CN111833309B - 一种光伏电池片检测方法及装置 - Google Patents
一种光伏电池片检测方法及装置 Download PDFInfo
- Publication number
- CN111833309B CN111833309B CN202010552261.XA CN202010552261A CN111833309B CN 111833309 B CN111833309 B CN 111833309B CN 202010552261 A CN202010552261 A CN 202010552261A CN 111833309 B CN111833309 B CN 111833309B
- Authority
- CN
- China
- Prior art keywords
- image
- electrode
- photovoltaic cell
- area
- region set
- 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
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
- 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
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Photovoltaic Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种光伏电池片检测方法及装置。所述光伏电池片检测方法,包括:对光伏电池片的原始图像进行图像预处理,得到预处理图像;通过预存的算子函数,对所述预处理图像进行图像分割,得到分割图像;根据矩形特征,从所述分割图像的所有区域中筛选得到第一电极区域集合;对所述分割图像进行矩形闭运算,得到第二电极区域集合,将所述第一电极区域集合和所述第二电极区域集合的交集作为目标电极区域集合;在所述目标区域集合中的目标电极区域的面积小于预设阈值时,判定所述目标电极区域为电极缺失区域。本发明能够在生产过程中对光伏电池片进行缺陷检测,有利于提高光伏电池片的质量。
Description
技术领域
本发明涉及光伏电池生产检测技术领域,尤其涉及一种光伏电池片检测方法及装置。
背景技术
随着太阳能新能源产业的蓬勃发展,光伏电池片作为利用太阳能发电的主要载体,生产量也迅速增加。但由于光伏电池片的制作工艺十分繁杂,在生产过程中,光伏电池片上会出现许多肉眼无法观察到的缺陷,严重限制了光伏电池片的光电转化效率和使用寿命。因此,如何在生产过程中对光伏电池片进行缺陷检测,成为光伏电池片质量管控的关键性问题。
发明内容
为了克服现有技术的缺陷,本发明提供一种光伏电池片检测方法及装置,能够在生产过程中对光伏电池片进行缺陷检测,有利于提高光伏电池片的质量。
为了解决上述技术问题,第一方面,本发明一实施例提供一种光伏电池片检测方法,包括:
对光伏电池片的原始图像进行图像预处理,得到预处理图像;
通过预存的算子函数,对所述预处理图像进行图像分割,得到分割图像;
根据矩形特征,从所述分割图像的所有区域中筛选得到第一电极区域集合;
对所述分割图像进行矩形闭运算,得到第二电极区域集合,将所述第一电极区域集合和所述第二电极区域集合的交集作为目标电极区域集合;
在所述目标区域集合中的目标电极区域的面积小于预设阈值时,判定所述目标电极区域为电极缺失区域。
进一步地,在所述对光伏电池片的原始图像进行图像预处理,得到预处理图像之前,还包括:
通过所述光伏电池片上方的图像采集设备采集所述原始图像;其中,所述图像采集装置周围布设有照明设备。
进一步地,所述对光伏电池片的原始图像进行图像预处理,得到预处理图像,具体为:
对所述原始图像进行灰度值闭运算,得到第一处理图像;
对所述第一处理图像进行灰度值腐蚀运算,得到第二处理图像;
将所述第一处理图像的灰度值与所述第二处理图像的灰度值相减,得到所述预处理图像。
进一步地,所述根据矩形特征,从所述分割图像的所有区域中筛选得到第一电极区域集合,具体为:
根据矩形的宽度和高度特征,对所述分割图像的所有区域进行一次筛选,得到初选电极区域集合;
根据矩形的面积特征,对所述初选电极区域集合进行二次筛选,得到所述第一电极区域集合。
进一步地,所述对所述分割图像进行矩形闭运算,得到第二电极区域集合,具体为:
对所述分割图像进行矩形闭运算,连通宽度方向的区域,得到横向电极区域集合;
对所述分割图像进行矩形闭运算,连通高度方向的区域,得到纵向电极区域集合;
将所述横向电极区域集合和所述纵向电极区域集合的交集作为所述第二电极区域集合。
第二方面,本发明一实施例提供一种光伏电池片检测装置,包括:
图像预处理模块,用于对光伏电池片的原始图像进行图像预处理,得到预处理图像;
图像分割模块,用于通过预存的算子函数,对所述预处理图像进行图像分割,得到分割图像;
电极粗定位模块,用于根据矩形特征,从所述分割图像的所有区域中筛选得到第一电极区域集合;
电极精定位模块,用于对所述分割图像进行矩形闭运算,得到第二电极区域集合,将所述第一电极区域集合和所述第二电极区域集合的交集作为目标电极区域集合;
缺陷检测模块,用于在所述目标区域集合中的目标电极区域的面积小于预设阈值时,判定所述目标电极区域为电极缺失区域。
进一步地,所述光伏电池片检测装置,还包括图像采集模块;
所述图像采集模块,用于在所述对光伏电池片的原始图像进行图像预处理,得到预处理图像之前,通过所述光伏电池片上方的图像采集设备采集所述原始图像;其中,所述图像采集设备周围布设有照明设备。
进一步地,所述对光伏电池片的原始图像进行图像预处理,得到预处理图像,具体为:
对所述原始图像进行灰度值闭运算,得到第一处理图像;
对所述第一处理图像进行灰度值腐蚀运算,得到第二处理图像;
将所述第一处理图像的灰度值与所述第二处理图像的灰度值相减,得到所述预处理图像。
进一步地,所述根据矩形特征,从所述分割图像的所有区域中筛选得到第一电极区域集合,具体为:
根据矩形的宽度和高度特征,对所述分割图像的所有区域进行一次筛选,得到初选电极区域集合;
根据矩形的面积特征,对所述初选电极区域集合进行二次筛选,得到所述第一电极区域集合。
进一步地,所述对所述分割图像进行矩形闭运算,得到第二电极区域集合,具体为:
对所述分割图像进行矩形闭运算,连通宽度方向的区域,得到横向电极区域集合;
对所述分割图像进行矩形闭运算,连通高度方向的区域,得到纵向电极区域集合;
将所述横向电极区域集合和所述纵向电极区域集合的交集作为所述第二电极区域集合。
本发明的实施例,具有如下有益效果:
通过对光伏电池片的原始图像进行图像预处理,得到预处理图像,并通过预存的算子函数对预处理图像进行图像分割,得到分割图像,进而将根据矩形特征从分割图像的所有区域中筛选得到的第一电极区域集合,与对分割图像进行矩形闭运算得到的第二电极区域集合的交集作为目标电极区域集合,从而在目标区域集合中的目标电极区域的面积小于预设阈值时,判定目标电极区域为电极缺失区域。相比于现有技术,本发明的实施例通过对生产过程中的光伏电池片的原始图像进行处理,提取目标电极区域集合,并根据目标电极区域的面积与预设阈值的比较结果,判断目标电极区域的电极缺失情况,实现在生产过程中对光伏电池片进行缺陷检测,有利于提高光伏电池片的质量。
附图说明
图1为本发明第一实施例中的一种光伏电池片检测方法的流程示意图;
图2为本发明第一实施例中的优选实施例的流程示意图;
图3为本发明第二实施例中的一种光伏电池片检测装置的结构示意图;
图4为本发明第二实施例中的优选实施例的结构示意图。
具体实施方式
下面将结合本发明中的附图,对本发明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。
需要说明的是,文中的步骤编号,仅为了方便具体实施例的解释,不作为限定步骤执行先后顺序的作用。
请参阅图1-2。
如图1所示,第一实施例提供一种光伏电池片检测方法,包括步骤S11~S15:
S11、对光伏电池片的原始图像进行图像预处理,得到预处理图像。
S12、通过预存的算子函数,对预处理图像进行图像分割,得到分割图像。
S13、根据矩形特征,从分割图像的所有区域中筛选得到第一电极区域集合。
S14、对分割图像进行矩形闭运算,得到第二电极区域集合,将第一电极区域集合和第二电极区域集合的交集作为目标电极区域集合。
S15、在目标区域集合中的目标电极区域的面积小于预设阈值时,判定目标电极区域为电极缺失区域。
作为示例性地,在步骤S11中,当采集到光伏电池片的原始图像后,通过对光伏电池片的原始图像进行图像预处理,比如灰度值闭运算、灰度值腐蚀运算和灰度值作差运算,得到预处理图像,有利于提升原始图像的图像质量。
在步骤S12中,当得到待处理图像后,通过预存的算子函数,即根据掩膜在待处理图像上的覆盖区域的灰度均值和设定的标准差因子进行分析,对预处理图像进行图像分割,得到分割图像。
其中,预存的算子函数为:
var_threshold(Image:Region:MaskWidth,MaskHeight,StdDevScale,AbsThreshold,LightDark),Image为分割图像,Region为预处理图像,MaskWidth为掩膜的像素宽度,MaskHeight为掩膜的像素高度,StdDevScale为标准差因子,AbsThreshold为预处理图像的最大灰度值,LightDark为阈值条件。
LightDark=“light”时,g(x,y)≥m(x,y)+v(x,y);LightDark=“dark”时,g(x,y)≤m(x,y)-v(x,y);LightDark=“equal”时,m(x,y)-v(x,y)≤g(x,y)≤m(x,y)+v(x,y);LightDark=“not_equal”时,m(x,y)-v(x,y)>g(x,y)∨g(x,y)>m(x,y)+v(x,y)。
当标准差因子StdDevScale≥0时,v(x,y)取(|StdDevScale|×标准差)和AbsThreshold中较大的那个;当标准差因子StdDevScale<0时,v(x,y)取(|StdDevScale|×标准差)和AbsThreshold中较小的那个。g(x,y)指的是原始图像当前像素的灰度值;m(x,y)指的是遍历像素时,掩膜覆盖的像素的平均灰度值,即灰度均值。
例如:var_threshold(ImageSubB:Region:155,155,0.2,Max,'light')。
先用155×155的掩膜在待处理图像上逐像素游走,用原始图像当前像素的灰度值和对应掩膜155×155个像素的灰度均值对比,找出暗(dark)的区域。当原始图像当前像素的灰度值比对应掩膜155×155个像素的灰度均值高(0.2,Max)个灰阶时,该区域被分割出来,得到分割图像。
在步骤S13中,当得到分割图像后,由于电极的形状为矩形,根据矩形特征,即矩形的宽度、高度和面积特征,从分割图像的所有区域中筛选得到第一电极区域集合,相当于在分割图像的所有区域中粗定位电极区域。
在步骤S14中,当得到分割图像后,基于宽度方向和高度方向对分割图像进行矩形闭运算,得到第二电极区域集合,以将第一电极区域集合和第二电极区域集合的交集作为目标电极区域集合,相当于结合第一电极区域集合,在分割图像的所有区域中精定位电极区域。
在步骤S15中,当得到目标电极区域集合后,将目标电极区域集合中的每一目标电极区域的面积与预设阈值进行比较,若目标电极区域的面积小于预设阈值,则判定目标电极区域为电极缺失区域,从而完成检测光伏电池片。
其中,对目标电极区域按照面积大小进行升序排序,为排除环境影响亮度不均匀的干扰,可保留目标电极区域集合中的部分目标电极区域,比如去除面积在前1/4和后1/4的区域,根据面积在第1/2到3/4的区域的平均面积设定预设阈值,比如设定为目标电极区域的平均面积×面积系数,面积系数可为0.2~0,4之间的任一取值。
本实施例通过对光伏电池片的原始图像进行图像预处理,得到预处理图像,并通过预存的算子函数对预处理图像进行图像分割,得到分割图像,进而将根据矩形特征从分割图像的所有区域中筛选得到的第一电极区域集合,与对分割图像进行矩形闭运算得到的第二电极区域集合的交集作为目标电极区域集合,从而在目标区域集合中的目标电极区域的面积小于预设阈值时,判定目标电极区域为电极缺失区域。本实施例通过对生产过程中的光伏电池片的原始图像进行处理,提取目标电极区域集合,并根据目标电极区域的面积与预设阈值的比较结果,判断目标电极区域的电极缺失情况,实现在生产过程中对光伏电池片进行缺陷检测,有利于提高光伏电池片的质量。
如图2所示,在优选的实施例当中,在所述对光伏电池片的原始图像进行图像预处理,得到预处理图像之前,还包括步骤S10:
S10、通过光伏电池片上方的图像采集设备采集原始图像;其中,图像采集装置周围布设有照明设备。
需要说明的是,图像采集设备包括但不限于CCD黑白工业相机,照明设备包括但不限于条形照明灯。
作为示例性地,在光伏电池片上方位置安装图像采集设备,在图像采集设备四周安装四个照明设备,由照明设备照射光伏电池片,由图像采集设备垂直于光伏电池片拍摄光伏电池片,采集光伏电池片的原始图像。
本实施例通过图像采集设备和照明设备快速搭建成像环境,能够保证有效采集原始图像。
在优选的实施例当中,所述对光伏电池片的原始图像进行图像预处理,得到预处理图像,具体为:对原始图像进行灰度值闭运算,得到第一处理图像;对第一处理图像进行灰度值腐蚀运算,得到第二处理图像;将第一处理图像的灰度值与第二处理图像的灰度值相减,得到预处理图像。
作为示例性地,在采集到光伏电池片的原始图像后,通过对原始图像进行灰度值闭运算,原始图像中进行闭运算的区域的灰度值会相应地增大,即膨胀后的原始图像变得更亮,原始图像中那些暗的细节都会变小或消失,从而得到第一处理图像。至于变小还是消失取决于选择的结构元素的大小。其中,为了消除原始图像中高度方向上的竖栅,选择宽×高为1×11的结构元素进行灰度值闭运算。在得到第一处理图像后,通过对第一处理图像进行灰度值腐蚀运算,第一处理图像中进行闭运算的区域的灰度值会相应地减小,即腐蚀后的第一处理图像变得更暗,从而得到第二处理图像。其中,为了使第一处理图像整体变暗,选择正方形结构元素。在得到第二处理图像后,将第一处理图像的灰度值与第二处理图像的灰度值相减,得到预处理图像。
由于预处理图像中心区域的灰度值变化较稳定,可仅保留预处理图像的中心区域,比如以预处理图像中心为中心,保留矩形左上角1/4宽、1/4高,矩形右下角3/4宽、3/4高的矩形区域。
在优选的实施例当中,所述根据矩形特征,从分割图像的所有区域中筛选得到第一电极区域集合,具体为:根据矩形的宽度和高度特征,对分割图像的所有区域进行一次筛选,得到初选电极区域集合;根据矩形的面积特征,对初选电极区域集合进行二次筛选,得到第一电极区域集合。
作为示例性地,在得到分割图像后,通过对分割图像进行形态学膨胀,连通像素点位置相近的区域,以根据矩形的宽度和高度特征,对分割图像的所有区域进行一次筛选,得到初选电极区域集合。在得到初选电极区域集合后,将初选电极区域集合中的初选电极区域打散,并根据初选电极区域的平均面积确定矩形的面积特征,以根据矩形的面积特征,对初选电极区域集合进行二次筛选,得到第一电极区域集合。
其中,确定筛选面积的最小阈值为初选电极区域的平均面积×面积系数,面积系数可为0.2~0,4之间的任一取值,能够筛除面积较小的区域。
在优选的实施例当中,所述对分割图像进行矩形闭运算,得到第二电极区域集合,具体为:对分割图像进行矩形闭运算,连通宽度方向的区域,得到横向电极区域集合;对分割图像进行矩形闭运算,连通高度方向的区域,得到纵向电极区域集合;将横向电极区域集合和纵向电极区域集合的交集作为第二电极区域集合。
作为示例性地,在得到分割图像后,基于宽度方向对分割图像进行矩形闭运算,连通宽度方向的区域,得到横向电极区域集合,并基于高度方向对分割图像进行矩形闭运算,连通高度方向的区域,得到纵向电极区域集合,进而将横向电极区域集合和纵向电极区域集合的交集作为第二电极区域集合。
请参阅图3-4。
如图3所示,第二实施例提供一种光伏电池片检测装置,包括:图像预处理模块21,用于对光伏电池片的原始图像进行图像预处理,得到预处理图像;图像分割模块22,用于通过预存的算子函数,对预处理图像进行图像分割,得到分割图像;电极粗定位模块23,用于根据矩形特征,从分割图像的所有区域中筛选得到第一电极区域集合;电极精定位模块24,用于对分割图像进行矩形闭运算,得到第二电极区域集合,将第一电极区域集合和第二电极区域集合的交集作为目标电极区域集合;缺陷检测模块25,用于在目标区域集合中的目标电极区域的面积小于预设阈值时,判定目标电极区域为电极缺失区域。
作为示例性地,通过图像预处理模块21,当采集到光伏电池片的原始图像后,通过对光伏电池片的原始图像进行图像预处理,比如灰度值闭运算、灰度值腐蚀运算和灰度值作差运算,得到预处理图像,有利于提升原始图像的图像质量。
通过图像分割模块22,当得到待处理图像后,通过预存的算子函数,即根据掩膜在待处理图像上的覆盖区域的灰度均值和设定的标准差因子进行分析,对预处理图像进行图像分割,得到分割图像。
其中,预存的算子函数为:
var_threshold(Image:Region:MaskWidth,MaskHeight,StdDevScale,AbsThreshold,LightDark),Image为分割图像,Region为预处理图像,MaskWidth为掩膜的像素宽度,MaskHeight为掩膜的像素高度,StdDevScale为标准差因子,AbsThreshold为预处理图像的最大灰度值,LightDark为阈值条件。
LightDark=“light”时,g(x,y)≥m(x,y)+v(x,y);LightDark=“dark”时,g(x,y)≤m(x,y)-v(x,y);LightDark=“equal”时,m(x,y)-v(x,y)≤g(x,y)≤m(x,y)+v(x,y);LightDark=“not_equal”时,m(x,y)-v(x,y)>g(x,y)∨g(x,y)>m(x,y)+v(x,y)。
当标准差因子StdDevScale≥0时,v(x,y)取(|StdDevScale|×标准差)和AbsThreshold中较大的那个;当标准差因子StdDevScale<0时,v(x,y)取(|StdDevScale|×标准差)和AbsThreshold中较小的那个。g(x,y)指的是原始图像当前像素的灰度值;m(x,y)指的是遍历像素时,掩膜覆盖的像素的平均灰度值,即灰度均值。
例如:var_threshold(ImageSubB:Region:155,155,0.2,Max,'light')。
先用155×155的掩膜在待处理图像上逐像素游走,用原始图像当前像素的灰度值和对应掩膜155×155个像素的灰度均值对比,找出暗(dark)的区域。当原始图像当前像素的灰度值比对应掩膜155×155个像素的灰度均值高(0.2,Max)个灰阶时,该区域被分割出来,得到分割图像。
通过电极粗定位模块23,当得到分割图像后,由于电极的形状为矩形,根据矩形特征,即矩形的宽度、高度和面积特征,从分割图像的所有区域中筛选得到第一电极区域集合,相当于在分割图像的所有区域中粗定位电极区域。
通过电极精定位模块24,当得到分割图像后,基于宽度方向和高度方向对分割图像进行矩形闭运算,得到第二电极区域集合,以将第一电极区域集合和第二电极区域集合的交集作为目标电极区域集合,相当于结合第一电极区域集合,在分割图像的所有区域中精定位电极区域。
通过缺陷检测模块25,当得到目标电极区域集合后,将目标电极区域集合中的每一目标电极区域的面积与预设阈值进行比较,若目标电极区域的面积小于预设阈值,则判定目标电极区域为电极缺失区域,从而完成检测光伏电池片。
其中,对目标电极区域按照面积大小进行升序排序,为排除环境影响亮度不均匀的干扰,可保留目标电极区域集合中的部分目标电极区域,比如去除面积在前1/4和后1/4的区域,根据面积在第1/2到3/4的区域的平均面积设定预设阈值,比如设定为目标电极区域的平均面积×面积系数,面积系数可为0.2~0,4之间的任一取值。
本实施例通过图像预处理模块21,对光伏电池片的原始图像进行图像预处理,得到预处理图像,并通过图像分割模块22,通过预存的算子函数对预处理图像进行图像分割,得到分割图像,进而通过电极精定位模块24,将根据矩形特征从分割图像的所有区域中筛选得到的第一电极区域集合,与对分割图像进行矩形闭运算得到的第二电极区域集合的交集作为目标电极区域集合,从而通过缺陷检测模块25,在目标区域集合中的目标电极区域的面积小于预设阈值时,判定目标电极区域为电极缺失区域。本实施例通过对生产过程中的光伏电池片的原始图像进行处理,提取目标电极区域集合,并根据目标电极区域的面积与预设阈值的比较结果,判断目标电极区域的电极缺失情况,实现在生产过程中对光伏电池片进行缺陷检测,有利于提高光伏电池片的质量。
如图4所示,在优选的实施例当中,所述光伏电池片检测装置,还包括图像采集模块20;图像采集模块20,用于在对光伏电池片的原始图像进行图像预处理,得到预处理图像之前,通过光伏电池片上方的图像采集设备采集原始图像;其中,图像采集设备周围布设有照明设备。
需要说明的是,图像采集设备包括但不限于CCD黑白工业相机,照明设备包括但不限于条形照明灯。
作为示例性地,在光伏电池片上方位置安装图像采集设备,在图像采集设备四周安装四个照明设备,由照明设备照射光伏电池片,由图像采集设备垂直于光伏电池片拍摄光伏电池片,采集光伏电池片的原始图像。
本实施例通过图像采集设备和照明设备快速搭建成像环境,能够保证图像采集模块20有效采集原始图像。
在优选的实施例当中,所述对光伏电池片的原始图像进行图像预处理,得到预处理图像,具体为:对原始图像进行灰度值闭运算,得到第一处理图像;对第一处理图像进行灰度值腐蚀运算,得到第二处理图像;将第一处理图像的灰度值与第二处理图像的灰度值相减,得到预处理图像。
作为示例性地,在采集到光伏电池片的原始图像后,通过图像预处理模块21,对原始图像进行灰度值闭运算,原始图像中进行闭运算的区域的灰度值会相应地增大,即膨胀后的原始图像变得更亮,原始图像中那些暗的细节都会变小或消失,从而得到第一处理图像。至于变小还是消失取决于选择的结构元素的大小。其中,为了消除原始图像中高度方向上的竖栅,选择宽×高为1×11的结构元素进行灰度值闭运算。在得到第一处理图像后,通过对第一处理图像进行灰度值腐蚀运算,第一处理图像中进行闭运算的区域的灰度值会相应地减小,即腐蚀后的第一处理图像变得更暗,从而得到第二处理图像。其中,为了使第一处理图像整体变暗,选择正方形结构元素。在得到第二处理图像后,将第一处理图像的灰度值与第二处理图像的灰度值相减,得到预处理图像。
由于预处理图像中心区域的灰度值变化较稳定,可仅保留预处理图像的中心区域,比如以预处理图像中心为中心,保留矩形左上角1/4宽、1/4高,矩形右下角3/4宽、3/4高的矩形区域。
在优选的实施例当中,所述根据矩形特征,从分割图像的所有区域中筛选得到第一电极区域集合,具体为:
根据矩形的宽度和高度特征,对分割图像的所有区域进行一次筛选,得到初选电极区域集合;
根据矩形的面积特征,对初选电极区域集合进行二次筛选,得到第一电极区域集合。
作为示例性地,在得到分割图像后,通过电极粗定位模块23,对分割图像进行形态学膨胀,连通像素点位置相近的区域,以根据矩形的宽度和高度特征,对分割图像的所有区域进行一次筛选,得到初选电极区域集合。在得到初选电极区域集合后,将初选电极区域集合中的初选电极区域打散,并根据初选电极区域的平均面积确定矩形的面积特征,以根据矩形的面积特征,对初选电极区域集合进行二次筛选,得到第一电极区域集合。
其中,确定筛选面积的最小阈值为初选电极区域的平均面积×面积系数,面积系数可为0.2~0,4之间的任一取值,能够筛除面积较小的区域。
在优选的实施例当中,所述对分割图像进行矩形闭运算,得到第二电极区域集合,具体为:对分割图像进行矩形闭运算,连通宽度方向的区域,得到横向电极区域集合;对分割图像进行矩形闭运算,连通高度方向的区域,得到纵向电极区域集合;将横向电极区域集合和纵向电极区域集合的交集作为第二电极区域集合。
作为示例性地,在得到分割图像后,通过电极精定位模块24,基于宽度方向对分割图像进行矩形闭运算,连通宽度方向的区域,得到横向电极区域集合,并基于高度方向对分割图像进行矩形闭运算,连通高度方向的区域,得到纵向电极区域集合,进而将横向电极区域集合和纵向电极区域集合的交集作为第二电极区域集合。
综上所述,实施本发明的实施例,具有如下有益效果:
通过对光伏电池片的原始图像进行图像预处理,得到预处理图像,并通过预存的算子函数对预处理图像进行图像分割,得到分割图像,进而将根据矩形特征从分割图像的所有区域中筛选得到的第一电极区域集合,与对分割图像进行矩形闭运算得到的第二电极区域集合的交集作为目标电极区域集合,从而在目标区域集合中的目标电极区域的面积小于预设阈值时,判定目标电极区域为电极缺失区域。本发明的实施例通过对生产过程中的光伏电池片的原始图像进行处理,提取目标电极区域集合,并根据目标电极区域的面积与预设阈值的比较结果,判断目标电极区域的电极缺失情况,实现在生产过程中对光伏电池片进行缺陷检测,有利于提高光伏电池片的质量。
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。
本领域普通技术人员可以理解实现上述实施例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 Access Memory,RAM)等。
Claims (6)
1.一种光伏电池片检测方法,其特征在于,包括:
对光伏电池片的原始图像进行图像预处理,得到预处理图像;
通过预存的算子函数,对所述预处理图像进行图像分割,得到分割图像;
根据矩形特征,从所述分割图像的所有区域中筛选得到第一电极区域集合;
对所述分割图像进行矩形闭运算,得到第二电极区域集合,将所述第一电极区域集合和所述第二电极区域集合的交集作为目标电极区域集合;
在所述目标电极区域集合中的目标电极区域的面积小于预设阈值时,判定所述目标电极区域为电极缺失区域;
根据矩形特征,从所述分割图像的所有区域中筛选得到第一电极区域集合,具体为:
根据矩形的宽度和高度特征,对所述分割图像的所有区域进行一次筛选,得到初选电极区域集合;
根据矩形的面积特征,对所述初选电极区域集合进行二次筛选,得到所述第一电极区域集合;
所述对所述分割图像进行矩形闭运算,得到第二电极区域集合,具体为:
对所述分割图像进行矩形闭运算,连通宽度方向的区域,得到横向电极区域集合;
对所述分割图像进行矩形闭运算,连通高度方向的区域,得到纵向电极区域集合;
将所述横向电极区域集合和所述纵向电极区域集合的交集作为所述第二电极区域集合。
2.如权利要求1所述的光伏电池片检测方法,其特征在于,在所述对光伏电池片的原始图像进行图像预处理,得到预处理图像之前,还包括:
通过所述光伏电池片上方的图像采集设备采集所述原始图像;其中,所述图像采集设备周围布设有照明设备。
3.如权利要求1所述的光伏电池片检测方法,其特征在于,所述对光伏电池片的原始图像进行图像预处理,得到预处理图像,具体为:
对所述原始图像进行灰度值闭运算,得到第一处理图像;
对所述第一处理图像进行灰度值腐蚀运算,得到第二处理图像;
将所述第一处理图像的灰度值与所述第二处理图像的灰度值相减,得到所述预处理图像。
4.一种光伏电池片检测装置,其特征在于,包括:
图像预处理模块,用于对光伏电池片的原始图像进行图像预处理,得到预处理图像;
图像分割模块,用于通过预存的算子函数,对所述预处理图像进行图像分割,得到分割图像;
电极粗定位模块,用于根据矩形特征,从所述分割图像的所有区域中筛选得到第一电极区域集合;
电极精定位模块,用于对所述分割图像进行矩形闭运算,得到第二电极区域集合,将所述第一电极区域集合和所述第二电极区域集合的交集作为目标电极区域集合;
缺陷检测模块,用于在所述目标电极区域集合中的目标电极区域的面积小于预设阈值时,判定所述目标电极区域为电极缺失区域;
根据矩形特征,从所述分割图像的所有区域中筛选得到第一电极区域集合,具体为:
根据矩形的宽度和高度特征,对所述分割图像的所有区域进行一次筛选,得到初选电极区域集合;
根据矩形的面积特征,对所述初选电极区域集合进行二次筛选,得到所述第一电极区域集合;
对所述分割图像进行矩形闭运算,得到第二电极区域集合,具体为:
对所述分割图像进行矩形闭运算,连通宽度方向的区域,得到横向电极区域集合;
对所述分割图像进行矩形闭运算,连通高度方向的区域,得到纵向电极区域集合;
将所述横向电极区域集合和所述纵向电极区域集合的交集作为所述第二电极区域集合。
5.如权利要求4所述的光伏电池片检测装置,其特征在于,还包括图像采集模块;
所述图像采集模块,用于在所述对光伏电池片的原始图像进行图像预处理,得到预处理图像之前,通过所述光伏电池片上方的图像采集设备采集所述原始图像;其中,所述图像采集设备周围布设有照明设备。
6.如权利要求4所述的光伏电池片检测装置,其特征在于,所述对光伏电池片的原始图像进行图像预处理,得到预处理图像,具体为:
对所述原始图像进行灰度值闭运算,得到第一处理图像;
对所述第一处理图像进行灰度值腐蚀运算,得到第二处理图像;
将所述第一处理图像的灰度值与所述第二处理图像的灰度值相减,得到所述预处理图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010552261.XA CN111833309B (zh) | 2020-06-16 | 2020-06-16 | 一种光伏电池片检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010552261.XA CN111833309B (zh) | 2020-06-16 | 2020-06-16 | 一种光伏电池片检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111833309A CN111833309A (zh) | 2020-10-27 |
CN111833309B true CN111833309B (zh) | 2023-07-25 |
Family
ID=72899174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010552261.XA Active CN111833309B (zh) | 2020-06-16 | 2020-06-16 | 一种光伏电池片检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111833309B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115825090B (zh) * | 2023-02-24 | 2023-06-20 | 广东利元亨智能装备股份有限公司 | 电池片检测方法、电池片检测装置和计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107490584A (zh) * | 2017-09-16 | 2017-12-19 | 河北工业大学 | 一种太阳能电池片el测试断栅缺陷检测方法 |
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 |
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 |
-
2020
- 2020-06-16 CN CN202010552261.XA patent/CN111833309B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107490584A (zh) * | 2017-09-16 | 2017-12-19 | 河北工业大学 | 一种太阳能电池片el测试断栅缺陷检测方法 |
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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN111833309A (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102175700B (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
CN110389127B (zh) | 一种金属陶瓷零件识别及表面缺陷检测系统和方法 | |
JP2004294202A (ja) | 画面の欠陥検出方法及び装置 | |
CN110443278B (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 | |
CN115115634B (zh) | 基于红外图像的光伏阵列热斑检测方法 | |
CN108665464A (zh) | 一种基于形态学的高压电塔及高压电线的异物检测方法 | |
CN110021012B (zh) | 基于机器视觉技术的手机镜头视窗玻璃缺陷检测方法 | |
CN108037142B (zh) | 基于图像灰度值的掩膜版光学缺陷检测方法 | |
CN111597941B (zh) | 一种面向大坝缺陷图像的目标检测方法 | |
CN112669306A (zh) | 一种基于显著图的太阳能电池片缺陷检测方法及系统 | |
CN110866916A (zh) | 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 | |
CN111047564A (zh) | 一种应用于光伏电站现场的el缺陷检测方法 | |
CN113834816A (zh) | 基于机器视觉的光伏电池缺陷在线检测方法及系统 | |
CN111833309B (zh) | 一种光伏电池片检测方法及装置 | |
EP0482564A2 (en) | Liquid crystal panel inspection method | |
JP3572750B2 (ja) | コンクリート欠陥の自動評価方法 | |
CN113487563B (zh) | 一种基于el图像的光伏组件隐裂自适应检测方法 | |
CN113971681A (zh) | 一种复杂环境下带式输送机边缘检测方法 | |
CN110766675B (zh) | 太阳能电池板缺陷检测方法 | |
CN110428411B (zh) | 一种基于二次曝光的背光板检测方法及系统 | |
CN112669272A (zh) | 一种aoi快速检测方法及快速检测系统 | |
CN115330768B (zh) | 一种太阳能电池板质量分级方法 | |
CN115619796A (zh) | 获取光伏组件模板的方法及装置、非易失性存储介质 | |
Rodriguez et al. | Segmentation and error detection of PV modules | |
CN114913370A (zh) | 基于深度学习与形态学融合的状态自动检测方法与装置 |
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 |