取方法
CN102521589B (zh) 一种车道线检测的方法及系统
CN107844785B (zh) 一种基于尺度估计的人脸检测方法
CN110619333B (zh) 一种文本行分割方法、文本行分割装置及电子设备
CN109955246A (zh) 悬崖检测方法、装置、终端设备及计算机可读存储介质
CN110428438B (zh) 一种单木建模方法、装置和存储介质
CN104392239A (zh) 一种车牌识别方法及系统
CN109740533A (zh) 遮挡比例确定方法、装置和电子系统
CN103577875A (zh) 一种基于fast的计算机辅助cad人数统计方法
CN109191430A (zh) 一种基于Laws纹理与单分类SVM结合的素色布匹缺陷检测方法
EP2813973A1 (en) Method and system for processing video image
CN111597845A (zh) 一种二维码检测方法、装置、设备及可读存储介质
CN112489020A (zh) 一种图像筛选方法、装置、电子设备及存储介质
CN109030499B (zh) 一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法
CN110378351A (zh) 印章鉴别方法及装置
CN104715614B (zh) 一种嫌疑套牌车捕获方法
CN108596196A (zh) 一种基于绝缘子图像特征词典的污秽状态评估方法
CN102831426A (zh) 一种道路环境自适应的直车道检测方法
CN107154057A (zh) 点定位方法及装置
CN110175520A (zh) 机器人巡检图像的文本位置检测方法、装置及存储介质
CN107705414B (zh) 一种纸币的识别方法、装置、终端设备和存储介质
CN113781469A (zh) 基于yolo改进模型的安全头盔佩戴检测的方法及系统

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