CN110694942B - 一种太阳能电池片的色差分选方法 - Google Patents
一种太阳能电池片的色差分选方法 Download PDFInfo
- Publication number
- CN110694942B CN110694942B CN201910999565.8A CN201910999565A CN110694942B CN 110694942 B CN110694942 B CN 110694942B CN 201910999565 A CN201910999565 A CN 201910999565A CN 110694942 B CN110694942 B CN 110694942B
- Authority
- CN
- China
- Prior art keywords
- gear
- solar cell
- value
- grading
- histogram
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67271—Sorting devices
Abstract
本发明公开了一种太阳能电池片的色差分选方法,包括步骤:S11、取样本太阳能电池片并采集其彩色图像;S12、对彩色图像进行灰度化处理,分别获得R、G、B三通道的灰度直方图及平均灰度值;S13、对R、G、B三通道的平均灰度值进行加权求和,得到分档值;S14、重复步骤S11‑S13,得到多个样本太阳能电池片的数据;S15、确定太阳能电池片的分档数及每个档位所对应的分档值范围;S16、在每个档位中找到标准太阳能电池片及标准直方图;S21、取待分选太阳能电池片并采集其彩色图像;S22、对彩色图像进行灰度化处理,分别获得R、G、B三通道的灰度直方图;S23、将灰度直方图与标准直方图进行相似度对比,并将太阳能电池片分入相似度最高的标准直方图所对应的档位。
Description
技术领域
本发明涉及太阳能电池领域,具体涉及一种太阳能电池片的色差分选方法。
背景技术
由于经济快速发展,人们对能源的需求日益增长,目前传统的化石能源已经不能满足需求,且化石能源不可再生,对环境破坏严重,因此急需大力推广新型清洁能源来满足人类社会可持续发展的需求。太阳能作为可再生的绿色能源,现正在许多领域得到广泛应用以及高速发展。
光伏板组件是一种暴露在阳光下便会产生直流电的发电装置,光伏板组件主要由太阳能电池片组成,太阳能电池片主要由半导体硅材料制成。太阳能电池片在制作过程中存在镀膜工艺,镀膜工艺的差别会导致电池片的颜色也存在差异,在现有的太阳能光伏行业中,不仅电池片内部存在色差,电池片之间也存在色差,电池片之间的色差问题显得尤为严重。若光伏板组件中存在不同颜色的电池片,不仅会影响其外观,也会影响其利用太阳能发电的性能。因此,在太阳能电池片生产的最后一道工序需要对太阳能电池片进行色差分选。
目前常用的太阳能电池片色差分选方法为人工检测,但人工检验的方法不仅效率低下且精度不高,而且容易污染太阳能电池片,给太阳能电池片带来一定程度上的损坏。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种太阳能电池片的色差分选方法,以实现对太阳能电池片高效、精确的色差分选。
为实现上述目的,本发明采取的技术方案为:包括步骤S1、分选前的准备以及步骤S2、分选太阳能电池片;
其中,步骤S1具体包括以下步骤:
S11、取样本太阳能电池片并采集其彩色图像;
S12、对步骤S11中采集到的彩色图像进行灰度化处理,并分别获得R、G、B三个颜色通道的灰度直方图及平均灰度值;
S13、对步骤S12中获得的R、G、B三个颜色通道的平均灰度值进行加权求和,计算得到分档值;
S14、重复步骤S11-S13,得到多个样本太阳能电池片的灰度直方图及分档值并储存入数据库中;
S15、根据数据库中的多个分档值确定太阳能电池片的分档数以及每个档位所对应的分档值范围,或者根据数据库中的多个分档值及预设的太阳能电池片的分档数确定每个档位所对应的分档值范围;
S16、在每个档位中找到标准太阳能电池片,并将标准太阳能电池片的R、G、B三个颜色通道的灰度直方图作为每个档位的标准直方图,其中,每个档位的标准太阳能电池片为分档值最接近于该档位所对应的分档值范围中的中间值的样本太阳能电池片;
步骤S2具体包括以下步骤:
S21、取待分选太阳能电池片并采集其彩色图像;
S22、对步骤S21中采集到的彩色图像进行灰度化处理,并分别获得R、G、B三个颜色通道的灰度直方图;
S23,将待分选太阳能电池片的R、G、B三个颜色通道的灰度直方图与步骤S16中得到的每个档位的标准直方图进行相似度对比,并将待分选太阳能电池片分入相似度最高的标准直方图所对应的档位。
在一些实施例中,步骤S13中,所述分档值采用如下公式(1)计算:
M=Rm×1+Gm×1+Bm×2 (1)
式中,M为分档值,Rm、Gm、Bm分别为R、G、B三个颜色通道的平均灰度值。
在一些实施例中,步骤S15中,当不存在预设的太阳能电池片的分档数时,采用如下方法确定太阳能电池片的分档数以及每个档位所对应的分档值范围:
先以Mmin-10至Mmin+20的分档值范围作为第一个档位,此后每个档位的分档值范围的最小值与最大值均为前一个档位的分档值范围的最小值与最大值加30,直至第n个档位的分档值范围覆盖了Mmax;
其中,n为太阳能电池片的分档数,Mmax为数据库中的多个分档值的最大值,Mmin为数据库中的多个分档值的最小值。
在一些实施例中,步骤S15中,当预设的太阳能电池片的分档数为n时,采用如下方法确定太阳能电池片的每个档位所对应的分档值范围:
先根据如下公式(2)计算每个档位的分档值范围大小:
x=(Mmax-Mmin+20)/n (2)
式中,x为每个档位的分档值范围大小,Mmax为数据库中的多个分档值的最大值,Mmin为数据库中的多个分档值的最小值;
接下来,以Mmin-10至Mmin-10+x的分档值范围作为第一个档位,此后每个档位的范围最小值与最大值均为前一个档位的范围最小值与最大值加x。
在一些实施例中,步骤S23中,具体包括以下步骤:
将待分选电池片的R、G、B三个颜色通道的灰度直方图分别与R、G、B三个颜色通道的标准直方图对比,分别得到R、G、B三个颜色通道直方图的相似度,相似度的值由对比的两张直方图的重合部分面积决定;
求R、G、B三个颜色通道直方图的相似度的加权平均值,得到总相似度;
比较待分选电池片的灰度直方图与不同档位的标准直方图之间的总相似度,并将待分选太阳能电池片分入总相似度最高的标准直方图所对应的档位。
在一些实施例中,所述总相似度采用如下公式(3)计算:
S=(Sr×1+Sg×1+Sb×2)/4 (3)
式中,S表示总相似度,Sr、Sg、Sb分别表示R、G、B三个颜色通道直方图的相似度
与现有技术相比,本发明的优点是:
本发明提供的太阳能电池片的色差分选方法中,先采集多个样本太阳能电池片的图像数据,计算多个样本太阳能电池片的分档值,确定太阳能电池片的分档方式,并找到每个档位的标准直方图;进行色差分选时,只需采集待分选太阳能电池片的图像数据并得到其直方图,并与各档位的标准直方图进行相似度对比,便可精确、高效地自动完成分选,且不会污染、损坏电池片。
本发明的创新之处在于:与现有的太阳能电池片的分选方法相比,本发明创造性地提出了分档值及利用标准直方图分选的概念,通过分档值进行分档,结合标准直方图来进行对比,便能精确、高效地自动完成太阳能电池片的分选。
附图说明
通过下文中参照附图对本发明所作的描述,本发明的其它目的和优点将显而易见,并可帮助对本发明有全面的理解。
图1为本发明提供的太阳能电池片的分选方法的流程示意图;
图2a至图2c为具体实施例中的太阳能电池片的R、G、B三个颜色通道的灰度直方图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的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。
除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。
参照图1,本发明提供了一种太阳能电池片的分选方法,该方法包括步骤S1、分选前的准备;以及步骤S2、分选太阳能电池片。
其中,步骤S1具体包括以下步骤:
S11、取样本太阳能电池片并采集其彩色图像;
S12、对步骤S11中采集到的彩色图像进行灰度化处理,并分别获得R(红)、G(绿)、B(蓝)三个颜色通道的灰度直方图及对应的R、G、B三个颜色通道的平均灰度值;
S13、对步骤S12中获得的R、G、B三个颜色通道的平均灰度值进行加权求和,计算得到分档值;
S14、重复步骤S11-S13,得到多个样本太阳能电池片的灰度直方图及分档值并储存入数据库中;
S15、确定太阳能电池片的分档数以及每个档位所对应的分档值范围,或者根据数据库中的多个分档值及预设的太阳能电池片的分档数确定每个档位所对应的分档值范围;
S16、在每个档位中找到标准太阳能电池片,并将标准太阳能电池片的R、G、B三个颜色通道的灰度直方图作为每个档位的标准直方图,其中,每个档位的标准太阳能电池片为分档值最接近于该档位所对应的分档值范围中的中间值的样本太阳能电池片。
在实际应用中,步骤S15分两种情况:
其一、若并无预设的太阳能电池片的分档数,则根据数据库中的多个分档值确定太阳能电池片的分档数以及每个档位所对应的分档值范围;
其二、若根据实际生产需要,已存在预设的太阳能电池片的分档数(例如某工厂要求将生产的太阳能电池片按照色差分为5个档次),则根据数据库中的多个分档值及预设的太阳能电池片的分档数确定每个档位所对应的分档值范围。
步骤S2具体包括以下步骤:
S21、取待分选太阳能电池片并采集其彩色图像;
S22、对步骤S21中采集到的彩色图像进行灰度化处理,并分别获得R、G、B三个颜色通道的灰度直方图;
S23、将待分选太阳能电池片的R、G、B三个颜色通道的灰度直方图与步骤S16中得到的每个档位的标准直方图进行相似度对比,并将待分选太阳能电池片分入相似度最高的标准直方图所对应的档位。
具体的说,作为本发明的一个优选实施例,上述步骤S13中,分档值具体是采用如下公式(1)计算:
M=Rm×1+Gm×1+Bm×2 (1)
式中,M为分档值,Rm、Gm、Bm分别为R、G、B三个颜色通道的平均灰度值。
目前,常见的多晶硅太阳能电池片的颜色主要为蓝色,对这样的电池片进行色差分选时,现有的人工检测的方案主要是根据电池片蓝色深度进行分选。故此,在本实施例中,在计算分档值M时,将蓝色通道的平均灰度值Bm设置为权重较大,这样就扩大了色差分选时太阳能电池片的蓝色成分的影响,而且这样的设置也符合实际情况,使得对太阳能电池片的分档更加科学,能更精确地实现太阳能电池片的色差分选。
可以理解的是,在其它实施例中,结合实际情况,也可调整上述公式中的Rm、Gm、Bm的权值,改变分档值M的计算方法。例如,目前一些机构已研制出了新型的颜色呈绿色的太阳能电池片,对这种太阳能电池片采用上述方法进行色差分选时,可将上述公式(1)改为绿色通道的平均灰度值Gm的权重较大;然后利用新的公式计算出分档值M,最后再结合上述步骤,同样能高效、精确地完成太阳能电池片的色差分选。
进一步地,在本发明优选例中,上述步骤S23具体包括以下步骤:
首先,将待分选电池片的R、G、B三个颜色通道的灰度直方图分别与R、G、B三个颜色通道的标准直方图对比,分别得到R、G、B三个颜色通道直方图的相似度;其中,相似度的值是由对比的两张直方图的重合部分面积决定。可以理解的是,归一化处理后,两张图像的像素数相同,其灰度直方图的总面积是相等的,因此实际计算相似度时,用两张直方图的重合部分面积除以某一张直方图的总面积即可。接下来,求R、G、B三个颜色通道直方图的相似度的加权平均值,得到总相似度。最后,比较待分选电池片的灰度直方图与不同档位的标准直方图之间的总相似度,并将待分选太阳能电池片分入总相似度最高的标准直方图所对应的档位。
在上述优选实施例中,总相似度采用如下公式(3)计算:
S=(Sr×1+Sg×1+Sb×2)/4 (3)
式中,S表示总相似度,Sr、Sg、Sb分别表示R、G、B三个颜色通道直方图的相似度;
与分档值M的计算方法相对应,在计算总相似度S时,同样扩大了太阳能电池片的蓝色成分的影响,这样的设置符合实际情况,能更精确地实现太阳能电池片的色差分选。在其他实施例中,结合实际情况,也可调整上述公式中的Sr、Sg、Sb的权值。
优选地,在步骤S11中和步骤S21中,应保证每次采集太阳能电池片的彩色图像时的外部光照条件均相同,以尽量减小误差。例如,可采用条行光源结合工业相机来采集太阳能电池片的彩色图像,并保证每次采集时光源亮度相同,工业相机的焦距设置相同,光源、工业相机与太阳能电池片三者之间相互的距离、摆放角度相同。
优选地,在步骤S11之后,还可设置以下步骤:判断检测采集到的样本太阳能电池片的彩色图像是否存在明显外观缺陷;若否,则进入后续步骤S12;若是,则不执行后续步骤S12,并将该太阳能电池片从样本太阳能电池片中去除;然后重新开始采集下一块样本太阳能电池片。
同样地,在步骤S21后,还可设置以下步骤:判断检测采集到的待分选太阳能电池片的彩色图像是否存在明显外观缺陷;若否,则进入后续步骤S22;若是,则重新采集图像再次进行检测,若再次检测时待分选太阳能电池片已不存在明显外观缺陷则进入后续步骤S22,若再次检测时待分选太阳能电池片依然存在明显外观缺陷则不执行后续步骤,并将该太阳能电池片分为不合格品。
上述的存在明显外观缺陷的太阳能电池片包括具有破损、缺角、崩边、孔洞、裂纹等缺陷的太阳能电池片。可以理解的是,明显外观缺陷是指能够被轻易观测到的缺陷,因此检测是否存在明显外观缺陷的步骤也可由人工完成,并且可在采集图像之前就直接根据太阳能电池片本身的外观完成。
另外,在步骤S11或步骤S21之后,在对彩色图像进行灰度化处理之前,还可增加对采集到的彩色图像进行预处理的步骤,例如:采用现有的去噪、滤波平滑、对比度增强等算法进行处理,以将图像中不必要的杂质去掉。
在完成图像预处理后,还可增加图像仿射变换与分割的步骤;这是由于采集到的彩色图像中的太阳能电池片可能位于不同的位置与角度,故需要经过图像仿射变化将图像进行平移,旋转角度等操作使得所有太阳能电池片处于图像中的同一位置以便于进一步处理。
其中,图像分割是指将只包含太阳能电池片的图像从完整图像中分割出来,由于完整图像可能还包含背景区域的图像,故在本实施例中,所用的背景区域接近于纯白色,能够通过现有的分割算法去除背景区域的图像,使得在后续步骤中进行灰度直方图的读取时保证读取的只有太阳能电池片的灰度直方图。
基于上述太阳能电池片的色差分选方法,下面以两个具体实施例来详细阐述一下其分选太阳能电池片的过程:
第一实施例:待分选的太阳能电池片为主要颜色呈蓝色的多晶硅太阳能电池片,且以500个这样无明显外观缺陷的太阳能电池片作为样本太阳能电池片。
第一步、分选前准备:
(一)采集上述500个样本太阳能电池片的彩色图像。
(二)对上述500个样本太阳能电池片的彩色图像进行灰度化处理,并分别获得R、G、B三个颜色通道的灰度直方图及对应的R、G、B三个颜色通道的平均灰度值。
(三)利用上述公式(1),对第二步获得的500个样本太阳能电池片的R、G、B三个颜色通道的平均灰度值进行加权求和,计算出各样本太阳能电池片的分档值,并建立相应数据库,与此同时获取各个样本太阳能电池片的灰度直方图并储存入数据库中。
经上述公式(1)计算出上述数据库中的分档值的最大值Mmax为137,最小值Mmin为36。
图2a至图2c所示,为上述500个样本太阳能电池片中某一块的R、G、B三个颜色通道的灰度直方图,由图可见,蓝色通道的灰度直方图对应的平均灰度值要明显大于红色、绿色通道。
(四)在本具体实施例中,无预设的太阳能电池片的分档数,根据经验,两块太阳能电池片的分档值M的差值达到30时,两块太阳能电池片的颜色就会呈现较明显的差异;因此,本实施例中,以30作为每个档位的分档值范围大小,并依此进行分档。即直接以Mmin-10至Mmin+20的分档值范围作为第一个档位,此后每个档位的分档值范围的最小值与最大值均为前一个档位的分档值范围的最小值与最大值加30,直至第n个档位的分档值范围覆盖了Mmax;其中,n即为太阳能电池片的分档数;为了避免后续的分选时存在遗漏,第一个档位的最小值采用Mmin-10而不直接采用Mmin。
在本具体实施例中,在代入数据Mmax=137,Mmin=36后,可得各个档位的分档值范围分别是26至56,56至86,86至116与116至146,由此可见第4个档位已覆盖了Mmax,则n=4,故本具体实施例中太阳能电池片共分为4个档位。
相邻两个档位之间的临界值可任意划分在前一档或后一档,而在本实施例中统一将临界值划分在后一档。
(五)在每个档位中找出标准太阳能电池片与对应的标准直方图;
例如,在第一个档位中找到分档值最接近于(26+56)/2=41的太阳能电池片作为标准太阳能电池片,然后将其R、G、B三个颜色通道的灰度直方图作为第一个档位的标准直方图;其他档位同理。
在完成了数据库的建立以及分档后,便可对待分选的太阳能电池片进行分选。
第二步、分选太阳能电池片:在本具体实施例中,选取了3块待分选的太阳能电池片进行分选;
具体地,按照处理样本太阳能电池片时同样的方式,对待分选太阳能电池片进行处理获得R、G、B三个颜色通道的灰度直方图,然后利用其R、G、B三个颜色通道灰度直方图与每个档位的标准直方图进行相似度对比,并将待分选太阳能电池片分入相似度最高的标准直方图所对应的档位。
采取此分选方法,获得的第1块太阳能电池片的R、G、B三个颜色通道灰度直方图与第1挡的三通道标准直方图的相似度分别为Sr=0.975144,Sg=0.980169,Sb=0.845333,根据公式(3)算得总相似度S1为0.911495;获得的第1块太阳能电池片的R、G、B三个颜色通道灰度直方图与第2挡的三通道标准直方图的相似度分别为Sr=0.881488,Sg=0.685417,Sb=0.545167,总相似度S2为0.664309;获得的第1块太阳能电池片的R、G、B三个颜色通道灰度直方图与第3挡的三通道标准直方图的相似度分别为Sr=0.859922,Sg=0.421288,Sb=0.245778,总相似度S3为0.443192;获得的第1块太阳能电池片的R、G、B三个颜色通道灰度直方图与第4挡的三通道标准直方图的相似度分别为Sr=0.796546,Sg=0.339834,Sb=0.208183,总相似度S4为0.388187;显然S1最大,说明与第1档的标准直方图的相似度最高,故将第1块太阳能电池片分到第1挡。同理根据此分选方法,获得的第2块太阳能电池片的R、G、B三个颜色通道灰度直方图与其所对应的第1档至第4档的R、G、B三通道标准直方图的总相似度分别为S1=0.663690,S2=0.794523,S3=0.911367,S4=0.801037,因此将其分到第3档;获得的第3块太阳能电池片的R、G、B三个颜色通道灰度直方图与其所对应的第1档至第4档的R、G、B三通道标准直方图的总相似度分别为S1=0.422919,S2=0.459303,S3=0.590771,S4=0.694299,因此将其分到第4档。
本方法通过对比直方图并计算相似度来进行分选,其分选结果十分精确,绝大部分待分选太阳能电池片均能分到合适的档位;且不存在因待分选太阳能电池片的颜色接近于两个档位的临界值而导致的分选困难的问题。
第二实施例:
本实施例与第一实施例的区别在于,在第一大步的第(四)小步中,根据实际生产需要,要求将太阳能电池片的挡数分成4档,即预设了n=4,故在此步骤需要先根据如下公式(2),计算每个档位的分档值范围大小,然后再执行后续步骤,后续步骤与第一实施例相同,故此不再赘述。
x=(Mmax-Mmin+20)/n (2)
其中,x为每个档位的分档值范围大小;为了避免后续的分选时存在遗漏,计算x时,先将分档值的最大值加10,最小值减10,即以Mmax-Mmin+20作为分档值的总范围大小;然后用分档值的总范围大小除以预设的分档数,即得每个档位的分档值范围大小x。然后以Mmin-10至Mmin-10+x的分档值范围作为第一个档位,此后每个档位的范围最小值与最大值均为前一个档位的范围最小值与最大值加x。
当代入Mmax=137,Mmin=36,n=4,可算得x=30.25,实际操作中,为了加快系统计算速度,对x进行了向下取整的操作,即取x=30,则最终分得的4个档位与第一实施例中相同,后续的分选结果也完全相同;可以理解的是,不对x进行取整操作同样能完成分档。
综上,本发明提供的太阳能电池片的色差分选方法,实现了太阳能电池片的自动分选,解决了人工对太阳能电池片色差分选效果差以及工作强度大等问题,降低了太阳能电池片的损耗和人力成本;适应性强,当采集的样本太阳能电池片足够多时,绝大部分太阳能电池片均能分到合适的档位;该方法简单实用高效,减少了系统运行时间;结合太阳能电池片的实际情况,计算分档值及总相似度时赋予了合适的权值,分选精确度高。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (3)
1.一种太阳能电池片的色差分选方法,其特征在于,包括步骤S1、分选前的准备以及步骤S2、分选太阳能电池片;
其中,步骤S1具体包括以下步骤:
S11、取样本太阳能电池片并采集其彩色图像;
S12、对步骤S11中采集到的彩色图像进行灰度化处理,并分别获得R、G、B三个颜色通道的灰度直方图及平均灰度值;
S13、对步骤S12中获得的R、G、B三个颜色通道的平均灰度值进行加权求和,计算得到分档值;
S14、重复步骤S11-S13,得到多个样本太阳能电池片的灰度直方图及分档值并储存入数据库中;
S15、根据数据库中的多个分档值确定太阳能电池片的分档数以及每个档位所对应的分档值范围,或者根据数据库中的多个分档值及预设的太阳能电池片的分档数确定每个档位所对应的分档值范围;
S16、在每个档位中找到标准太阳能电池片,并将标准太阳能电池片的R、G、B三个颜色通道的灰度直方图作为每个档位的标准直方图,其中,每个档位的标准太阳能电池片为分档值最接近于该档位所对应的分档值范围中的中间值的样本太阳能电池片;
步骤S2具体包括以下步骤:
S21、取待分选太阳能电池片并采集其彩色图像;
S22、对步骤S21中采集到的彩色图像进行灰度化处理,并分别获得R、G、B三个颜色通道的灰度直方图;
S23,将待分选太阳能电池片的R、G、B三个颜色通道的灰度直方图与步骤S16中得到的每个档位的标准直方图进行相似度对比,并将待分选太阳能电池片分入相似度最高的标准直方图所对应的档位;
其中,步骤S13中,所述分档值采用如下公式(1)计算:
M = Rm×1+Gm×1+Bm×2 (1)
式中,M为分档值,Rm、Gm、Bm分别为R、G、B三个颜色通道的平均灰度值;
步骤S15中,当不存在预设的太阳能电池片的分档数时,采用如下方法确定太阳能电池片的分档数以及每个档位所对应的分档值范围:
先以Mmin-10至Mmin+20的分档值范围作为第一个档位,此后每个档位的分档值范围的最小值与最大值均为前一个档位的分档值范围的最小值与最大值加30,直至第n个档位的分档值范围覆盖了Mmax;
其中,n为太阳能电池片的分档数,Mmax为数据库中的多个分档值的最大值,Mmin为数据库中的多个分档值的最小值;
步骤S15中,当预设的太阳能电池片的分档数为n时,采用如下方法确定太阳能电池片的每个档位所对应的分档值范围:
先根据如下公式(2)计算每个档位的分档值范围大小:
x=(Mmax - Mmin+20)/n (2)
式中,x为每个档位的分档值范围大小,Mmax为数据库中的多个分档值的最大值,Mmin为数据库中的多个分档值的最小值;
接下来,以Mmin-10至Mmin-10+x的分档值范围作为第一个档位,此后每个档位的范围最小值与最大值均为前一个档位的范围最小值与最大值加x。
2.根据权利要求1所述的太阳能电池片的色差分选方法,其特征在于,步骤S23中,具体包括以下步骤:
将待分选电池片的R、G、B三个颜色通道的灰度直方图分别与R、G、B三个颜色通道的标准直方图对比,分别得到R、G、B三个颜色通道直方图的相似度,相似度的值由对比的两张直方图的重合部分面积决定;
求R、G、B三个颜色通道直方图的相似度的加权平均值,得到总相似度;
比较待分选电池片的灰度直方图与不同档位的标准直方图之间的总相似度,并将待分选太阳能电池片分入总相似度最高的标准直方图所对应的档位。
3.根据权利要求2所述的太阳能电池片的色差分选方法,其特征在于,所述总相似度采用如下公式(3)计算:
S=(Sr×1+Sg×1+Sb×2)/4 (3)
式中,S表示总相似度,Sr、Sg、Sb分别表示R、G、B三个颜色通道直方图的相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910999565.8A CN110694942B (zh) | 2019-10-21 | 2019-10-21 | 一种太阳能电池片的色差分选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910999565.8A CN110694942B (zh) | 2019-10-21 | 2019-10-21 | 一种太阳能电池片的色差分选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110694942A CN110694942A (zh) | 2020-01-17 |
CN110694942B true CN110694942B (zh) | 2021-05-14 |
Family
ID=69200673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910999565.8A Active CN110694942B (zh) | 2019-10-21 | 2019-10-21 | 一种太阳能电池片的色差分选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110694942B (zh) |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2564959B2 (ja) * | 1990-03-07 | 1996-12-18 | 富士ゼロックス株式会社 | 画像処理装置の絵文字領域識別方式 |
JP4325552B2 (ja) * | 2004-12-24 | 2009-09-02 | セイコーエプソン株式会社 | 画像処理装置、画像処理方法及び画像処理プログラム |
JP2009212148A (ja) * | 2008-02-29 | 2009-09-17 | Mitsubishi Heavy Ind Ltd | 結晶質シリコン膜の膜質計測装置、結晶質シリコン膜の膜質計測方法、及び結晶質シリコン膜の膜質評価方法 |
CN101957988B (zh) * | 2009-07-20 | 2013-11-06 | 华为技术有限公司 | 获得图像灰度点概率分布的方法、装置及白平衡方法、装置 |
KR20130008187A (ko) * | 2011-07-12 | 2013-01-22 | (주)정인시스템 | 솔더링을 위한 플럭스 검사 장치 및 그 검사 방법 |
CN102779157B (zh) * | 2012-06-06 | 2015-05-06 | 北京京东世纪贸易有限公司 | 搜索图像的方法和装置 |
CN102974551A (zh) * | 2012-11-26 | 2013-03-20 | 华南理工大学 | 一种基于机器视觉的多晶硅太阳能检测分选的方法 |
CN104899280B (zh) * | 2015-05-29 | 2017-12-29 | 山西大学 | 基于彩色直方图和nsct的模糊相关异步图像检索方法 |
CN108304878A (zh) * | 2018-02-05 | 2018-07-20 | 河北工业大学 | 一种基于色差直方图与DAG-SVMs的光伏电池片颜色分类算法 |
CN109657083B (zh) * | 2018-12-27 | 2020-07-14 | 广州华迅网络科技有限公司 | 纺织品图片特征库的建立方法和装置 |
-
2019
- 2019-10-21 CN CN201910999565.8A patent/CN110694942B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110694942A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102974551A (zh) | 一种基于机器视觉的多晶硅太阳能检测分选的方法 | |
CN111429403B (zh) | 一种基于机器视觉的汽车齿轮成品缺陷检测方法 | |
CN108596880A (zh) | 基于图像处理的焊接缺陷特征提取与焊接质量分析方法 | |
CN116977329B (zh) | 一种基于机器视觉的光伏板栅线检测方法 | |
CN109215042B (zh) | 一种基于计算机视觉的光伏电池板热斑效应检测系统及其计算方法 | |
CN112991264B (zh) | 一种单晶硅光伏电池裂纹缺陷的检测方法 | |
CN106057700B (zh) | 一种太阳能电池片的边红片的检测方法 | |
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 | |
CN112819748B (zh) | 一种带钢表面缺陷识别模型的训练方法及装置 | |
CN106709529B (zh) | 一种光伏电池色差分类的视觉检测方法 | |
CN106767564A (zh) | 一种应用于手机外壳表面粗糙度的检测方法 | |
CN109359604B (zh) | 面向巡检机器人的阴影干扰下仪表识别方法 | |
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 | |
CN113327255A (zh) | 基于YOLOv3检测定位裁剪及fine-tune的输电线路巡检图像处理方法 | |
CN104200215A (zh) | 一种大口径光学元件表面灰尘与麻点识别方法 | |
CN111260617A (zh) | 一种基于深度学习的太阳能电池板缺陷检测方法 | |
CN111597941A (zh) | 一种面向大坝缺陷图像的目标检测方法 | |
CN115115643A (zh) | 一种光伏电池板生产缺陷检测方法 | |
CN110694942B (zh) | 一种太阳能电池片的色差分选方法 | |
CN109668897A (zh) | 环状精密零件表面微型缺陷的视觉检测系统及其检测方法 | |
CN112381794B (zh) | 一种基于深度卷积生成网络的印刷缺陷检测方法 | |
CN107563990B (zh) | 一种光伏电池片崩边及钝型和v型缺口的检测方法 | |
CN111709936B (zh) | 一种基于多级特征比对的令纸缺陷检测方法 | |
CN110721928B (zh) | 一种太阳能电池片的色差分选方法及系统 | |
CN110766675B (zh) | 太阳能电池板缺陷检测方法 |
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 |