CN110610474A - 一种基于红外图像的太阳能板缺陷实时检测方法 - Google Patents
一种基于红外图像的太阳能板缺陷实时检测方法 Download PDFInfo
- Publication number
- CN110610474A CN110610474A CN201910597343.3A CN201910597343A CN110610474A CN 110610474 A CN110610474 A CN 110610474A CN 201910597343 A CN201910597343 A CN 201910597343A CN 110610474 A CN110610474 A CN 110610474A
- Authority
- CN
- China
- Prior art keywords
- area
- image
- solar panel
- candidate
- areas
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000011897 real-time detection Methods 0.000 title claims abstract description 9
- 238000001514 detection method Methods 0.000 claims abstract description 39
- 238000001914 filtration Methods 0.000 claims abstract description 19
- 238000010438 heat treatment Methods 0.000 claims abstract description 15
- 230000000877 morphologic effect Effects 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 230000002950 deficient Effects 0.000 claims description 4
- 229910052717 sulfur Inorganic materials 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000008030 elimination Effects 0.000 claims 1
- 238000003379 elimination reaction Methods 0.000 claims 1
- 230000002159 abnormal effect Effects 0.000 abstract description 3
- 238000002474 experimental method Methods 0.000 abstract description 2
- 238000005265 energy consumption Methods 0.000 description 6
- 239000003086 colorant Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005401 electroluminescence Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 238000003916 acid precipitation Methods 0.000 description 1
- 239000002313 adhesive film Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000003895 groundwater pollution Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000005923 long-lasting effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000005341 toughened glass Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/20—Investigating or analyzing materials by the use of thermal means by investigating the development of heat, i.e. calorimetry, e.g. by measuring specific heat, by measuring thermal conductivity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/11—Region-based segmentation
-
- 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
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared 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
- G06T2207/20024—Filtering details
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于红外图像的太阳能板缺陷实时检测方法,包括以下步骤:(1)输入红外图像;(2)高斯滤波消除图像噪声;(3)将去噪后的红外图像进行颜色空间变换;(4)根据颜色识别图像中红色区域并生成二值图像;(5)对二值图像进行形态学滤波;(6)在二值图像中找出候选缺陷区域并计算每块候选区域的面积特征S;(7)利用最小矩形框标出每块候选检测区域并计算矩形形状特征L;(8)根据面积特征和形状特征判定候选检测区域是否为缺陷区域;(9)输出检测结果。本发明根据正常发热和缺陷发热产生的热图像区域不同对图像进行实时缺陷实时检测,实验证明本方法能够有效检测太阳能板工作过程中的异常区域并避免误检测。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种基于红外图像的太阳能板缺陷实时检测方法。
背景技术
太阳能板是由若干个太阳能电池按一定方式组装在一块板并将太阳辐射能通过光电效应或者光化学效应直接或间接转化成光能的装置,由钢化玻璃、电池片、背板、铝合金保护压片和胶膜等结构组成。目前世界的能源消耗主要来源于化石能源,世界化石能源的消耗占到总能源消耗的80%以上,而我国化石能源的消耗更是占到总能源消耗的90%以上。大量的化石能源消耗带来了极为严重的环境问题,如温室效应、光化学污染问题、酸雨、一氧化碳和二氧化硫污染。并且,化石能源的开采对环境也造成了极大的破坏,岩层断裂、地表塌陷、废弃物污染、地下水污染、海洋污染等时常发生。因此,太阳能作为一种普遍、无害、巨大、长久的新型能源,越来越广泛地被人们应用到各种领域中。如交通领域中,太阳能板为航标灯、交通信号灯、高空障碍灯、高速电话亭和无人值班室供电。在通讯领域,太阳能为无人微波中继站、广播通讯系统、小型通信机、士兵GPS等供电。我国地域辽阔,部分地区日照时间长,光照强度大,有发展太阳能得天独厚的自然条件,因此太阳能发电近年来在我国蓬勃发展。太阳能电池板作为太阳能发电的核心器件,其在使用过程中受到温度的影响较大,一般温度越高,光伏板的转换效率越低,甚至温度过高会破环光伏板的内部结构,影响其寿命。因此太阳能板的表面缺陷检测在当今高速发展新能源的背景下显得尤为重要。
目前太阳能板缺陷的检测方法主要有电致发光、电感生电流、光感生电流、接触电阻法,和超声波检测法等。其中,光感生不可直接采集被检测到的图像,因此实时性很难达到要求;电感生电流不能有效提取实时缺陷样本;电致发光虽然可以在线检测,但是需要滤除可见光,同时电致发光不能检测缺陷里的电池PN结的预击穿缺陷,对采集缺陷图像的分辨率要求也较高;接触电阻法检测太阳能板缺陷需要预热,耗费时间长,并且测量过程中需要接触太阳能板,对产品具有破坏性。超声波检测法检测范围单一,且灵敏度差、精确度低。
发明内容
本发明针对现有方法的不足,提出了一种基于红外图像的太阳能板缺陷实时检测方法,能够有效检测并定位太阳能板工作时的缺陷区域。
为达到上述目的,本发明采用如下技术方案:
一种基于红外图像的太阳能板缺陷实时检测方法,包括以下步骤:
(1)输入红外图像;
(2)高斯滤波消除图像噪声;
(3)将去噪后的红外图像进行颜色空间变换;
(4)根据颜色识别图像中红色区域并生成二值图像;
(5)对二值图像进行形态学滤波;
(6)在二值图像中找出候选缺陷区域并计算每块候选区域的面积特征S;
(7)利用最小矩形框标出每块候选检测区域并计算矩形形状特征L;
(8)根据面积特征和形状特征判定候选检测区域是否为缺陷区域;
(9)输出检测结果。
本发明与现有技术方法相比,有益效果为:
1、本发明采用红外技术进行太阳能板缺陷检测,具有图像直观、采集图像速度块、分辨率高、无需滤除可见光、不影响太阳能板正常工作、可自动实时检测等优点。
2、本发明根据太阳能板工作时具体情况作出针对性检测,根据颜色特征分割图像中的疑似缺陷区域,并进一步用面积特征和形状特征识别发热区域为缺陷区域还是正常发热区域,减小误检测概率。
3、本发明可结合图像自动采集和自动警报装置,实现全自动化太阳能板缺陷实时监测,无需硬件接触测量太阳能板状态参数和人工干预。
附图说明
图1为本发明方法的流程图。
图2为本发明方法一个实施例的示意图,其中(a)为发热组件红外图像;(b)为经过高斯滤波去噪后的红外图像;(c)为经过颜色识别后的二值图像;(d)为经过形态学滤波后的二值图像;(e)为候选框区域标示图;(f)为最终检测效果图。
图3为图2对应的正常组件红外图像检测过程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清晰明了,下面结合附图,对本发明的具体实施例作详细说明。
如图1所示,基于红外图像的太阳能板缺陷实时检测方法,包括以下步骤:
(1)输入红外图像;
(2)高斯滤波消除图像噪声;
(3)将去噪后的红外图像进行颜色空间变换;
(4)根据颜色识别图像中红色区域并生成二值图像;
(5)对二值图像进行形态学滤波;
(6)在二值图像中找出候选缺陷区域并计算每块候选区域的面积特征S;
(7)利用最小矩形框标出每块候选检测区域并计算矩形形状特征L;
(8)根据面积特征和形状特征判定候选检测区域是否为缺陷区域;
(9)输出检测结果。
进一步,所述步骤(1)中的红外图像为3通道24位图像;
进一步,所述步骤(2)中,为了消除图像中的噪声点同时尽量保存图像的真实信息,采用5x5的高斯滤波框对图像进行噪声消除,滤波框中各元素初始值的计算公式如下:
其中,σ2为高斯函数的方差,i,j为滤波框中元素位置坐标。将通过公式(1)得到的滤波框经过归一化后得到最终的高斯滤波框。
进一步,所述步骤(3)中,HSV空间是一种根据色彩、深浅和明暗描述颜色状态的模型,能够更加直观地表达颜色的种类以及色彩的鲜艳程度,方便进行颜色之间的对比,我们将滤波后的图像进行颜色空间变换后再进行色彩识别。从RGB空间变换到HSV空间的变换公式如下:
V=max{R,G,B} (2)
if H<0 then H=H+360
其中,R、G、B分别为红、黄、蓝通道对应的亮度值,它们的取值范围为0~255。H、S、V分别为色调、明度和饱和度值,H的取值范围为0~360,S和V的取值范围为0~1。
进一步,所述步骤(4)中,根据HSV空间颜色的分布特点,红色分布在某一区域范围内。我们选取红色状态较为明显的像素点作为我们的标记点。这里我们选取H的取值为0~17或者320~360,S的取值范围在0.2~1,V的取值范围在0.2~1之间的像素点作为满足要求的红色区域点,按照从上到下,从左至右的顺序遍历整张图像并生成对应的二值图像,其中颜色状态为红色区域标为明亮,其余区域显示为暗色,结果如图2(c)、图3(c)所示。
进一步,所述步骤(5)中,由于二值图像中存在较多的噪声区域会干扰后续的检测步骤,同时可能会引起错误的诊断结果,将正常工作的组件误判为缺陷组件,故采用开运算对二值图像实施形态学滤波,开运算为先腐蚀再膨胀,可消除图像中明亮噪声点并减小对明亮区域的面积产生的影响。
进一步,所述步骤(6)中,在经过形态学处理后的二值图像中搜寻明亮区域,将每块连续明亮区域作为一块候选区域,并计算每块候选区域的面积Si,每块候选区域的面积即为其包含明亮像素点的数量。
进一步,所述步骤(7)中,用最小矩形框标出每块候选区域,可通过先绘制形状区域的凸包,再依次将每条边作为与矩形重合的边进行计算,最后经过面积比较的方法得到最小矩形框。矩形框的形状特征为矩形的长宽之比Li=length/width。
进一步,所述步骤(8)中,候选检测区域中存在面积较小的噪声点区域,可通过其面积大小Si剔出这些噪声区域。同时在太阳能板正常工作时,其电池连接处一般也会产生温度过高区域(见图3(a)),但其为正常工作现象,为避免误检测这些区域为缺陷区域,再次用候选区域的形状特征进一步判别其是否为缺陷区域。
进一步,所述步骤(9)中,将检测到的缺陷区域用矩形框标识在原输入红外图像中(图2(f)),如未检测处缺陷区域则不做标记(图3(f))。
图2为发热组件检测过程,图3为正常组件检测过程,通过实验验证,该方法能有效检测出太阳能板工作过程中的异常状态并定位出异常区域,同时对于正常发热组件不会产生误检测的情况。
实施例:
下面以实例来说明本发明公开的基于红外图像的太阳能板缺陷实时检测方法。本实施例具体实施步骤如下:
(1)输入红外图像;
如图2(a)和图3(a)所示,输入图像为480x640的三通道红外图像,输入图像可分为正常组件图片和发热组件图片。
(2)高斯滤波消除图像噪声;
利用5x5的高斯滤波框对输入图像进行降噪处理,处理结果如图2(b),3(b)所示。
(3)将去噪后的红外图像进行颜色空间变换;
利用式(2)~(4)将图像从RGB空间转换到HSV空间。
(4)根据颜色识别图像中红色区域并生成二值图像;
遍历整幅图像,根据图像中区域的颜色状态将其标记为明和暗,最终生成二值图像如图2(c),图3(c)所示。
(5)对二值图像进行形态学滤波;
调用OpenCV中morphologyEx函数对二值图像进行形态学滤波,消除图像中存在的明亮噪声区域,如图2(d),3(d)所示
(6)在二值图像中找出候选缺陷区域并计算每块候选区域的面积特征S;
将每块连续明亮区域作为候选区域,通过计算每块连通区域的像素点数量作为其面积大小。
(7)利用最小矩形框标出每块候选检测区域并计算矩形形状特征L;
将每块候选区域用最小矩形标识出,结果如图2(e),3(e)所示。
(8)根据面积特征和形状特征判定候选检测区域是否为缺陷区域;
为区分正常发热和缺陷发热现象,避免误检测情况发生,根据其产生的发热区形状特征Li和面积特征筛选出缺陷发热区域。
(9)输出检测结果。
将检测到的缺陷区域用蓝色矩形狂在图像中标出并显示,见图2(f),图3(f)。
Claims (8)
1.一种基于红外图像的太阳能板缺陷实时检测方法,其特征在于,包括以下步骤:
(1)输入红外图像;
(2)高斯滤波消除图像噪声;
(3)将去噪后的红外图像进行颜色空间变换;
(4)根据颜色识别图像中红色区域并生成二值图像;
(5)对二值图像进行形态学滤波;
(6)在二值图像中找出候选缺陷区域并计算每块候选区域的面积特征S;
(7)利用最小矩形框标出每块候选检测区域并计算矩形形状特征L;
(8)根据面积特征和形状特征判定候选检测区域是否为缺陷区域;
(9)输出检测结果。
2.根据权利要求1所述的基于红外图像的太阳能板缺陷实时检测方法,其特征在于,所述步骤(2)中,采用5x5的高斯滤波框对图像进行噪声消除,滤波框中各元素初始值的计算公式如下:
其中,σ2为高斯函数的方差,i,j为滤波框中元素位置坐标;将公式(1)得到的滤波框经过归一化后得到最终的高斯滤波框。
3.根据权利要求1所述的基于红外图像的太阳能板缺陷实时检测方法,其特征在于,所述步骤(3)中,从RGB转换到HSV空间转换公式为:
V=max{R,G,B} (2)
if H<0 then H=H+360
其中,R、G、B分别为红、黄、蓝通道对应的亮度值,它们的取值范围为0~255;H、S、V分别为色调、明度和饱和度值,H的取值范围为0~360,S和V的取值范围为0~1。
4.根据权利要求1所述的基于红外图像的太阳能板缺陷实时检测方法,其特征在于,所述步骤(4)中,其具体步骤为:按照从上到下,从左至右的顺序遍历整张图像并生成对应的二值图像,其中发热区域标为明亮,其余区域以暗色显示;如果像素点H的取值为0~17或者320~360,S的取值范围在0.2~1,V的取值范围在0.2~1时认为该像素点符合发热状态时的颜色要求,将其标记。
5.根据权利要求1所述的基于红外图像的太阳能板缺陷实时检测方法,其特征在于,所述步骤(6)中,其具体步骤为:遍历整幅二值图像,将每一块连续明亮区域作为候选区域,并计算每块区域的面积Si,区域面积由统计每块区域包含像素点的数量所得。
6.根据权利要求1所述的基于红外图像的太阳能板缺陷实时检测方法,其特征在于,所述步骤(7)中,其具体步骤为:首先用最小矩形框标出每块候选区域,再计算最小矩形框的形状特征;最小矩形框获得方法为:首先得到候选检测区域的凸包,依次将每条边作为与矩形重合的边进行计算,最终得到面积最小的框即为最小矩形框;矩形框的形状特征为矩形的长边与短边之比。
7.根据权利要求1所述的基于红外图像的太阳能板缺陷实时检测方法,其特征在于,所述步骤(8)中,其具体步骤为:根据候选检测区域的面积判定其是否为噪声区域,再根据其形状特征判别其是否为正常发热区域;候选检测区域中一般存在面积较小为噪声点区域,通过其面积大小剔出这些噪声区域;同时在太阳能板正常工作时,其电池连接处一般也会产生高温区域,其为正常工作现象,为避免误检测这些区域为缺陷区域,利用候选区域的形状特征进一步判别其为缺陷区域还是正常发热区域。
8.根据权利要求1所述的基于红外图像的太阳能板缺陷实时检测方法,其特征在于,所述步骤(9)中,输出结果除了能正确检测出太阳能板的缺陷区域外,还能区别正常发热区域,不发生误检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910597343.3A CN110610474A (zh) | 2019-07-04 | 2019-07-04 | 一种基于红外图像的太阳能板缺陷实时检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910597343.3A CN110610474A (zh) | 2019-07-04 | 2019-07-04 | 一种基于红外图像的太阳能板缺陷实时检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110610474A true CN110610474A (zh) | 2019-12-24 |
Family
ID=68890128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910597343.3A Pending CN110610474A (zh) | 2019-07-04 | 2019-07-04 | 一种基于红外图像的太阳能板缺陷实时检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110610474A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381759A (zh) * | 2020-10-10 | 2021-02-19 | 华南理工大学 | 基于光流法和置信度法的单晶硅太阳能晶片缺陷检测方法 |
CN115937549A (zh) * | 2023-01-09 | 2023-04-07 | 肇庆学院 | 一种基于颜色和形状特征的木材数量计数方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761529A (zh) * | 2013-12-31 | 2014-04-30 | 北京大学 | 一种基于多色彩模型和矩形特征的明火检测方法和系统 |
CN109816652A (zh) * | 2019-01-25 | 2019-05-28 | 湖州云通科技有限公司 | 一种基于灰度显著性的复杂铸件缺陷识别方法 |
-
2019
- 2019-07-04 CN CN201910597343.3A patent/CN110610474A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761529A (zh) * | 2013-12-31 | 2014-04-30 | 北京大学 | 一种基于多色彩模型和矩形特征的明火检测方法和系统 |
CN109816652A (zh) * | 2019-01-25 | 2019-05-28 | 湖州云通科技有限公司 | 一种基于灰度显著性的复杂铸件缺陷识别方法 |
Non-Patent Citations (2)
Title |
---|
吴枫杰: "光伏电站中的航拍图像识别与匹配技术研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
黄平: "低成本视觉检测平台及视觉检测关键技术研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381759A (zh) * | 2020-10-10 | 2021-02-19 | 华南理工大学 | 基于光流法和置信度法的单晶硅太阳能晶片缺陷检测方法 |
CN112381759B (zh) * | 2020-10-10 | 2022-10-14 | 华南理工大学 | 基于光流法和置信度法的单晶硅太阳能晶片缺陷检测方法 |
CN115937549A (zh) * | 2023-01-09 | 2023-04-07 | 肇庆学院 | 一种基于颜色和形状特征的木材数量计数方法 |
CN115937549B (zh) * | 2023-01-09 | 2023-08-04 | 肇庆学院 | 一种基于颜色和形状特征的木材数量计数方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Di Tommaso et al. | A multi-stage model based on YOLOv3 for defect detection in PV panels based on IR and visible imaging by unmanned aerial vehicle | |
CN107729907A (zh) | 一种基于红外热成像系统的故障识别方法 | |
CN103761529A (zh) | 一种基于多色彩模型和矩形特征的明火检测方法和系统 | |
CN109087363B (zh) | 一种基于hsv颜色空间的污水排放检测方法 | |
CN106770087A (zh) | 油污遥感探测模块、系统及方法 | |
CN110334750A (zh) | 输电线路铁塔螺栓锈蚀程度图像分类识别方法 | |
CN114241364A (zh) | 一种架空输电线路异物目标快速标定方法 | |
CN114299033A (zh) | 一种基于YOLOv5的光伏板红外图像热斑检测方法及系统 | |
CN110610474A (zh) | 一种基于红外图像的太阳能板缺陷实时检测方法 | |
CN110930366A (zh) | 一种用于风电塔筒的螺母松动检测方法 | |
CN109345586A (zh) | 基于紫外成像技术的电气设备放电特征提取方法 | |
CN115311241A (zh) | 一种基于图像融合和特征增强的煤矿井下行人检测方法 | |
CN116310274A (zh) | 一种输变电设备的状态评估方法 | |
CN111461076A (zh) | 帧差法与神经网络结合的烟雾检测方法和检测系统 | |
CN112381794B (zh) | 一种基于深度卷积生成网络的印刷缺陷检测方法 | |
CN111626104B (zh) | 一种基于无人机红外热像的电缆隐患点检测方法和装置 | |
CN117036825A (zh) | 一种太阳能电池板检测方法、介质及系统 | |
CN107367514A (zh) | 一种基于机器视觉的pos机缺陷检测方法 | |
Rodriguez et al. | Segmentation and error detection of PV modules | |
CN115082504B (zh) | 一种太阳能光伏板光斑识别方法 | |
CN115841609A (zh) | 基于红外热图像分析的石化区火源检测方法、系统及应用 | |
CN116342496A (zh) | 一种用于智能巡检的异常物体检测方法和系统 | |
CN115393747A (zh) | 一种基于深度学习的光伏故障检测方法 | |
CN112036410B (zh) | 基于深度学习和图像梯度的电力设备红外图像分割方法 | |
CN115410154A (zh) | 一种风电机舱电气设备热故障识别方法 |
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 |
Application publication date: 20191224 |
|
RJ01 | Rejection of invention patent application after publication |