CN111855668A - 一种产品缺陷检测系统 - Google Patents
一种产品缺陷检测系统 Download PDFInfo
- Publication number
- CN111855668A CN111855668A CN202010693168.0A CN202010693168A CN111855668A CN 111855668 A CN111855668 A CN 111855668A CN 202010693168 A CN202010693168 A CN 202010693168A CN 111855668 A CN111855668 A CN 111855668A
- Authority
- CN
- China
- Prior art keywords
- product
- detected
- defect
- task
- algorithm
- 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 83
- 238000001514 detection method Methods 0.000 claims abstract description 46
- 238000012360 testing method Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims 1
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 229910021419 crystalline silicon Inorganic materials 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 229910000679 solder Inorganic materials 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- 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
- G01N21/8851—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
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- 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)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
一种产品缺陷检测系统，该系统包括，检测机台，待测产品在所述检测机台上被拍摄；算法服务器集群，包括多台用于产品缺陷识别的算法服务器；任务中台，待测产品图像被传送至所述任务中台，所述任务中台识别所述待测产品图像，判断所述待测产品缺陷类型，根据建立的产品缺陷识别任务队列以及所述待测产品缺陷类型，将待测产品缺陷识别任务发送至与产品缺陷类型对应的算法服务器。所述任务中台对于算法服务器集群中的算法服务器进行认证管理。同一个产品缺陷类型的识别算法被部署在多台算法服务器上。
Description
技术领域
本发明属于产品检测技术领域，特别涉及一种光伏产品缺陷检测系统。
背景技术
光伏行业因制造工艺问题，在批量生产的光伏产品(光伏电池片)中会随机性的存在着严重的产品缺陷，例如隐裂、虚焊、失效、断栅等。隐裂是因碰撞按压出现在电池片主栅线或边缘的细线状裂纹；虚焊是焊接不良形成的矩形阴影；失效是明确形状边缘的深黑色块状；断栅是副栅线断裂形成的絮状或块状阴影。因此，对于光伏产品的制造质量的检测是必须解决的问题。
发明内容
本发明实施例之一，一种产品缺陷检测系统，该系统包括，检测机台，待测产品在所述检测机台上被拍摄；
算法服务器集群，包括多台用于产品缺陷识别的算法服务器；
任务中台，待测产品图像被传送至所述任务中台，所述任务中台识别所述待测产品图像，判断所述待测产品缺陷类型，根据建立的产品缺陷识别任务队列以及所述待测产品缺陷类型，将待测产品缺陷识别任务发送至与产品缺陷类型对应的算法服务器。
本发明在光伏缺陷检测场景中，通过设计实现任务队列机制，能够将各类缺陷识别任务自动分配到后端对应的服务，并实现了后端算法服务的分布式部署和调度。任务队列机制降低前后端的耦合度，减少部署环节必要的人工调整，并且分布式的架构也能充分利用计算机资源。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：
图1根据本发明实施例之一的光伏EL智能缺陷检测系统架构图。
图2根据本发明实施例之一的任务队列结构图。
图3根据本发明实施例之一的分布式调度架构图。
具体实施方式
光伏行业现在识别缺陷通行的方案是通电使光伏板发光即El测试。El测试通过外部给晶硅组件施加正向偏置电压，促使电池片内部电子和空穴不断地复合发光，放出光子，再利用红外CCD相机捕捉到这些光子，通过计算机进行处理后以图像的形式显示出来。EL测试图像的明暗度与电池片的少子寿命(或扩散长度)和电流密度成正比，当晶硅太阳电池内部存在缺陷时，其少子寿命分布的差异导致图像存在明暗差异，由此可以检测太阳能电池组件的内部缺陷。
关于缺陷的识别，行业内已经有一些人工智能的应用。这些应用在实际部署中普遍采用简单的C/S架构，将人工智能算法进行服务化，面向单个或多个检测站点提供服务。由于业务上缺陷种类的不同，需将对应的识别模型分别部署，并人工配置IP端口等信息来建立前后端关联。又因为人工智能模型对计算机算力要求较高，在这种模式下，每台服务器机器需要装配各自的GPU资源。
根据一个或者多个实施例，光伏EL智能缺陷检测系统工作流程从产线机台开始，机台上装有定制化的客户端程序，用于拍摄显示El照片以及配置缺陷检测项。客户端将需要检测的照片统一回传到任务中台(英文名称Mission Hub)中，由Mission Hub把检测任务下发给算法服务器，并整理好服务器给出的检测结果，然后写入数据库。基于此数据库，系统提供了MES(制造企业生产过程执行管理系统)。为了算法服务器中的AI模型能快速的更新迭代，系统也包含了AI模型训练平台。
分布式调度方案在架构上主要由三部分组成，分别是任务中台Mission hub、任务队列和算法服务器集群。Mission hub是负责收集缺陷照片和整理缺陷结果的模块；任务队列用于接收暂存来自Mission hub的缺陷识别任务，并对有处理任务能力的算法服务器进行认证管理；算法服务器负责从照片中识别缺陷。算法服务器集群业务上识别不同缺陷类型(不同的AI模型)，进而划分为多种算法服务。
根据一个或者多个实施例，一种产品缺陷检测系统，该系统包括，检测机台，待测产品在所述检测机台上被拍摄；算法服务器集群，包括多台用于产品缺陷识别的算法服务器；任务中台，待测产品图像被传送至所述任务中台，所述任务中台识别所述待测产品图像，判断所述待测产品缺陷类型，根据建立的产品缺陷识别任务队列以及所述待测产品缺陷类型，将待测产品缺陷识别任务发送至与产品缺陷类型对应的算法服务器。
所述任务中台对于算法服务器集群中的算法服务器进行认证管理。同一个产品缺陷类型的识别算法被部署在多台算法服务器上。所述任务中台通过客户端与机台耦接。所述任务中台将算法服务器回送的检测结果反馈给机台，同时将检测结果写入数据库，该数据库接入所述待测产品的制造管理系统。
任务队列本质上是一组键值对(key-value)。正常流程中，Mission hub和算法服务器约定每组键值对与检测缺陷的对应关系，每个键(key)就是一类缺陷检测，例如隐裂、虚焊等，值(value)则是需要检测的照片信息所组成的队列，例如图中的img1、img2、img3、……。Mission hub收集到需要检测的照片后，将照片信息写入到多个缺陷检测键值对中。算法服务器则会到其检测缺陷类型对应的任务队列中取出照片信息进行检测。
基于任务队列，同一缺陷类型的检测算法服务器采取分布式的架构，他们从同一个任务队列中取图片信息。任务队列实现了分布式锁，每个键有且仅有一个锁，服务器在对队列操作时会上锁，因此每一个图片信息只会被一个服务器获取。服务器获取到图片后随即释放锁，这样同样检测类型的其他服务器不会被长时间阻塞。算法服务器将图片处理完成后，把结果数据再写回约定的任务队列中，由Mission hub取走。
本发明实施例的技术效果包括：
(1)检测系统可扩展性强，增加新的任务键就能扩展新的业务类型的算法服务
(2)检测系统具有很大弹性，增加新的算法服务器并从对应任务队列取任务以快速提升已有算法服务的处理能力
(3)检测系统安全性高，某一算法服务器异常不会影响Mission hub以及其他算法服务器的正常工作
(4)降低人工成本。若采用过去的客户端与服务器直连模式，由人工完成所有客户端和服务器的配置任务，需消耗2人约2天时间完成所有的更新、匹配与测试。但通过当前的技术方案，可以完全实现自动切换，无需专人再去调整、测试和维护。
(5)充分利用计算机物理资源，减少购买服务器费用。分布式的算法服务器架构在实际中GPU使用率可达90％以上。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元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。另外，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、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (11)
1.一种产品缺陷检测系统，该系统包括，
检测机台，待测产品在所述检测机台上被拍摄；
算法服务器集群，包括多台用于产品缺陷识别的算法服务器；任务中台，待测产品图像被传送至所述任务中台，所述任务中台识别所述待测产品图像，判断所述待测产品缺陷类型，根据建立的产品缺陷识别任务队列以及所述待测产品缺陷类型，将待测产品缺陷识别任务发送至与产品缺陷类型对应的算法服务器。
2.根据权利要求1所述的产品缺陷检测系统，其特征在于，所述任务中台对于算法服务器集群中的算法服务器进行认证管理。
3.根据权利要求1所述的产品缺陷检测系统，其特征在于，同一个产品缺陷类型的识别算法被部署在多台算法服务器上。
4.根据权利要求1所述的产品缺陷检测系统，其特征在于，所述待测产品是光伏电池，所述待测产品图像光伏电池的EL测试图像，所述产品缺陷包括例如隐裂、虚焊、失效或断栅。
5.根据权利要求1所述的产品缺陷检测系统，其特征在于，所述任务中台通过客户端与机台耦接。
6.根据权利要求1所述的产品缺陷检测系统，其特征在于，所述任务中台将算法服务器回送的检测结果反馈给机台，同时将检测结果写入数据库，该数据库接入所述待测产品的制造管理系统。
7.根据权利要求1所述的产品缺陷检测系统，其特征在于，所述任务队列包括一组键值对，任务中台和算法服务器之间约定每组键值对与检测缺陷的对应关系，每个键就是一类缺陷检测，每个值则是需要检测的产品图像所组成的队列。
8.根据权利要求7所述的产品缺陷检测系统，其特征在于，所述任务中台获得待检测产品图像，将图像信息写入到多个缺陷检测键值对中，算法服务器根据各自的识别算法到其检测缺陷类型对应的任务队列中取出产品图像进行检测。
9.一种产品缺陷检测方法，包括步骤，
拍摄获得在机台上的待测产品图像；
将待测产品图像被传送至所述任务中台；
所述任务中台识别所述待测产品图像，判断所述待测产品缺陷类型；
所述任务中台根据建立的产品缺陷识别任务队列以及所述待测产品缺陷类型，将待测产品缺陷识别任务发送至与产品缺陷类型对应的算法服务器集群集群追踪的一台或者多台算法服务器。
10.一种产品缺陷检测任务中台，其特征在于，该任务中台接收机台上的待测产品图像，判断所述待测产品缺陷类型；根据建立的产品缺陷识别任务队列以及所述待测产品缺陷类型，将待测产品缺陷识别任务发送至与产品缺陷类型对应的算法服务器集群中的一台或者多台算法服务器。
11.一种产品缺陷检测算法服务器集群，其特征在于，该算法服务器集群包括多台算法服务器，所述算法服务器集群中的一台或者多台算法服务器根据待测产品缺陷类型接收任务中台根据建立的产品缺陷识别任务队列以及所述待测产品缺陷类型所发送的待测产品缺陷识别任务进行产品缺陷识别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010693168.0A CN111855668A (zh) | 2020-07-17 | 2020-07-17 | 一种产品缺陷检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010693168.0A CN111855668A (zh) | 2020-07-17 | 2020-07-17 | 一种产品缺陷检测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111855668A true CN111855668A (zh) | 2020-10-30 |
Family
ID=73001318
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010693168.0A Pending CN111855668A (zh) | 2020-07-17 | 2020-07-17 | 一种产品缺陷检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111855668A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112908877A (zh) * | 2021-01-19 | 2021-06-04 | 上海擎昆信息科技有限公司 | 一种光伏电池片检测方法、系统、电子设备及存储介质 |
| CN112927170A (zh) * | 2021-04-08 | 2021-06-08 | 上海哥瑞利软件股份有限公司 | 半导体制造工艺中的自动缺陷去除方法 |
| CN113567446A (zh) * | 2021-07-06 | 2021-10-29 | 北京东方国信科技股份有限公司 | 组件缺陷检测质量分级的方法及系统 |
| CN113691625A (zh) * | 2021-08-24 | 2021-11-23 | 上海洪朴信息科技有限公司 | 分布式任务集群调度系统、方法及光伏组件检测系统 |
| CN113808116A (zh) * | 2021-09-24 | 2021-12-17 | 无锡精质视觉科技有限公司 | 基于图像识别的智能检测方法、系统及产品检测系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107018075A (zh) * | 2017-04-06 | 2017-08-04 | 安徽国防科技职业学院 | 一种综合数据处理服务器系统 |
| CN108564104A (zh) * | 2018-01-09 | 2018-09-21 | 北京百度网讯科技有限公司 | 产品缺陷检测方法、装置、系统、服务器及存储介质 |
| CN109870461A (zh) * | 2019-03-29 | 2019-06-11 | 深圳市阿赛姆电子有限公司 | 一种电子元器件质量检测系统 |
| CN110070526A (zh) * | 2019-04-18 | 2019-07-30 | 深圳市深视创新科技有限公司 | 基于深度神经网络热度图预测的缺陷检测方法 |
| US20200175673A1 (en) * | 2018-11-30 | 2020-06-04 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and device for detecting defect of meal box, server, and storage medium |
| CN111352750A (zh) * | 2020-03-04 | 2020-06-30 | 云南电网有限责任公司电力科学研究院 | 一种用于输电线路多源影像缺陷隐患识别的方法及系统 |
-
2020
- 2020-07-17 CN CN202010693168.0A patent/CN111855668A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107018075A (zh) * | 2017-04-06 | 2017-08-04 | 安徽国防科技职业学院 | 一种综合数据处理服务器系统 |
| CN108564104A (zh) * | 2018-01-09 | 2018-09-21 | 北京百度网讯科技有限公司 | 产品缺陷检测方法、装置、系统、服务器及存储介质 |
| US20200175673A1 (en) * | 2018-11-30 | 2020-06-04 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and device for detecting defect of meal box, server, and storage medium |
| CN109870461A (zh) * | 2019-03-29 | 2019-06-11 | 深圳市阿赛姆电子有限公司 | 一种电子元器件质量检测系统 |
| CN110070526A (zh) * | 2019-04-18 | 2019-07-30 | 深圳市深视创新科技有限公司 | 基于深度神经网络热度图预测的缺陷检测方法 |
| CN111352750A (zh) * | 2020-03-04 | 2020-06-30 | 云南电网有限责任公司电力科学研究院 | 一种用于输电线路多源影像缺陷隐患识别的方法及系统 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112908877A (zh) * | 2021-01-19 | 2021-06-04 | 上海擎昆信息科技有限公司 | 一种光伏电池片检测方法、系统、电子设备及存储介质 |
| CN112927170A (zh) * | 2021-04-08 | 2021-06-08 | 上海哥瑞利软件股份有限公司 | 半导体制造工艺中的自动缺陷去除方法 |
| CN112927170B (zh) * | 2021-04-08 | 2024-03-15 | 上海哥瑞利软件股份有限公司 | 半导体制造工艺中的自动缺陷去除方法 |
| CN113567446A (zh) * | 2021-07-06 | 2021-10-29 | 北京东方国信科技股份有限公司 | 组件缺陷检测质量分级的方法及系统 |
| CN113691625A (zh) * | 2021-08-24 | 2021-11-23 | 上海洪朴信息科技有限公司 | 分布式任务集群调度系统、方法及光伏组件检测系统 |
| CN113808116A (zh) * | 2021-09-24 | 2021-12-17 | 无锡精质视觉科技有限公司 | 基于图像识别的智能检测方法、系统及产品检测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111855668A (zh) | 一种产品缺陷检测系统 | |
| TWI741505B (zh) | 一種拓撲處理方法和裝置以及系統 | |
| CN103281410B (zh) | 广电网络智能障碍预处理方法及系统 | |
| CN107071005A (zh) | 一种数据同步方法及系统 | |
| CN103856774A (zh) | 一种视频监控智能检测系统及方法 | |
| CN1425234A (zh) | 利用面向目标的模糊逻辑决策规则评估网络的安全姿态的系统和方法 | |
| CN107566165A (zh) | 一种发现及部署电力云数据中心可用资源的方法及系统 | |
| CN111091106B (zh) | 图像聚类方法及装置、存储介质、电子装置 | |
| KR20220055082A (ko) | 열화상 이미지의 태양광 모듈 단위 데이터 학습을 통한 딥러닝 기반 결함 검출 시스템 및 방법 | |
| CN115601197B (zh) | 光伏电站的异常状态检测方法、装置 | |
| CN113485432A (zh) | 一种基于无人机的光伏电站电致发光智能诊断系统及方法 | |
| CN111241915B (zh) | 一种基于微服务的多分析算法融合应用服务平台方法 | |
| CN115562340A (zh) | 一种配网线路无人机巡检故障判别系统 | |
| CN108228417B (zh) | 车联网日志处理方法及处理装置 | |
| CN114372105A (zh) | 基于etl工具实现系统自动化巡检方法 | |
| CN106126432A (zh) | 软件开发项目中修改内容的测试方法及装置 | |
| CN101807289B (zh) | 一种用于分布式图像处理系统的建模方法 | |
| CN106845648A (zh) | 数据处理方法和装置 | |
| CN115630051A (zh) | 一种基于大数据技术的数据清洗方法 | |
| CN112070246A (zh) | 一种光伏产品缺陷检测算法部署系统 | |
| US20040243653A1 (en) | System and method for generating an alarm when an abnormal database backup status occurs | |
| CN114490560A (zh) | 一种基于人工智能技术的全边界电力网络数据分析方法 | |
| CN116225944B (zh) | 一种预置组网环境的软件测试系统和方法 | |
| CN211628274U (zh) | 一种基于物联网的项目管理系统 | |
| CN108494859B (zh) | 网络数据的同步方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201030 |