CN110400290A - 一种太阳能电池片色差的检测方法、装置及存储介质 - Google Patents
一种太阳能电池片色差的检测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110400290A CN110400290A CN201910593980.3A CN201910593980A CN110400290A CN 110400290 A CN110400290 A CN 110400290A CN 201910593980 A CN201910593980 A CN 201910593980A CN 110400290 A CN110400290 A CN 110400290A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- picture
- value
- color difference
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 34
- 230000011218 segmentation Effects 0.000 claims abstract description 14
- 238000006243 chemical reaction Methods 0.000 claims abstract description 13
- 239000000284 extract Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 claims description 6
- 230000003628 erosive effect Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 241000114727 Acetes chinensis Species 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000000034 method Methods 0.000 description 21
- 238000012935 Averaging Methods 0.000 description 8
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 229910052710 silicon Inorganic materials 0.000 description 6
- 239000010703 silicon Substances 0.000 description 6
- 238000011179 visual inspection Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种太阳能电池片色差的检测方法、装置及存储介质,所述方法包括:调整拍摄装置的垂直高度和焦距,消除镜头畸变,获取待检测图像;将所述待检测图像进行灰度化处理,得到对应的灰度值图片;对所述灰度值图片进行二值化处理,提取出在预设阈值范围内的灰度值区域并进行孔洞填充;对所述灰度值区域进行开运算后缩小定义域,得到电池片待检测区域并进行抠图处理,得到分割后的待检测图片;取所述分割后的待检测图片的RGB三个通道的均值,获得对应的灰度图后进行平滑滤波处理,计算所述灰度图的峰值以及灰度间距,判断待检测电池片片内是否存在色差。本发明能够通过结合机器视觉和计算机技术进行片内色差检测,提高检测速度和精度。
Description
技术领域
本发明涉及机器视觉技术领域,尤其涉及一种太阳能电池片色差的检测方法、装置及存储介质。
背景技术
随着现代光伏产业的迅猛发展,市场需求也随之增加,企业竞争越来越激烈,太阳能电池片片内色差虽然不能决定光伏发电系统的效率及使用寿命,但是在形成组件的过程中,不均匀的颜色会影响组件的美观度,从而导致销售量和产品竞争力下降,因此需要将存在色差非常明显的太阳能电池片剔除掉。
在对现有技术的研究与实践过程中,本发明的发明人发现,传统判断色差方法主要是通过人工肉眼检测,检测速度慢,容易造成肉眼疲劳从而导致检测效率低,并且由于人工检测带有强烈的主观性,容易产生误差,检测精确度得不到保证。因此,需要一种能够提高电池片片内色差异常的检测速度和精度的方法,并能保证色差检测的有效性。
发明内容
本发明要解决的技术问题在于,提出一种太阳能电池片色差的检测方法、装置及存储介质,能够提高太阳能电池片片内色差异常的检测速度和精度。
为解决上述问题,本发明的一个实施例提供的一种太阳能电池片色差的检测方法,至少包括如下步骤:
调整拍摄装置的垂直高度和焦距,消除镜头畸变,获取待检测图像;
将所述待检测图像进行灰度化处理,得到对应的灰度值图片;
对所述灰度值图片进行二值化处理,提取出在预设阈值范围内的灰度值区域并进行孔洞填充;
对所述灰度值区域进行开运算后缩小定义域,得到电池片待检测区域并进行抠图处理,得到分割后的待检测图片;
取所述分割后的待检测图片的RGB三个通道的均值,获得对应的灰度图后进行平滑滤波处理,计算所述灰度图的峰值以及灰度间距,判断待检测电池片片内是否存在色差。
进一步地,所述调整拍摄装置的垂直高度和焦距,消除镜头畸变,获取待检测图像,具体为:
调整拍摄装置的垂直高度,以使拍摄图片大小符合预设范围内的长度和宽度;
调整拍摄装置的焦距直至观察到待检测电池片的四个倒角栅线为止;
采用预设规格的正方形标定板消除镜头畸变,调整至观察到所述正方形标定板的所有圆点为止;
提取暗室环境中X光拍摄的膜后待检测电池片图像,得到待检测图像。
进一步地,所述二值化处理,具体为:将所述灰度值图片中每个限速的灰度值与预设阈值进行比较,提取出在预设阈值范围内的灰度值区域,其中,阈值范围取0~150。
进一步地,所述开运算,包括腐蚀和膨胀,其中,
所述腐蚀,具体为:根据结构元素作为模板,在原始二值图像中平滑一遍,扫描图像的每一个像素,用结构元素中的每一个元素与其覆盖的二值图像进行“或”运算,假设结构元素中每一个元素的都为1,若运算结果为1,则二值图像中对应结构元素原点位置的像素值为1,否则为0;
所述膨胀,具体为:根据结构元素作为模板在原始二值图像种平滑一遍,扫描图像的每一个像素,用结构元素中的每一个元素与其覆盖的二值图像进行“与”运算,假设结构元素中每一个元素的都为1,若运算结果为1,则二值图像中对应结构元素原点位置的像素值为1,否则为0。
进一步地,所述抠图处理,具体为:从灰度值图像里提取出进行开运算后的电池片待检测区域,采用HALCON软件和C#语言进行图像处理,得到分割后的待检测图像。
进一步地,所述计算所述灰度图的峰值以及灰度间距,判断待检测电池片片内是否存在色差,具体为:
计算所述灰度图进行平滑滤波处理后的峰值以及灰度间距,根据所述灰度图统计出在灰度值(0,255)范围内的每一个灰度值在图像中出现的次数;
若只有一个峰值,则判断所述待检测电池片片内无色差;
若存在两个峰值A、B,当峰值A和B之间间距数值小于预设范围且A<间距<B,则判断所述待检测电池片片内存在轻微色差;
若存在两个峰值A、B,当峰值A和B之间间距数值大于预设范围且A<B<间距,则判断所述待检测电池片片内存在严重色差,定义为色差片。
本发明的另一个实施例提供了一种太阳能电池片色差的检测装置,包括:
标定模块,用于调整拍摄装置的垂直高度和焦距,消除镜头畸变,获取待检测图像;
灰度值化模块,用于将所述待检测图像进行灰度化处理,得到对应的灰度值图片;
二值化模块,用于对所述灰度值图片进行二值化处理,提取出在预设阈值范围内的灰度值区域并进行孔洞填充;
开运算模块,用于对所述灰度值区域进行开运算后缩小定义域,得到电池片待检测区域并进行抠图处理,得到分割后的待检测图片;
色差识别模块,用于取所述分割后的待检测图片的RGB三个通道的均值,获得对应的灰度图后进行平滑滤波处理,计算所述灰度图的峰值以及灰度间距,判断待检测电池片片内是否存在色差。
进一步地,所述标定模块,具体为:
调整拍摄装置的垂直高度,以使拍摄图片大小符合预设范围内的长度和宽度;
调整拍摄装置的焦距直至观察到待检测电池片的四个倒角栅线为止;
采用预设规格的正方形标定板消除镜头畸变,调整至观察到所述正方形标定板的所有圆点为止;
提取暗室环境中X光拍摄的膜后待检测电池片图像,得到待检测图像。
进一步地,所述开运算模块,包括腐蚀单元、膨胀单元和抠图单元,其中,
所述腐蚀单元,用于根据结构元素作为模板,在原始二值图像中平滑一遍,扫描图像的每一个像素,用结构元素中的每一个元素与其覆盖的二值图像进行“或”运算,假设结构元素中每一个元素的都为1,若运算结果为1,则二值图像中对应结构元素原点位置的像素值为1,否则为0;
所述膨胀单元,用于根据结构元素作为模板在原始二值图像种平滑一遍,扫描图像的每一个像素,用结构元素中的每一个元素与其覆盖的二值图像进行“与”运算,假设结构元素中每一个元素的都为1,若运算结果为1,则二值图像中对应结构元素原点位置的像素值为1,否则为0;
所述抠图单元,用于从灰度值图像里提取出进行开运算后的电池片待检测区域,采用HALCON软件和C#语言进行图像处理,得到分割后的待检测图像。
本发明的一个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太阳能电池片色差的检测方法。
实施本发明实施例,具有如下有益效果:
本发明实施例提供的一种太阳能电池片色差的检测方法、装置及存储介质,所述方法包括:调整拍摄装置的垂直高度和焦距,消除镜头畸变,获取待检测图像;将所述待检测图像进行灰度化处理,得到对应的灰度值图片;对所述灰度值图片进行二值化处理,提取出在预设阈值范围内的灰度值区域并进行孔洞填充;对所述灰度值区域进行开运算后缩小定义域,得到电池片待检测区域并进行抠图处理,得到分割后的待检测图片;取所述分割后的待检测图片的RGB三个通道的均值,获得对应的灰度图后进行平滑滤波处理,计算所述灰度图的峰值以及灰度间距,判断待检测电池片片内是否存在色差。本发明能够通过结合机器视觉和计算机技术,采用基于灰度直方图峰值差异来进行片内色差检测,保证了检测的有效性,同时提高了太阳能电池片片内色差异常的检测速度和精度,避免人工肉眼检测的检测效率低和误差性高的缺陷。
附图说明
图1是本发明的一个实施例提供的一种太阳能电池片色差的检测方法的流程示意图;
图2是本发明的一个实施例提供的获取待检测图像的流程示意图;
图3是本发明的一个实施例提供的一种太阳能电池片色差的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。
本发明第一实施例
请参阅图1-2。
如图1所示,本实施例提供的一种太阳能电池片色差的检测方法,至少包括如下步骤:
S101、调整拍摄装置的垂直高度和焦距,消除镜头畸变,获取待检测图像;
具体的,对于步骤S101,调整相机垂直高度,用直尺放到实验台,调整到能拍摄的图片大小在175~177这个范围的长度和宽度的视野为止;将待测硅片放置到实验台,调整相机焦距,直至能看清楚硅片的四个倒角栅线为止;消除镜头畸变,使用边长为170mm的正方形标定板,调整到能看清楚正方形标定板上所有的圆点为止;提取暗室环境中X光拍摄的膜后太阳能电池硅片图像,得到待检测图像。
S102、将所述待检测图像进行灰度化处理,得到对应的灰度值图片;
具体的,对于步骤S102,对图像进行灰度化处理,即将彩色图像转化成为灰度图像。由于彩色图像中的每个像素的颜色有R、G、B三个分量决定,而每个分量有255个值可取,这样一个像素点可以有1600多万(255*255*255)的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像,其一个像素点的变化范围为255种,所以在数字图像处理种一般先将各种格式的图像转变成灰度图像以使能够减少后续的图像的计算量,提高计算效率。虽然图像进行灰度化处理,但灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。根据YUV的颜色空间中,Y的分量的物理意义是点的亮度,由该值反映亮度等级,根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应:Y=0.3R+0.59G+0.11B,以这个亮度值表达图像的灰度值。
S103、对所述灰度值图片进行二值化处理,提取出在预设阈值范围内的灰度值区域并进行孔洞填充;
具体的,对于步骤S103,对整幅图像选取单一的阈值进行二值化。这种方法计算速度较快,在物体和背景的灰度差别较明显时效果较好。将图像每个像素的灰度值与阈值进行比较,提取出在阈值范围内的灰度值区域,其中,阈值取0~150;灰度值取0~255;同时,在提取出在阈值范围内的灰度值区域后,还需要进行孔洞填充,直至灰度值区域内所有像素间没有缝隙。
S104、对所述灰度值区域进行开运算后缩小定义域,得到电池片待检测区域并进行抠图处理,得到分割后的待检测图片;
具体的,对于步骤S104,由于噪声的影响,图像在阈值化后所得到边界往往是很不平滑的,物体区域具有一些噪声孔,背景区域上散布着一些小的噪声物体。因此,在本实施例中,采取连续的开运算,先腐蚀后膨胀,从而减少噪声带来的影响。
其中,所述腐蚀的具体流程为:用结构元素作为模板在原始二值图像种平滑一遍,扫描图像的每一个像素,用结构元素中的每一个元素与其覆盖的二值图像做“或”操作(假设结构元素都为1),如果结果为1,则二值图像中对应结构元素原点位置的像素值为1,否则为0。
所述膨胀的具体流程为:用结构元素作为模板在原始二值图像种平滑一遍,扫描图像的每一个像素,用结构元素中的每一个元素与其覆盖的二值图像做“与”操作(假设结构元素都为1),如果结果都为1,则二值图像中对应结构元素原点位置的像素值为1,否则为0。需要说明的是,本实施中采用的结构元素为矩形结构1*900。
为了得到准确的灰度直方图峰值信息,在对灰度值区域进行连续的开运算后,还需要将从灰度值图像里将进行开运算后的电池片待检测区域抠出,得到分割后的待检测图片。
S105、取所述分割后的待检测图片的RGB三个通道的均值,获得对应的灰度图后进行平滑滤波处理,计算所述灰度图的峰值以及灰度间距,判断待检测电池片片内是否存在色差。
具体的,对于步骤S105,取分割后的图片的RGB三个通道的均值,获得对应灰度图并进行平滑滤波平滑,本实施例中采用邻域平均法对灰度图进行平滑;邻域平均处理方法是以图像模糊为代价来减小噪声的,且模板尺寸越大,噪声减小的效果越显著。如果是噪声点,其邻近像素灰度与之相差很大,采用邻域平均法就是用邻近像素的平均值来代替它,能够明显消弱噪声点,使邻域中灰度接近均匀,起到平滑灰度的作用。因此,邻域平均法具有良好的噪声平滑效果,更好得到后面较准确的灰度直方图峰值信息。
在进行平滑滤波处理后,计算该灰度平滑后峰值以及灰度间距,即灰度直方图Y轴差值,由于图像的灰度直方图是一种二维坐标统计图,其中的横坐标表示在灰度值【0,255】范围内的255个灰度值,纵坐标表示每一个灰度值在图像中出现的次数。根据统计的峰值数量以及具体数值,判断待检测电池片片内色差是否存在异常;片内无色差的通常只有一个峰值;轻微色差的通常有两个峰值,但是峰值间距数值不大,通常为A;当A<间距<B,定义为轻微色差,可根据实际情况选择是否忽略;色差片不但有两个比较明显的峰值,而且峰值间距数值较大。通常为B,当间距大于B时,定义为色差片;通过检测图像中是否存在至少两部分面积较大且颜色差别明显的区域,判断出电池片片内是否存在色差。需要说明的是,A、B两个数值通过与太阳能电池片生产现场的质检人员共同协商来制定一个合适的数值。
在优选的实施例中,如图2所示,所述调整拍摄装置的垂直高度和焦距,消除镜头畸变,获取待检测图像,具体为:
调整拍摄装置的垂直高度,以使拍摄图片大小符合预设范围内的长度和宽度;
调整拍摄装置的焦距直至观察到待检测电池片的四个倒角栅线为止;
采用预设规格的正方形标定板消除镜头畸变,调整至观察到所述正方形标定板的所有圆点为止;
提取暗室环境中X光拍摄的膜后待检测电池片图像,得到待检测图像。
在优选的实施例中,所述二值化处理,具体为:将所述灰度值图片中每个限速的灰度值与预设阈值进行比较,提取出在预设阈值范围内的灰度值区域,其中,阈值范围取0~150。
在优选的实施例中,所述开运算,包括腐蚀和膨胀,其中,
所述腐蚀,具体为:根据结构元素作为模板,在原始二值图像中平滑一遍,扫描图像的每一个像素,用结构元素中的每一个元素与其覆盖的二值图像进行“或”运算,假设结构元素中每一个元素的都为1,若运算结果为1,则二值图像中对应结构元素原点位置的像素值为1,否则为0;
所述膨胀,具体为:根据结构元素作为模板在原始二值图像种平滑一遍,扫描图像的每一个像素,用结构元素中的每一个元素与其覆盖的二值图像进行“与”运算,假设结构元素中每一个元素的都为1,若运算结果为1,则二值图像中对应结构元素原点位置的像素值为1,否则为0。
在优选的实施例中,所述抠图处理,具体为:从灰度值图像里提取出进行开运算后的电池片待检测区域,采用HALCON软件和C#语言进行图像处理,得到分割后的待检测图像。
在优选的实施例中,所述计算所述灰度图的峰值以及灰度间距,判断待检测电池片片内是否存在色差,具体为:
计算所述灰度图进行平滑滤波处理后的峰值以及灰度间距,根据所述灰度图统计出在灰度值(0,255)范围内的每一个灰度值在图像中出现的次数;
若只有一个峰值,则判断所述待检测电池片片内无色差;
若存在两个峰值A、B,当峰值A和B之间间距数值小于预设范围且A<间距<B,则判断所述待检测电池片片内存在轻微色差;
若存在两个峰值A、B,当峰值A和B之间间距数值大于预设范围且A<B<间距,则判断所述待检测电池片片内存在严重色差,定义为色差片。
本实施例提供的一种太阳能电池片色差的检测方法,包括:调整拍摄装置的垂直高度和焦距,消除镜头畸变,获取待检测图像;将所述待检测图像进行灰度化处理,得到对应的灰度值图片;对所述灰度值图片进行二值化处理,提取出在预设阈值范围内的灰度值区域并进行孔洞填充;对所述灰度值区域进行开运算后缩小定义域,得到电池片待检测区域并进行抠图处理,得到分割后的待检测图片;取所述分割后的待检测图片的RGB三个通道的均值,获得对应的灰度图后进行平滑滤波处理,计算所述灰度图的峰值以及灰度间距,判断待检测电池片片内是否存在色差。本发明能够通过结合机器视觉和计算机技术,采用基于灰度直方图峰值差异来进行片内色差检测,保证了检测的有效性,同时提高了太阳能电池片片内色差异常的检测速度和精度,避免人工肉眼检测的检测效率低和误差性高的缺陷。
本发明第二实施例
请参阅图2-3。
如图3所示,本实施例提供的一种太阳能电池片色差的检测装置,包括:
标定模块100,用于调整拍摄装置的垂直高度和焦距,消除镜头畸变,获取待检测图像;
具体的,对于标定模块100,调整相机垂直高度,用直尺放到实验台,调整到能拍摄的图片大小在175~177这个范围的长度和宽度的视野为止;将待测硅片放置到实验台,调整相机焦距,直至能看清楚硅片的四个倒角栅线为止;消除镜头畸变,使用边长为170mm的正方形标定板,调整到能看清楚正方形标定板上所有的圆点为止;提取暗室环境中X光拍摄的膜后太阳能电池硅片图像,得到待检测图像。
灰度值化模块200,用于将所述待检测图像进行灰度化处理,得到对应的灰度值图片;
具体的,对于灰度值化模块200,对图像进行灰度化处理,即将彩色图像转化成为灰度图像。由于彩色图像中的每个像素的颜色有R、G、B三个分量决定,而每个分量有255个值可取,这样一个像素点可以有1600多万(255*255*255)的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像,其一个像素点的变化范围为255种,所以在数字图像处理种一般先将各种格式的图像转变成灰度图像以使能够减少后续的图像的计算量,提高计算效率。虽然图像进行灰度化处理,但灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。根据YUV的颜色空间中,Y的分量的物理意义是点的亮度,由该值反映亮度等级,根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应:Y=0.3R+0.59G+0.11B,以这个亮度值表达图像的灰度值。
二值化模块300,用于对所述灰度值图片进行二值化处理,提取出在预设阈值范围内的灰度值区域并进行孔洞填充;
具体的,对于二值化模块300,对整幅图像选取单一的阈值进行二值化。这种方法计算速度较快,在物体和背景的灰度差别较明显时效果较好。将图像每个像素的灰度值与阈值进行比较,提取出在阈值范围内的灰度值区域,其中,阈值取0~150;灰度值取0~255;同时,在提取出在阈值范围内的灰度值区域后,还需要进行孔洞填充,直至灰度值区域内所有像素间没有缝隙。
开运算模块400,用于对所述灰度值区域进行开运算后缩小定义域,得到电池片待检测区域并进行抠图处理,得到分割后的待检测图片;
具体的,对于开运算模块400,由于噪声的影响,图像在阈值化后所得到边界往往是很不平滑的,物体区域具有一些噪声孔,背景区域上散布着一些小的噪声物体。因此,在本实施例中,采取连续的开运算,先腐蚀后膨胀,从而减少噪声带来的影响。
其中,所述腐蚀的具体流程为:用结构元素作为模板在原始二值图像种平滑一遍,扫描图像的每一个像素,用结构元素中的每一个元素与其覆盖的二值图像做“或”操作(假设结构元素都为1),如果结果为1,则二值图像中对应结构元素原点位置的像素值为1,否则为0。
所述膨胀的具体流程为:用结构元素作为模板在原始二值图像种平滑一遍,扫描图像的每一个像素,用结构元素中的每一个元素与其覆盖的二值图像做“与”操作(假设结构元素都为1),如果结果都为1,则二值图像中对应结构元素原点位置的像素值为1,否则为0。需要说明的是,本实施中采用的结构元素为矩形结构1*900。
为了得到准确的灰度直方图峰值信息,在对灰度值区域进行连续的开运算后,还需要将从灰度值图像里将进行开运算后的电池片待检测区域抠出,得到分割后的待检测图片。
色差识别模块500,用于取所述分割后的待检测图片的RGB三个通道的均值,获得对应的灰度图后进行平滑滤波处理,计算所述灰度图的峰值以及灰度间距,判断待检测电池片片内是否存在色差。
具体的,对于色差识别模块500,取分割后的图片的RGB三个通道的均值,获得对应灰度图并进行平滑滤波平滑,本实施例中采用邻域平均法对灰度图进行平滑;邻域平均处理方法是以图像模糊为代价来减小噪声的,且模板尺寸越大,噪声减小的效果越显著。如果是噪声点,其邻近像素灰度与之相差很大,采用邻域平均法就是用邻近像素的平均值来代替它,能够明显消弱噪声点,使邻域中灰度接近均匀,起到平滑灰度的作用。因此,邻域平均法具有良好的噪声平滑效果,更好得到后面较准确的灰度直方图峰值信息。
在进行平滑滤波处理后,计算该灰度平滑后峰值以及灰度间距,即灰度直方图Y轴差值,由于图像的灰度直方图是一种二维坐标统计图,其中的横坐标表示在灰度值【0,255】范围内的255个灰度值,纵坐标表示每一个灰度值在图像中出现的次数。根据统计的峰值数量以及具体数值,判断待检测电池片片内色差是否存在异常;片内无色差的通常只有一个峰值;轻微色差的通常有两个峰值,但是峰值间距数值不大,通常为A,当A<间距<B,定义为轻微色差,可根据实际情况选择是否忽略;色差片不但有两个比较明显的峰值,而且峰值间距数值较大。通常为B,当间距大于B时,定义为色差片;通过检测图像中是否存在至少两部分面积较大且颜色差别明显的区域,判断出电池片片内是否存在色差。需要说明的是,A、B两个数值通过与太阳能电池片生产现场的质检人员共同协商来制定一个合适的数值。
在优选的实施例中,如图2所示,所述标定模块100,具体为:
调整拍摄装置的垂直高度,以使拍摄图片大小符合预设范围内的长度和宽度;
调整拍摄装置的焦距直至观察到待检测电池片的四个倒角栅线为止;
采用预设规格的正方形标定板消除镜头畸变,调整至观察到所述正方形标定板的所有圆点为止;
提取暗室环境中X光拍摄的膜后待检测电池片图像,得到待检测图像。
在优选的实施例中,所述开运算模块400,包括腐蚀单元、膨胀单元和抠图单元,其中,
所述腐蚀单元,用于根据结构元素作为模板,在原始二值图像中平滑一遍,扫描图像的每一个像素,用结构元素中的每一个元素与其覆盖的二值图像进行“或”运算,假设结构元素中每一个元素的都为1,若运算结果为1,则二值图像中对应结构元素原点位置的像素值为1,否则为0;
所述膨胀单元,用于根据结构元素作为模板在原始二值图像种平滑一遍,扫描图像的每一个像素,用结构元素中的每一个元素与其覆盖的二值图像进行“与”运算,假设结构元素中每一个元素的都为1,若运算结果为1,则二值图像中对应结构元素原点位置的像素值为1,否则为0;
所述抠图单元,用于从灰度值图像里提取出进行开运算后的电池片待检测区域,采用HALCON软件和C#语言进行图像处理,得到分割后的待检测图像。
在优选的实施例中,所述色差识别模块500,具体为:
计算所述灰度图进行平滑滤波处理后的峰值以及灰度间距,根据所述灰度图统计出在灰度值(0,255)范围内的每一个灰度值在图像中出现的次数;
若只有一个峰值,则判断所述待检测电池片片内无色差;
若存在两个峰值A、B,当峰值A和B之间间距数值小于预设范围且A<间距<B,则判断所述待检测电池片片内存在轻微色差;
若存在两个峰值A、B,当峰值A和B之间间距数值大于预设范围且A<B<间距,则判断所述待检测电池片片内存在严重色差,定义为色差片。
本实施例提供的一种太阳能电池片色差的检测装置,包括:标定模块,用于调整拍摄装置的垂直高度和焦距,消除镜头畸变,获取待检测图像;灰度值化模块,用于将所述待检测图像进行灰度化处理,得到对应的灰度值图片;二值化模块,用于对所述灰度值图片进行二值化处理,提取出在预设阈值范围内的灰度值区域并进行孔洞填充;开运算模块,用于对所述灰度值区域进行开运算后缩小定义域,得到电池片待检测区域并进行抠图处理,得到分割后的待检测图片;色差识别模块,用于取所述分割后的待检测图片的RGB三个通道的均值,获得对应的灰度图后进行平滑滤波处理,计算所述灰度图的峰值以及灰度间距,判断待检测电池片片内是否存在色差。本发明能够通过结合机器视觉和计算机技术,采用基于灰度直方图峰值差异来进行片内色差检测,保证了检测的有效性,同时提高了太阳能电池片片内色差异常的检测速度和精度,避免人工肉眼检测的检测效率低和误差性高的缺陷。
本发明的另一个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太阳能电池片色差的检测方法。
本发明的实施例提供的一种太阳能电池片色差的检测方法、装置及存储介质,所述方法包括:调整拍摄装置的垂直高度和焦距,消除镜头畸变,获取待检测图像;将所述待检测图像进行灰度化处理,得到对应的灰度值图片;对所述灰度值图片进行二值化处理,提取出在预设阈值范围内的灰度值区域并进行孔洞填充;对所述灰度值区域进行开运算后缩小定义域,得到电池片待检测区域并进行抠图处理,得到分割后的待检测图片;取所述分割后的待检测图片的RGB三个通道的均值,获得对应的灰度图后进行平滑滤波处理,计算所述灰度图的峰值以及灰度间距,判断待检测电池片片内是否存在色差。本发明能够通过结合机器视觉和计算机技术,采用基于灰度直方图峰值差异来进行片内色差检测,保证了检测的有效性,同时提高了太阳能电池片片内色差异常的检测速度和精度,避免人工肉眼检测的检测效率低和误差性高的缺陷。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述模块的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个模块上。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,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
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变形,这些改进和变形也视为本发明的保护范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
Claims (10)
1.一种太阳能电池片色差的检测方法,其特征在于,至少包括如下步骤:
调整拍摄装置的垂直高度和焦距,消除镜头畸变,获取待检测图像;
将所述待检测图像进行灰度化处理,得到对应的灰度值图片;
对所述灰度值图片进行二值化处理,提取出在预设阈值范围内的灰度值区域并进行孔洞填充;
对所述灰度值区域进行开运算后缩小定义域,得到电池片待检测区域并进行抠图处理,得到分割后的待检测图片;
取所述分割后的待检测图片的RGB三个通道的均值,获得对应的灰度图后进行平滑滤波处理,计算所述灰度图的峰值以及灰度间距,判断待检测电池片片内是否存在色差。
2.根据权利要求1所述的太阳能电池片色差的检测方法,其特征在于,所述调整拍摄装置的垂直高度和焦距,消除镜头畸变,获取待检测图像,具体为:
调整拍摄装置的垂直高度,以使拍摄图片大小符合预设范围内的长度和宽度;
调整拍摄装置的焦距直至观察到待检测电池片的四个倒角栅线为止;
采用预设规格的正方形标定板消除镜头畸变,调整至观察到所述正方形标定板的所有圆点为止;
提取暗室环境中X光拍摄的膜后待检测电池片图像,得到待检测图像。
3.根据权利要求1所述的太阳能电池片色差的检测方法,其特征在于,所述二值化处理,具体为:将所述灰度值图片中每个限速的灰度值与预设阈值进行比较,提取出在预设阈值范围内的灰度值区域,其中,阈值范围取0~150。
4.根据权利要求1所述的太阳能电池片色差的检测方法,其特征在于,所述开运算,包括腐蚀和膨胀,其中,
所述腐蚀,具体为:根据结构元素作为模板,在原始二值图像中平滑一遍,扫描图像的每一个像素,用结构元素中的每一个元素与其覆盖的二值图像进行“或”运算,假设结构元素中每一个元素的都为1,若运算结果为1,则二值图像中对应结构元素原点位置的像素值为1,否则为0;
所述膨胀,具体为:根据结构元素作为模板在原始二值图像种平滑一遍,扫描图像的每一个像素,用结构元素中的每一个元素与其覆盖的二值图像进行“与”运算,假设结构元素中每一个元素的都为1,若运算结果为1,则二值图像中对应结构元素原点位置的像素值为1,否则为0。
5.根据权利要求1所述的太阳能电池片色差的检测方法,其特征在于,所述抠图处理,具体为:从灰度值图像里提取出进行开运算后的电池片待检测区域,采用HALCON软件和C#语言进行图像处理,得到分割后的待检测图像。
6.根据权利要求1所述的太阳能电池片色差的检测方法,其特征在于,所述计算所述灰度图的峰值以及灰度间距,判断待检测电池片片内是否存在色差,具体为:
计算所述灰度图进行平滑滤波处理后的峰值以及灰度间距,根据所述灰度图统计出在灰度值(0,255)范围内的每一个灰度值在图像中出现的次数;
若只有一个峰值,则判断所述待检测电池片片内无色差;
若存在两个峰值A、B,当峰值A和B之间间距数值小于预设范围且A<间距<B,则判断所述待检测电池片片内存在轻微色差;
若存在两个峰值A、B,当峰值A和B之间间距数值大于预设范围且A<B<间距,则判断所述待检测电池片片内存在严重色差,定义为色差片。
7.一种太阳能电池片色差的检测装置,其特征在于,包括:
标定模块,用于调整拍摄装置的垂直高度和焦距,消除镜头畸变,获取待检测图像;
灰度值化模块,用于将所述待检测图像进行灰度化处理,得到对应的灰度值图片;
二值化模块,用于对所述灰度值图片进行二值化处理,提取出在预设阈值范围内的灰度值区域并进行孔洞填充;
开运算模块,用于对所述灰度值区域进行开运算后缩小定义域,得到电池片待检测区域并进行抠图处理,得到分割后的待检测图片;
色差识别模块,用于取所述分割后的待检测图片的RGB三个通道的均值,获得对应的灰度图后进行平滑滤波处理,计算所述灰度图的峰值以及灰度间距,判断待检测电池片片内是否存在色差。
8.根据权利要求7所述的太阳能电池片色差的检测装置,其特征在于,所述标定模块,具体为:
调整拍摄装置的垂直高度,以使拍摄图片大小符合预设范围内的长度和宽度;
调整拍摄装置的焦距直至观察到待检测电池片的四个倒角栅线为止;
采用预设规格的正方形标定板消除镜头畸变,调整至观察到所述正方形标定板的所有圆点为止;
提取暗室环境中X光拍摄的膜后待检测电池片图像,得到待检测图像。
9.根据权利要求7所述的太阳能电池片色差的检测装置,其特征在于,所述开运算模块,包括腐蚀单元、膨胀单元和抠图单元,其中,
所述腐蚀单元,用于根据结构元素作为模板,在原始二值图像中平滑一遍,扫描图像的每一个像素,用结构元素中的每一个元素与其覆盖的二值图像进行“或”运算,假设结构元素中每一个元素的都为1,若运算结果为1,则二值图像中对应结构元素原点位置的像素值为1,否则为0;
所述膨胀单元,用于根据结构元素作为模板在原始二值图像种平滑一遍,扫描图像的每一个像素,用结构元素中的每一个元素与其覆盖的二值图像进行“与”运算,假设结构元素中每一个元素的都为1,若运算结果为1,则二值图像中对应结构元素原点位置的像素值为1,否则为0;
所述抠图单元,用于从灰度值图像里提取出进行开运算后的电池片待检测区域,采用HALCON软件和C#语言进行图像处理,得到分割后的待检测图像。
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1-6所述的太阳能电池片色差的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910593980.3A CN110400290B (zh) | 2019-07-02 | 2019-07-02 | 一种太阳能电池片色差的检测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910593980.3A CN110400290B (zh) | 2019-07-02 | 2019-07-02 | 一种太阳能电池片色差的检测方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110400290A true CN110400290A (zh) | 2019-11-01 |
CN110400290B CN110400290B (zh) | 2021-08-24 |
Family
ID=68323987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910593980.3A Active CN110400290B (zh) | 2019-07-02 | 2019-07-02 | 一种太阳能电池片色差的检测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110400290B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110992321A (zh) * | 2019-11-22 | 2020-04-10 | 广州大学 | 一种太阳电池片栅线提取方法 |
CN111583247A (zh) * | 2020-05-12 | 2020-08-25 | 中南大学 | 一种图像二值化处理方法及装置 |
CN111664815A (zh) * | 2020-06-12 | 2020-09-15 | 云谷(固安)科技有限公司 | 半导体膜层上凸峰高度的测量方法及测量装置 |
CN112102258A (zh) * | 2020-08-28 | 2020-12-18 | 无锡卡尔曼导航技术有限公司 | 一种基于机器视觉的气吸式播种机下种检测方法 |
CN112801948A (zh) * | 2021-01-14 | 2021-05-14 | 广州大学 | 印刷电路板的板线缺陷检测方法、系统和存储介质 |
CN113298803A (zh) * | 2021-06-15 | 2021-08-24 | 歌尔光学科技有限公司 | 一种磁铁片检测方法、系统、设备及计算机可读存储介质 |
CN113610776A (zh) * | 2021-07-16 | 2021-11-05 | 广州大学 | 一种夹心饼干的缺陷检测方法、装置及存储介质 |
CN113686261A (zh) * | 2020-05-13 | 2021-11-23 | 苏州阿特斯阳光电力科技有限公司 | 硅片绒面的测试方法、装置、电子设备及可读存储介质 |
CN114677384A (zh) * | 2022-03-13 | 2022-06-28 | 江苏神州新能源电力有限公司 | 一种太阳能电池镀膜缺陷检测方法 |
CN114862897A (zh) * | 2022-04-24 | 2022-08-05 | 北京百度网讯科技有限公司 | 一种图像背景处理方法、装置及电子设备 |
CN115115643A (zh) * | 2022-08-30 | 2022-09-27 | 一道新能源科技(衢州)有限公司 | 一种光伏电池板生产缺陷检测方法 |
CN117115157A (zh) * | 2023-10-23 | 2023-11-24 | 湖南隆深氢能科技有限公司 | 基于pem电解槽的缺陷检测方法、系统、终端设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130008246A (ko) * | 2011-07-12 | 2013-01-22 | 주식회사 신우테크 | 영상분석에 의한 이물질 모니터링장치와, 이를 이용한 태양광발전 제어 시스템 및 방법 |
CN104574389A (zh) * | 2014-12-26 | 2015-04-29 | 康奋威科技(杭州)有限公司 | 基于彩色机器视觉的电池片色差分选控制方法 |
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 |
CN107578409A (zh) * | 2017-09-16 | 2018-01-12 | 河北工业大学 | 一种太阳能电池片外观断栅缺陷检测的方法 |
CN107768269A (zh) * | 2017-10-30 | 2018-03-06 | 河北工业大学 | 一种多晶硅太阳能电池片外观脏污缺陷检测的方法 |
CN107843600A (zh) * | 2017-10-31 | 2018-03-27 | 河北工业大学 | 一种多晶硅太阳能电池片外观手印缺陷检测的方法 |
-
2019
- 2019-07-02 CN CN201910593980.3A patent/CN110400290B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130008246A (ko) * | 2011-07-12 | 2013-01-22 | 주식회사 신우테크 | 영상분석에 의한 이물질 모니터링장치와, 이를 이용한 태양광발전 제어 시스템 및 방법 |
CN104574389A (zh) * | 2014-12-26 | 2015-04-29 | 康奋威科技(杭州)有限公司 | 基于彩色机器视觉的电池片色差分选控制方法 |
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 |
CN107578409A (zh) * | 2017-09-16 | 2018-01-12 | 河北工业大学 | 一种太阳能电池片外观断栅缺陷检测的方法 |
CN107768269A (zh) * | 2017-10-30 | 2018-03-06 | 河北工业大学 | 一种多晶硅太阳能电池片外观脏污缺陷检测的方法 |
CN107843600A (zh) * | 2017-10-31 | 2018-03-27 | 河北工业大学 | 一种多晶硅太阳能电池片外观手印缺陷检测的方法 |
Non-Patent Citations (1)
Title |
---|
刘国华: "《HALCON数字图像处理》", 30 May 2018, 西安电子科技大学出版社 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110992321A (zh) * | 2019-11-22 | 2020-04-10 | 广州大学 | 一种太阳电池片栅线提取方法 |
CN110992321B (zh) * | 2019-11-22 | 2023-05-09 | 广州大学 | 一种太阳电池片栅线提取方法 |
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 |
CN111583247A (zh) * | 2020-05-12 | 2020-08-25 | 中南大学 | 一种图像二值化处理方法及装置 |
CN111583247B (zh) * | 2020-05-12 | 2023-11-03 | 中南大学 | 一种图像二值化处理方法及装置 |
CN113686261A (zh) * | 2020-05-13 | 2021-11-23 | 苏州阿特斯阳光电力科技有限公司 | 硅片绒面的测试方法、装置、电子设备及可读存储介质 |
CN111664815A (zh) * | 2020-06-12 | 2020-09-15 | 云谷(固安)科技有限公司 | 半导体膜层上凸峰高度的测量方法及测量装置 |
CN112102258A (zh) * | 2020-08-28 | 2020-12-18 | 无锡卡尔曼导航技术有限公司 | 一种基于机器视觉的气吸式播种机下种检测方法 |
CN112801948B (zh) * | 2021-01-14 | 2023-08-08 | 广州大学 | 印刷电路板的板线缺陷检测方法、系统和存储介质 |
CN112801948A (zh) * | 2021-01-14 | 2021-05-14 | 广州大学 | 印刷电路板的板线缺陷检测方法、系统和存储介质 |
CN113298803A (zh) * | 2021-06-15 | 2021-08-24 | 歌尔光学科技有限公司 | 一种磁铁片检测方法、系统、设备及计算机可读存储介质 |
CN113610776A (zh) * | 2021-07-16 | 2021-11-05 | 广州大学 | 一种夹心饼干的缺陷检测方法、装置及存储介质 |
CN113610776B (zh) * | 2021-07-16 | 2023-08-15 | 广州大学 | 一种夹心饼干的缺陷检测方法、装置及存储介质 |
CN114677384A (zh) * | 2022-03-13 | 2022-06-28 | 江苏神州新能源电力有限公司 | 一种太阳能电池镀膜缺陷检测方法 |
CN114677384B (zh) * | 2022-03-13 | 2022-12-02 | 江苏神州新能源电力有限公司 | 一种太阳能电池镀膜缺陷检测方法 |
CN114862897A (zh) * | 2022-04-24 | 2022-08-05 | 北京百度网讯科技有限公司 | 一种图像背景处理方法、装置及电子设备 |
CN115115643A (zh) * | 2022-08-30 | 2022-09-27 | 一道新能源科技(衢州)有限公司 | 一种光伏电池板生产缺陷检测方法 |
CN117115157A (zh) * | 2023-10-23 | 2023-11-24 | 湖南隆深氢能科技有限公司 | 基于pem电解槽的缺陷检测方法、系统、终端设备及介质 |
CN117115157B (zh) * | 2023-10-23 | 2024-02-06 | 湖南隆深氢能科技有限公司 | 基于pem电解槽的缺陷检测方法、系统、终端设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110400290B (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110400290A (zh) | 一种太阳能电池片色差的检测方法、装置及存储介质 | |
CN106851264B (zh) | 摄像模组镜头表面检测方法及装置 | |
CN108416766B (zh) | 双侧入光式导光板缺陷视觉检测方法 | |
CN107664644B (zh) | 一种基于机器视觉的物件表观自动检测装置及方法 | |
CN109916910B (zh) | 光伏玻璃边部缺陷检测系统及相应的方法 | |
CN109059770B (zh) | 一种基于tof深度相机的包裹体积测量方法 | |
CN109978839A (zh) | 晶圆低纹理缺陷的检测方法 | |
CN106372584B (zh) | 一种视频图像马赛克检测方法 | |
CN103955109B (zh) | 镜头安装平整度的实时调整方法及装置 | |
CN107678192A (zh) | 一种基于机器视觉的Mura缺陷检测方法及系统 | |
CN108470338B (zh) | 一种水位监测方法 | |
CN109727233A (zh) | 一种lcd缺陷检测方法 | |
CN107644417B (zh) | 应变片外观缺损检测方法 | |
CN108305232B (zh) | 一种单帧高动态范围图像生成方法 | |
CN110473194A (zh) | 基于多图像块阈值分割算法的水果表面缺陷检测方法 | |
CN109087295A (zh) | 基于灰度值投影法的桥梁露筋视觉检测方法 | |
CN110443278A (zh) | 一种太阳能电池片栅线粗细异常的检测方法、装置及设备 | |
CN106228541A (zh) | 视觉检测中屏幕定位的方法及装置 | |
CN109064439B (zh) | 基于分区的单侧入光式导光板暗影缺陷提取方法 | |
CN110648330A (zh) | 摄像头玻璃的缺陷检测方法 | |
CN104749801B (zh) | 高精度自动光学检测方法和系统 | |
CN107545557A (zh) | 粪便图像中的虫卵检测方法和装置 | |
CN110415251A (zh) | 一种背景检测的图像分割方法与装置 | |
CN108805854B (zh) | 一种复杂环境下药片快速计数与完整性检测方法 | |
CN109949725A (zh) | 一种aoi系统图像灰度标准化方法及系统 |
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 |