CN111229648A - 基于机器视觉的太阳能电池板瑕疵检测系统及检测方法 - Google Patents

基于机器视觉的太阳能电池板瑕疵检测系统及检测方法 Download PDF

Info

Publication number
CN111229648A
CN111229648A CN202010057579.0A CN202010057579A CN111229648A CN 111229648 A CN111229648 A CN 111229648A CN 202010057579 A CN202010057579 A CN 202010057579A CN 111229648 A CN111229648 A CN 111229648A
Authority
CN
China
Prior art keywords
solar cell
cell panel
vision
flaw
plc
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
Application number
CN202010057579.0A
Other languages
English (en)
Inventor
薛彬
茌文清
丁震
矫爽本
孟庆森
周凤敏
翟明戈
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.)
Taiyuan University of Science and Technology
Original Assignee
Qingdao Binhai University
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 Qingdao Binhai University filed Critical Qingdao Binhai University
Priority to CN202010057579.0A priority Critical patent/CN111229648A/zh
Publication of CN111229648A publication Critical patent/CN111229648A/zh
Pending legal-status Critical Current

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
    • B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
    • 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
    • B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
    • 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
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • 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
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • B07C5/362—Separating or distributor mechanisms
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • 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

Landscapes

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

Abstract

本发明提出了基于机器视觉的太阳能电池板瑕疵检测系统，包括：视觉相机、视觉分析模块、PLC和剔除装置；其中，视觉相机对太阳能电池板表面进行图像采集，将采集到的图像传输给视觉分析模块；视觉分析模块对视觉相机传输的图像进行处理分析，并将检测的结果传输给PLC；PLC同时与传感器连接，传感器对发现的存在瑕疵的太阳能电池板进行计数，并将触发信号传输给PLC，PLC控制剔除装置对存在瑕疵的太阳能电池板进行剔除。本发明采用智能相机先进的算法和图像处理软件，更精确地检测肉眼无法观察的瑕疵，且具有快速的图像处理速度和高效的检测效率，与人工检测相比较，在检测效率上提高了90％，对于细小的瑕疵，检出率提高了80％，完美的代替了人工检测。

Description

基于机器视觉的太阳能电池板瑕疵检测系统及检测方法
技术领域
本发明涉及机器视觉识别技术领域，特别涉及一种基于机器视觉的太阳能电池板瑕疵检测系统，还涉及一种基于机器视觉的太阳能电池板瑕疵检测方法。
背景技术
目前在太阳能电池板生产领域电池板生产质量的问题备受生产厂家的关注，电池板的破损瑕疵是直接导致太阳能电池板质量的最主要原因，并且细小的瑕疵难以检测。目前的太阳能电池检测中关于电池板表面的缺陷很少，主要有人工观察检测、红外图像检测。但以上两种检测方法各有其局限性：人工观察需耗费大量劳动力且准确率不高，目前生产工艺中有一些肉眼难以观察出来的缺陷，随着产量的提升，人工检测的效率难以提升并且每个人的检测标准难以做到一致；红外图像检测受周围环境影响较大。故传统的太阳能表面缺陷检测方法愈来愈不能适应日益复杂的生产工艺与越来越高的缺陷要求。因此为了克服传统检测方法的局限性，需要研究新的太阳能电池表面缺陷检测方法及设备。
发明内容
本发明提出一种基于机器视觉的太阳能电池板瑕疵检测系统及检测方法，解决了现有技术中太阳能电池板检测效率低、检出率低的问题。
本发明的技术方案是这样实现的：
基于机器视觉的太阳能电池板瑕疵检测系统，包括：视觉相机、视觉分析模块、PLC和剔除装置；其中，
视觉相机对太阳能电池板表面进行图像采集，将采集到的图像传输给视觉分析模块；
视觉分析模块对视觉相机传输的图像进行处理分析，并将检测的结果传输给PLC；
PLC同时与传感器连接，传感器对发现的存在瑕疵的太阳能电池板进行计数，并将触发信号传输给PLC，PLC控制剔除装置对存在瑕疵的太阳能电池板进行剔除。
可选地，视觉相机选用的是In Sight 8402智能相机，其最大分辨率为1600*1200，通过以太网电缆的M12连接器连接至视觉分析模块的ENET连接器。
可选地，所述视觉相机选用的是C接口9mm镜头。
可选地，所述LED光源为球积分光源，利用半圆形的弯曲金属表面反光，均匀的照射在被测物体表面，然后通过被测物体表面反光，照射到视觉相机的感光元件。
可选地，所述视觉分析模块包括定位工具和瑕疵检测工具；定位工具采用PatMaxRedLine或PatMax算法来定位图案特征的位置；瑕疵检测工具包括边缘缺陷检测工具和外观瑕疵检测工具。
可选地，所述边缘缺陷检测工具使用边缘分析卡尺数组定位边缘特征，构造最佳拟合线，确定边缘中是否存在偏差，并报告遇到的缺陷和间距的数量。
可选地，外观瑕疵检测工具根据像素的强度变化在灰度或彩色图像上检测划痕、刻痕、破损、污渍或小缺口等瑕疵，在执行斑点分析以确定瑕疵是否存在之前，使用该工具一个内部的过滤操作，以突然的颜色或灰度变化加亮突出边缘和区域。
可选地，剔除装置与系统外部的瑕疵产品箱相连，所述瑕疵产品箱的入口设有光栅，光栅检测存在瑕疵的太阳能电池板板是否已经被剔入瑕疵产品箱。
可选地，检测系统包括瑕疵产品箱，还包括设置在瑕疵产品箱入口的光栅，通过光栅检测存在瑕疵的太阳能电池板是否进入瑕疵产品箱。
本发明还提供了一种基于机器视觉的太阳能电池板瑕疵检测方法，基于上述系统进行检测，包括以下步骤：
视觉相机对太阳能电池板表面瑕疵进行图像采集；
视觉分析模块对采集到的图像进行处理及瑕疵分析；
PLC根据视觉分析模块的分析结果，控制剔除装置对存在瑕疵的太阳能电池板进行剔除。
可选地，所述视觉分析模块对采集到的图像进行处理及瑕疵分析，包括以下步骤：
将太阳能电池板的整体进行定位；
进行太阳能电池板栅线检测，采用边缘缺陷检测工具的边缘分析卡尺数组精确定位边缘特征，构造最佳拟合线；
采用外观瑕疵检测工具对外观破损、缺损的瑕疵进行检测。
可选地，剔除装置对存在瑕疵的太阳能电池板进行剔除后，通过光栅检测存在瑕疵的太阳能电池板是否进入瑕疵产品箱，如果光栅没有检测到太阳能电池板，则将信号反馈给PLC，通过PLC控制传送装置停线报警，并进行人工处理。
可选地，所述将太阳能电池板的整体进行定位的步骤，采用图案定位工具，根据图案的已训练表示形式，采用PatMax RedLine或PatMax算法来定位该图案特征的位置。
本发明的有益效果是：
本发明针对太阳能电池板表面瑕疵，设计了一套基于机器视觉检测及PLC控制的太阳能电池板瑕疵检测系统，由视觉相机对太阳能电池板进行检测，然后将检测结果以数字的形式传输给PLC，通过PLC控制剔除装置进行剔除；采用智能相机先进的算法和图像处理软件，更精确的检测肉眼无法观察的瑕疵，且具有快速的图像处理速度和高效的检测效率，与人工检测相比较，在检测效率上提高了90％，对于细小的瑕疵，检出率提高了80％，完美的代替了人工检测。
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为本发明基于机器视觉的太阳能电池板瑕疵检测系统的控制流程图；
图2为本发明基于机器视觉的太阳能电池板瑕疵检测系统的结构图；
图3为本发明基于机器视觉的太阳能电池板瑕疵检测系统的结构框图；
图4为本发明中LED光的打光示意图；
图5为本发明剔除系统结构图。
附图标记：
1、视觉相机，2、视觉分析模块，3、PLC，4、剔除装置，5、传感器，6、LED光源，61、反射板，62、高亮LED，7.被测太阳能电池板。
具体实施方式
以下描述和附图充分地示出本文的具体实施方案，以使本领域的技术人员能够实践它们。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本文的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。本文中，术语“第一”、“第二”等仅被用来将一个元素与另一个元素区分开来，而不要求或者暗示这些元素之间存在任何实际的关系或者顺序。实际上第一元素也能够被称为第二元素，反之亦然。
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。
如图1至图5所示，本发明公开了一种基于机器视觉的太阳能电池板瑕疵检测系统，包括：视觉相机1、视觉分析模块2、PLC(可编程控制器)3和剔除装置4；视觉相机1对太阳能电池板表面进行图像采集，将采集到的图像传输给视觉分析模块2；视觉分析模块2对视觉相机1传输的图像进行处理分析，并将检测的结果传输给PLC 3，如果PLC 3接受到的是报警(NG)信号，PLC 3会通过程序处理接收到的报警信号；PLC 3同时与传感器5连接，传感器5对发现的存在瑕疵的太阳能电池板进行计数，并将触发信号传输给PLC 3，PLC 3控制剔除装置对存在瑕疵的太阳能电池板进行剔除，剔除后进行剔除确认，如果剔除失败，PLC 3会控制传送装置停止工作并报警，然后进行人工处理。
如图1所示，视觉检测系统对太阳能电池板进行实时缺陷检测，对于存在缺陷的电池板进行自动剔除。当视觉系统检测到存在瑕疵的电池板时，通过视觉分析模块2进行分析，分析结束之后，将错误信息通过以太网传输给PLC 3，通过PLC 3的内部程序向剔除装置4发出动作指令，控制剔除装置4在不停线的情况下将存在瑕疵的电池板进行剔除。
如图2所示，太阳能电池板瑕疵检测系统以机器视觉为核心，系统由视觉相机1及视觉分析模块2共同构成的，能够对电池板表面瑕疵进行图像采集，然后将图像传输给视觉分析模块2进行参数的调整和处理，对于存在瑕疵的电池板进行错误报告，然后将错误报告信号传输给PLC 3，通过PLC 3控制剔除装置4将存在瑕疵的电池板进行剔除。当采集到的图像发现瑕疵时，通过视觉分析模块2将光信号转换为电信号，通过以太网I/O接口将信号传输给PLC 3，同时，利用传感器5对当前发现的存在瑕疵的电池板进行计数，将触发信号传输给PLC 3，当PLC 3接收到触发信号时，PLC 3的内部程序对触发信号进行响应，输出动作信号给剔除装置4，剔除装置4进行动作，将存在瑕疵的电池板进行剔除。
可选地，太阳能电池板瑕疵检测系统选用的是In Sight 8402智能相机1，最大分辨率为1600*1200，在进行取像的过程中，可以是拍摄的图像呈现的更加清晰；此款智能相机采用的是POE供电，使其在使用方面更加便捷、布线灵活，并且可以更好的节省成本，POE电源模块可以通过网线将数据与电源同时传输。
In Sight 8402视觉相机的连接方式为：通过以太网电缆的M12连接器连接至视觉分析模块2的ENET连接器。如果使用兼容的水平螺丝锁定以太网电缆安装In-Sight8402视觉相机1，需要使用螺丝旋转式拧紧连接器螺丝直至紧固，以将其固定在视觉相机1上，螺丝必须紧固以确保可靠的连接以太网电缆，RJ45连接I/O模块的电源端口。
可选地，所述视觉相机1选用的是C接口9mm镜头。
镜头的主要作用就是在视觉相机1取像的过程中，将从被测物反射到智能相机感光部件上，使感光元件接受的光线发生变化，在视觉相机1取像的过程中，根据镜头尺寸的不同，物距和视野的大小也各不相同，在相同物距的情况下，尺寸较大的镜头，相比较尺寸较小的镜头，视野范围更小。同时，镜头质量的好坏，直接导致相机成像的效果。系统选用的是C接口9mm镜头。
可选地，所述视觉相机1正下方安装有LED光源6，所述LED光源6为球积分光源，包括高亮LED 62，利用半圆形的弯曲金属反射板61表面反光，反射光均匀的照射在被测太阳能电池板7表面，然后通过被测太阳能电池板7表面反光，照射到视觉相机的感光元件，打光示意图如图4所示。
对于视觉相机1而言，打光是直接影响机器视觉的重要因素之一，在视觉相机1进行取像的过程中，如果没有LED光源6进行打光，经常会由于所在现场的环境光，对相机的取像造成明显的影响，直接影响到图像的质量。本发明中选用的是红色的球积分光源，此光源具有高均匀度、高密度，成像平滑的特点，用其打光，具有良好的成像效果。当然，根据本发明的教导，本领域技术人员还可以选用其他颜色的球积分光源。
在一些可选实施例中，视觉分析模块存储有In-Sight Explorer软件，In-SightExplorer软件作为In-Sight视觉系统的主要架构，其在使用方面，操作简单、功能强大，可最大限度的控制光学检测应用。
可选地，视觉分析模块2包括定位工具和瑕疵检测工具，对收集的图像进行处理；瑕疵检测工具包括边缘缺陷检测工具和外观瑕疵检测工具，边缘对缺陷检测工具使用边缘分析卡尺数组精确定位边缘特征，构造最佳拟合线；外观瑕疵检测工具根据像素的强度变化来检测小瑕疵。
当视觉相机1对图像采集完成之后，需要将图像传输至视觉分析模块2进行细节处理，通过软件中的定位工具和瑕疵检测工具，对收集的图像进行处理。首先，视觉分析模块2对太阳能电池板的整体进行定位。可选地，视觉分析模块2采用图案定位工具，根据图案的已训练表示形式(称为模型)，采用PatMax RedLine或PatMax算法来定位该图案特征的位置。
在进行太阳能电池板栅线检测的过程中，选用的是边缘缺陷检测工具，边缘缺陷检测工具使用边缘分析卡尺数组精确定位边缘特征，构造最佳拟合线。识别出边缘后，该工具通过边缘特征构造最佳拟合线(取决于边缘特征中是否有曲线)，确定边缘中是否存在偏差(如缺陷或间距)，并报告遇到的缺陷和间距的数量。
在太阳能电池板瑕疵检测系统中，在对外观破损、缺损的瑕疵检测，使用是InSight Explorer软件中瑕疵检测工具的外观瑕疵检测工具。外观瑕疵检测工具可以根据像素的强度变化来检测小瑕疵，该工具可用来在灰度或彩色图像上检测划痕、刻痕、破损、污渍或小缺口等瑕疵。外观瑕疵检测工具是为检测局部强度和颜色变化区域而设计的瑕疵检测工具。在执行斑点分析以确定瑕疵是否存在之前，使用该工具一个内部的过滤操作，首先以突然的颜色或灰度变化加亮突出边缘和区域。对于那些含有均匀分布区域的待检测部件，在该部件上发生的任何突然强度变化都能被归类为缺陷。如需要，还可以使用外观瑕疵工具提供内置的图像掩膜来提亮需要被检测图像中的区域，同时排除不相关区域。
可选地，检测系统外部设置瑕疵产品箱，剔除装置4与瑕疵产品箱相连，通过瑕疵产品箱收集剔除装置4剔除的存在瑕疵的太阳能电池板。该可选实施例中，瑕疵产品箱并不是检测系统的一部分。检测系统还包括光栅，光栅设置在瑕疵产品箱入口，通过光栅检测存在瑕疵的太阳能电池板是否进入瑕疵产品箱。
可选地，检测系统包括瑕疵产品箱，还包括设置在瑕疵产品箱入口的光栅，剔除装置4与瑕疵产品箱相连，通过光栅检测存在瑕疵的太阳能电池板是否进入瑕疵产品箱。
如图5所示，剔除装置4在太阳能电池板瑕疵检测系统中的主要作用就是当视觉相机1在检测完成后，如果发出的是NG信号，就说明检测到存在瑕疵的太阳能电池板，系统通过PLC 3控制剔除装置4，当PLC 3接收到剔除指令的时候，通过设置一个定时器，例如设置一个五秒的定时器，在五秒之后，PLC3给电磁阀输出指令，电磁阀控制气缸动作，进行剔除。当进行完剔除动作之后，需要对剔除是否成功进行判断，可选地，通过光栅对上述操作进行检测，通过接收光栅的反馈信号来判断剔除是否成功，在此设置了一个一秒的计时器，在气缸进行了剔除动作之后，计时器开始计时，如果在一秒之内，光栅接收到信号，说明剔除成功，计时器取消计时，如果在一秒之内，光栅没有接收到信号，将判断为剔除失败，那么会将信号反馈给PLC 3，通过PLC 3控制传送装置停线报警，并进行人工处理。
在一些可选实施例中，本发明还提出了一种基于机器视觉的太阳能电池板瑕疵检测方法，该方法基于上述任一可选实施例的系统进行检测，包括以下步骤：
视觉相机对太阳能电池板表面瑕疵进行图像采集；
视觉分析模块对采集到的图像进行处理及瑕疵分析；
PLC根据视觉分析模块的分析结果，控制剔除装置对存在瑕疵的太阳能电池板进行剔除。
可选地，所述视觉分析模块对采集到的图像进行处理及瑕疵分析，包括以下步骤：
将太阳能电池板的整体进行定位；
进行池板栅线检测，采用边缘缺陷检测工具的边缘分析卡尺数组精确定位边缘特征，构造最佳拟合线；
采用外观瑕疵检测工具对外观破损、缺损的瑕疵进行检测。
可选地，剔除装置对存在瑕疵的太阳能电池板进行剔除后，通过光栅检测存在瑕疵的太阳能电池板是否进入瑕疵产品箱，如果光栅没有检测到太阳能电池板，则将信号反馈给PLC，通过PLC控制传送装置停线报警，并进行人工处理。
可选地，所述将太阳能电池板的整体进行定位的步骤，采用图案定位工具，根据图案的已训练表示形式，采用PatMax RedLine或PatMax算法来定位该图案特征的位置。
太阳能电池板生产过程中细小的缺陷增加了检测难度，使用机器视觉进行瑕疵检测，用高分辨率的视觉相机使图像呈现的更加清晰，同时采用球积分光源防止一切外部光源的干扰，为高质量的成像提供了保障，采用机器视觉先进的算法，对太阳能电池板的取像进行精细的参数设置，达到再细小的瑕疵都能检测。通过PLC接受错误信号控制剔除装置对存在瑕疵的电池板进行剔除，实现完全自动化，开启了检测新领域，使检测效率提升了90％，检测的准确率达到了99％，较人工检测，细小的瑕疵检出率提升80％，极高的检测率以及检测的稳定性，使机器视觉检测完美的代替人工检测，极大的节省了人工成本，并提高了生产效率，为生产企业创造了更多的效益；同时弥补了人工目测的缺陷，提高检测效率，减少漏检、误检的情况，提高产量，且具有很高的稳定性。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于机器视觉的太阳能电池板瑕疵检测系统，其特征在于，包括：
视觉相机、视觉分析模块、PLC和剔除装置；
视觉相机对太阳能电池板表面进行图像采集，将采集到的图像传输给视觉分析模块；
视觉分析模块对视觉相机传输的图像进行处理分析，并将检测的结果传输给PLC；
PLC同时与传感器连接，传感器对发现的存在瑕疵的太阳能电池板进行计数，并将触发信号传输给PLC，PLC控制剔除装置对存在瑕疵的太阳能电池板进行剔除。
2.如权利要求1所述的基于机器视觉的太阳能电池板瑕疵检测系统，其特征在于，所述视觉相机正下方安装有LED光源，所述LED光源为球积分光源，利用半圆形的弯曲金属表面反光，反射光均匀的照射在被测物体表面，然后通过被测物体表面反光，照射到视觉相机的感光元件。
3.如权利要求1所述的基于机器视觉的太阳能电池板瑕疵检测系统，其特征在于，所述视觉分析模块包括定位工具和瑕疵检测工具；定位工具采用PatMax RedLine或PatMax算法来定位图案特征的位置；瑕疵检测工具包括边缘缺陷检测工具和外观瑕疵检测工具。
4.如权利要求3所述的基于机器视觉的太阳能电池板瑕疵检测系统，其特征在于，所述边缘缺陷检测工具使用边缘分析卡尺数组定位边缘特征，构造最佳拟合线，确定边缘中是否存在偏差，并报告遇到的缺陷和间距的数量。
5.如权利要求3所述的基于机器视觉的太阳能电池板瑕疵检测系统，其特征在于，外观瑕疵检测工具根据像素的强度变化在灰度或彩色图像上检测瑕疵，在执行斑点分析以确定瑕疵是否存在之前，使用该工具一个内部的过滤操作，以突然的颜色或灰度变化加亮突出边缘和区域。
6.如权利要求1所述的基于机器视觉的太阳能电池板瑕疵检测系统，其特征在于，所述剔除装置与系统外部的瑕疵产品箱相连；
还包括设置在瑕疵产品箱入口的光栅，通过光栅检测存在瑕疵的太阳能电池板是否进入瑕疵产品箱。
7.一种基于机器视觉的太阳能电池板瑕疵检测方法，基于权利要求1至6任一项所述的系统进行检测，其特征在于，包括以下步骤：
视觉相机对太阳能电池板表面瑕疵进行图像采集；
视觉分析模块对采集到的图像进行处理及瑕疵分析；
PLC根据视觉分析模块的分析结果，控制剔除装置对存在瑕疵的太阳能电池板进行剔除。
8.如权利要求7所述的检测方法，其特征在于，所述视觉分析模块对采集到的图像进行处理及瑕疵分析，包括以下步骤：
将太阳能电池板的整体进行定位；
进行太阳能电池板栅线检测，采用边缘缺陷检测工具的边缘分析卡尺数组精确定位边缘特征，构造最佳拟合线；
采用外观瑕疵检测工具对外观破损、缺损的瑕疵进行检测。
9.如权利要求7所述的检测方法，其特征在于，剔除装置对存在瑕疵的太阳能电池板进行剔除后，通过光栅检测存在瑕疵的太阳能电池板是否进入瑕疵产品箱，如果光栅没有检测到太阳能电池板，则将信号反馈给PLC，通过PLC控制传送装置停线报警，并进行人工处理。
10.如权利要求8所述的检测方法，其特征在于，所述将太阳能电池板的整体进行定位的步骤，采用图案定位工具，根据图案的已训练表示形式，采用PatMax RedLine或PatMax算法来定位该图案特征的位置。
CN202010057579.0A 2020-01-19 2020-01-19 基于机器视觉的太阳能电池板瑕疵检测系统及检测方法 Pending CN111229648A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010057579.0A CN111229648A (zh) 2020-01-19 2020-01-19 基于机器视觉的太阳能电池板瑕疵检测系统及检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010057579.0A CN111229648A (zh) 2020-01-19 2020-01-19 基于机器视觉的太阳能电池板瑕疵检测系统及检测方法

Publications (1)

Publication Number Publication Date
CN111229648A true CN111229648A (zh) 2020-06-05

Family

ID=70866894

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010057579.0A Pending CN111229648A (zh) 2020-01-19 2020-01-19 基于机器视觉的太阳能电池板瑕疵检测系统及检测方法

Country Status (1)

Country Link
CN (1) CN111229648A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111709926A (zh) * 2020-06-12 2020-09-25 青岛滨海学院 基于机器视觉的火花塞尺寸测量系统及测量方法
CN111906036A (zh) * 2020-07-22 2020-11-10 上海快卜新能源科技有限公司 一种基于梯次利用电池的检测装置
CN112014739A (zh) * 2020-07-14 2020-12-01 安徽汉马锂电科技有限公司 串联锂电池组的检测装置
CN112710670A (zh) * 2020-12-16 2021-04-27 中国计量大学 一种太阳能电池涂层检测装置及控制方法
CN112802133A (zh) * 2021-04-13 2021-05-14 武汉精测电子集团股份有限公司 一种基于机器视觉的Mini Led显示屏单元板墨色检测分选方法
CN113030102A (zh) * 2021-03-02 2021-06-25 成都小淞科技有限公司 基于机器视觉的漆面瑕疵检查系统
CN113432585A (zh) * 2021-06-29 2021-09-24 沈阳工学院 一种基于机器视觉技术的非接触式轮毂位置精确测定方法
CN113834816A (zh) * 2021-09-30 2021-12-24 江西省通讯终端产业技术研究院有限公司 基于机器视觉的光伏电池缺陷在线检测方法及系统
US20220148153A1 (en) * 2020-10-15 2022-05-12 Cognex Corporation System and method for extracting and measuring shapes of objects having curved surfaces with a vision system
CN114800660A (zh) * 2022-06-27 2022-07-29 浙江双元科技股份有限公司 一种用于片材分切的缺陷定位系统及方法
CN115156083A (zh) * 2022-06-30 2022-10-11 缪云 单晶硅片分选装置及方法
CN117690846A (zh) * 2024-02-02 2024-03-12 深圳市双翌光电科技有限公司 太阳能硅片视觉检测方法、装置、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101957321A (zh) * 2009-06-12 2011-01-26 3i系统公司 电池硅片检测系统
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
JP5623091B2 (ja) * 2010-02-03 2014-11-12 第一実業ビスウィル株式会社 球体外観検査装置
CN106409711A (zh) * 2016-09-12 2017-02-15 佛山市南海区广工大数控装备协同创新研究院 一种太阳能硅晶片缺陷检测系统及方法
CN107764829A (zh) * 2016-08-15 2018-03-06 上海太阳能工程技术研究中心有限公司 太阳电池外观缺陷识别方法
CN207238542U (zh) * 2017-08-09 2018-04-17 中国计量大学 一种基于机器视觉的篾片缺陷在线检测系统
CN109396069A (zh) * 2017-08-17 2019-03-01 致茂电子(苏州)有限公司 可避免误分料的电子元件检测设备及其检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101957321A (zh) * 2009-06-12 2011-01-26 3i系统公司 电池硅片检测系统
JP5623091B2 (ja) * 2010-02-03 2014-11-12 第一実業ビスウィル株式会社 球体外観検査装置
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
CN107764829A (zh) * 2016-08-15 2018-03-06 上海太阳能工程技术研究中心有限公司 太阳电池外观缺陷识别方法
CN106409711A (zh) * 2016-09-12 2017-02-15 佛山市南海区广工大数控装备协同创新研究院 一种太阳能硅晶片缺陷检测系统及方法
CN207238542U (zh) * 2017-08-09 2018-04-17 中国计量大学 一种基于机器视觉的篾片缺陷在线检测系统
CN109396069A (zh) * 2017-08-17 2019-03-01 致茂电子(苏州)有限公司 可避免误分料的电子元件检测设备及其检测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
国家知识产权局学术委员会: "《产品专利分析报告 第62册 全息技术》", 31 July 2018, 北京：知识产权出版社 *
林盛昌: "《组态技术与综合实践》", 30 April 2016, 西安电子科技大学出版社 *
栾贻国: "《材料加工中的计算机应用技术》", 31 July 2005, 哈尔滨工业大学出版社 *
薛彬 等: "机器视觉技术在火花塞间隙测量中的应用", 《电工技术》 *
青岛英谷教育科技股份有限公司: "《工业机器人集成应用》", 28 February 2019, 西安电子科技大学出版社 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111709926A (zh) * 2020-06-12 2020-09-25 青岛滨海学院 基于机器视觉的火花塞尺寸测量系统及测量方法
CN112014739A (zh) * 2020-07-14 2020-12-01 安徽汉马锂电科技有限公司 串联锂电池组的检测装置
CN111906036B (zh) * 2020-07-22 2022-01-18 上海快卜新能源科技有限公司 一种基于梯次利用电池的检测装置
CN111906036A (zh) * 2020-07-22 2020-11-10 上海快卜新能源科技有限公司 一种基于梯次利用电池的检测装置
US20220148153A1 (en) * 2020-10-15 2022-05-12 Cognex Corporation System and method for extracting and measuring shapes of objects having curved surfaces with a vision system
CN112710670A (zh) * 2020-12-16 2021-04-27 中国计量大学 一种太阳能电池涂层检测装置及控制方法
CN113030102A (zh) * 2021-03-02 2021-06-25 成都小淞科技有限公司 基于机器视觉的漆面瑕疵检查系统
CN112802133A (zh) * 2021-04-13 2021-05-14 武汉精测电子集团股份有限公司 一种基于机器视觉的Mini Led显示屏单元板墨色检测分选方法
CN113432585A (zh) * 2021-06-29 2021-09-24 沈阳工学院 一种基于机器视觉技术的非接触式轮毂位置精确测定方法
CN113834816A (zh) * 2021-09-30 2021-12-24 江西省通讯终端产业技术研究院有限公司 基于机器视觉的光伏电池缺陷在线检测方法及系统
CN114800660A (zh) * 2022-06-27 2022-07-29 浙江双元科技股份有限公司 一种用于片材分切的缺陷定位系统及方法
CN115156083A (zh) * 2022-06-30 2022-10-11 缪云 单晶硅片分选装置及方法
CN117690846A (zh) * 2024-02-02 2024-03-12 深圳市双翌光电科技有限公司 太阳能硅片视觉检测方法、装置、设备及存储介质
CN117690846B (zh) * 2024-02-02 2024-04-09 深圳市双翌光电科技有限公司 太阳能硅片视觉检测方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN111229648A (zh) 基于机器视觉的太阳能电池板瑕疵检测系统及检测方法
CN108765416B (zh) 基于快速几何对准的pcb表面缺陷检测方法及装置
CN1869667B (zh) 一种检测印刷电路板缺陷的轮廓分析方法
CN108465648A (zh) 一种基于机器视觉的磁芯自动分拣系统
CN101696945B (zh) 机器视觉系统对光伏玻璃瑕疵的在线检测方法
CN108760747A (zh) 一种3d打印模型表面缺陷视觉检测方法
CN102967888B (zh) 基于机器视觉的汽车连杆裂解槽检测系统
WO2014139231A1 (zh) 光源光强均一性测调系统及测调方法
CN109507209A (zh) 一种薄膜印刷缺陷检测系统及方法
CN106153636A (zh) 轮胎钢丝帘布表面缺陷的检测方法、装置及系统
CN103116351A (zh) 一种纺织疵布检测摄像头及其检测系统
CN106706656A (zh) 一种基于机器视觉的拉链检测装置及方法
CN109342445A (zh) 一种abs齿圈端面缺陷检测系统及方法
CN206756711U (zh) 一种光伏玻璃边角检测装置
CN102879404B (zh) 工业结构化场景中医用胶囊缺陷自动检测的系统
CN111711765A (zh) 一种零件生产工序检验系统
CN104132945A (zh) 一种基于光纤传导的棒材表面质量在线视觉检测装置
CN101807061A (zh) 集成电路切筋系统的视觉检测控制系统及方法
CN115096891B (zh) 一种航空发动机叶片智能检查方法
CN110346377A (zh) 基于机器视觉的无纺布表面检测系统及其检测方法
CN202351182U (zh) 一种马口铁表面缺陷在线高速检测系统
CN108776966A (zh) 一种磁体外观缺陷检测的方法及系统
CN103389312A (zh) 铜管检测系统
CN216525503U (zh) 一种基于机器视觉的碳纤维预浸料表面缺陷在线检测装置
CN103091332B (zh) 一种基于机器视觉的u型粉管的检测方法及其检测系统

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
TA01 Transfer of patent application right

Effective date of registration: 20220329

Address after: No. 66, Waliu Road, Wanbailin District, Taiyuan City, Shanxi Province

Applicant after: TAIYUAN University OF SCIENCE AND TECHNOLOGY

Address before: No.425, Jialing Jiangxi Road, West Coast New District, Qingdao, Shandong 266555

Applicant before: QINGDAO BINHAI University

TA01 Transfer of patent application right