CN112039439A - 一种太阳能电池缺陷的自动检测系统及检测方法 - Google Patents
一种太阳能电池缺陷的自动检测系统及检测方法 Download PDFInfo
- Publication number
- CN112039439A CN112039439A CN202010679006.1A CN202010679006A CN112039439A CN 112039439 A CN112039439 A CN 112039439A CN 202010679006 A CN202010679006 A CN 202010679006A CN 112039439 A CN112039439 A CN 112039439A
- Authority
- CN
- China
- Prior art keywords
- solar cell
- defects
- defect
- image
- electroluminescence
- 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.)
- Granted
Links
- 230000007547 defect Effects 0.000 title claims abstract description 129
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 238000005401 electroluminescence Methods 0.000 claims abstract description 61
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000009826 distribution Methods 0.000 claims abstract description 9
- 238000002347 injection Methods 0.000 claims description 24
- 239000007924 injection Substances 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 229910001218 Gallium arsenide Inorganic materials 0.000 description 11
- 238000012512 characterization method Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
- H02S50/15—Testing of PV devices, e.g. of PV modules or single PV cells using optical means, e.g. using electroluminescence
-
- 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
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种太阳能电池缺陷的自动检测系统，包括输入模块、电池位置识别模块、缺陷检测模块和缺陷分析模块；输入模块用于导入太阳能电池电致发光图像和图像信息；电池位置识别模块用于识别和截取输入图像的有效电池区域；缺陷检测模块用于寻找太阳能电池中的缺陷，并导出缺陷所处位置；缺陷分析模块用于提取太阳能电池在不同偏置条件下，缺陷沿某一方向的电致发光强度分布，以及缺陷电致发光强度损失率的变化。本发明还公开了一种太阳能电池缺陷的自动检测方法。本发明实现了太阳能电池缺陷的自动检测，提高了太阳能电池缺陷的检测和分析效率，并有助于对缺陷影响做深入研究。
Description
技术领域
本发明属于电池检测技术领域，涉及一种太阳能电池缺陷的自动检测系统及检测方法。
背景技术
太阳能电池在生产和使用的过程中会不可避免地引入缺陷，这些缺陷会造成电池空间上的非均匀特性并且降低转换效率，严重威胁着电池的使用寿命与整体性能。电致发光(Electroluminescence，EL)成像技术被广泛运用于太阳能电池缺陷的表征分析，能够对电池进行非破坏、可视化的检测，相比于一些传统的表征方法，电致发光技术可以检测到太阳能电池组件表面的细微缺陷，更适合于电池表面缺陷的表征。电致发光成像技术通过CCD(Charge Coupled Device)照相机捕捉太阳能电池在正向偏压下发出的荧光，得到黑暗背景下的发光灰度图像，缺陷在图像中表现为暗点或者暗条纹。
目前，基于太阳能电池电致发光图像的缺陷检测主要依靠有经验的研究人员通过肉眼观察实现，耗费时间长而且检测到的缺陷只能用于小范围的太阳能电池缺陷分析；而基于机器学习算法的太阳能电池缺陷检测方法训练成本高，且一般只能做出有/无缺陷的二分类判断，难以对缺陷影响做进一步分析。
发明内容
本发明提出了一种简便、准确、低成本的太阳能电池缺陷的自动检测系统及其检测方法，实现太阳能电池缺陷的自动检测，免于人工找缺陷的繁琐过程，提高太阳能电池缺陷的检测和分析效率，并有助于对缺陷影响做深入研究。
本发明提出了一种太阳能电池缺陷的自动检测系统，包括：输入模块、电池位置识别模块、缺陷检测模块和缺陷分析模块。
其中，所述输入模块用于导入在不同注入电流密度下拍摄的一组太阳能电池电致发光图像，并导入相关图像信息。所述导入的太阳能电池电致发光图像优选用CCD照相机拍摄得到的。
所述图像信息包括：每张图像拍摄时对应的文件编号、注入电流密度值、曝光时间、衰减片倍数、绝对值校准因子和该图像最低灰度值。其目的为：对应的文件编号用于按顺序输入图片，与注入电流密度匹配，各项参数用于计算任一像素点在任意注入电流密度下的电致发光强度【某像素点电致发光强度＝衰减片倍数×绝对值校准因子×(该像素点灰度值-该图像最低灰度值)/曝光时间】。
其中，所述电池位置识别模块用于识别太阳能电池片在输入电致发光图像中的位置，并保留有效区域的电致发光图像。
所述电池位置识别模块中，有效区域电致发光图像的识别、保留方法为：使用指定窗口大小的高斯滤波和大津算法对输入的电致发光图像进行阈值化处理，查找阈值化图像中白色区域的轮廓，并截取其轮廓所在外接矩形。
其中，所述缺陷检测模块用于在太阳能电池有效区域电致发光图像中自动寻找缺陷，并导出缺陷所处位置。
其中，所述缺陷分析模块用于提取太阳能电池在不同注入电流密度下缺陷沿某一方向的电致发光强度分布，以及缺陷电致发光强度损失率随注入电流密度的关系曲线。
所述缺陷分析模块中提取的缺陷沿某一方向电致发光强度分布，该缺陷可在通过缺陷检测方法检测到的所有缺陷位置中任意指定，所沿方向可在平行和垂直于主栅极方向中任意指定。
所述缺陷分析模块中提取的缺陷沿某一方向电致发光强度分布，其任一像素点在任意注入电流密度下的电致发光强度可用如下公式得到：某像素点电致发光强度＝衰减片倍数×绝对值校准因子×(该像素点灰度值-该图像最低灰度值)/曝光时间。
所述缺陷分析模块中提取的缺陷电致发光强度损失率变化，该损失率可用如下公式得到：损失率＝缺陷处电致发光强度/该处无缺陷时的电致发光强度×100％；无缺陷时的电致发光强度近似定义为：缺陷沿平行于太阳能电池主栅极方向的平均电致发光强度。
本发明还提出了一种利用所述检测系统的太阳能电池缺陷的自动检测方法，包括如下步骤：
步骤一：以灰度模式输入电池位置识别模块截取的一组太阳能电池有效区域电致发光图像；
步骤二：对输入图像进行预处理，包括：减去该图像最低灰度值，定义窗口大小并对图像进行高斯滤波；
步骤三：指定某一注入电流密度对应的太阳能电池有效区域电致发光图像，以某一像素点为中心，建立边长为n的正方形区域，若该像素点同时满足以下条件，则被定义为缺陷：该像素点灰度值低于所建立正方形区域内任意像素点的灰度值，且该像素点灰度值低于所建立正方形区域平均灰度值的某一指定比值p；
步骤四：遍历该图像上的每一个像素点，并按步骤三进行检测，寻找太阳能电池上满足条件的所有缺陷；
步骤五：输出满足条件的所有缺陷在图像上的坐标位置，并输出以缺陷为圆心，圈有缺陷位置的太阳能电池有效区域电致发光图像。
本发明还提出了一种设备，包括：存储器和处理器；所述存储器上存储有计算机程序，当所述计算机程序被所述处理器执行时，实现上述太阳能电池缺陷的自动检测方法。
本发明还提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述太阳能电池缺陷的自动检测方法。
本发明的有益效果包括：本发明自动检测方法相对于传统的肉眼观察，简单快速、准确度高；相对于机器学习算法，无训练成本，且能够提取缺陷在不同偏置条件下的动态变化，提高了太阳能电池缺陷的检测和分析效率，并有助于对缺陷影响做深入研究。
附图说明
图1为本发明所述太阳能电池缺陷的自动检测系统的系统框图。
图2为实施例1中的单片GaAs太阳能电池在正向注入电流密度为20mA/cm2时的电致发光缺陷点分布图。
图3为实施例1中的单片GaAs太阳能电池在正向注入电流密度为1、5、10、20mA/cm2时坐标(541,144)缺陷在平行于主栅极方向的电致发光强度分布图像。
图4为实施例1中的单片GaAs太阳能电池坐标(541,144)缺陷电致发光强度损失率随注入电流密度的关系曲线。
图5为本发明方法的流程示意图。
具体实施方式
结合以下具体实施例和附图，对本发明作进一步的详细说明。实施本发明的过程、条件、实验方法等，除以下专门提及的内容之外，均为本领域的普遍知识和公知常识，本发明没有特别限制内容。
如图1所示，本发明的太阳能电池缺陷的自动检测系统包括：输入模块、电池位置识别模块、缺陷检测模块和缺陷分析模块。
其中，输入模块用于导入在不同注入电流密度下CCD照相机拍摄的一组太阳能电池电致发光图像，并导入相关图像信息。
其中，电池位置识别模块用于识别太阳能电池片在输入电致发光图像中的位置，并保留有效区域的电致发光图像。
其中，缺陷检测模块用于在太阳能电池有效区域电致发光图像中自动寻找缺陷，并导出缺陷所处位置。
其中，缺陷分析模块用于提取太阳能电池在不同注入电流密度下缺陷沿某一方向的电致发光强度分布，以及缺陷电致发光强度损失率随注入电流密度的关系曲线。
本发明的太阳能电池缺陷的自动检测方法，包括如下步骤：
步骤一：以灰度模式输入电池位置识别模块截取的一组太阳能电池有效区域电致发光图像；
步骤二：对输入图像进行预处理，包括：减去该图像最低灰度值，定义窗口大小并对图像进行高斯滤波；
步骤三：指定某一注入电流密度对应的太阳能电池有效区域电致发光图像，以某一像素点为中心，建立边长为n的正方形区域，若该像素点同时满足以下条件，则被定义为缺陷：该像素点灰度值低于所建立正方形区域内任意像素点的灰度值，且该像素点灰度值低于所建立正方形区域平均灰度值的某一指定比值p；
步骤四：遍历该图像上的每一个像素点，并按步骤三进行检测，寻找太阳能电池上满足条件的所有缺陷；
步骤五：输出满足条件的所有缺陷在图像上的坐标位置，并输出以缺陷为圆心，圈有缺陷位置的太阳能电池有效区域电致发光图像。
实施例1
以单片GaAs太阳能电池缺陷的自动检测为例进行说明。
首先，向所述输入模块导入在0到23.75mA/cm2正向注入电流密度下，CCD照相机拍摄的一组单片GaAs太阳能电池电致发光图像，并导入相关图像信息，包括：每张图像拍摄时对应的文件编号、注入电流密度值、曝光时间、衰减片倍数、绝对值校准因子和该图像最低灰度值。
进一步的，所述电池位置识别模块使用窗口大小为25×25的高斯滤波和大津算法对单片GaAs太阳能电池电致发光图像进行阈值化处理，查找阈值化图像中白色区域的轮廓，并截取其轮廓所在外接矩形，保留GaAs太阳能电池有效区域的电致发光图像。
进一步的，所述缺陷检测模块利用所述太阳能电池缺陷的自动检测方法，在太阳能电池有效区域电致发光图像中自动寻找缺陷，并导出缺陷所处位置，包括如下步骤：
步骤一：以灰度模式输入电池位置识别模块截取的一组单片GaAs太阳能电池有效区域电致发光图像；
步骤二：对所有输入图像进行预处理，包括：减去该图像最低灰度值，并对图像进行窗口大小为5×5的高斯滤波；
步骤三：指定注入电流密度为20mA/cm2时对应的太阳能电池有效区域电致发光图像，以某一像素点为中心，建立边长n＝21的正方形区域，若该像素点同时满足以下条件，则被定义为缺陷：该像素点灰度值低于所建立21×21正方形区域内任意像素点的灰度值，且该像素点灰度值低于所建立21×21正方形区域平均灰度值的p＝0.8倍；
步骤四：遍历该图像上的每一个像素点，并按步骤三进行检测，寻找单片GaAs太阳能电池上满足条件的所有缺陷；
步骤五：输出满足条件的所有缺陷在图像上的坐标位置，并输出以缺陷为圆心，圈有缺陷位置的太阳能电池有效区域电致发光图像，如图2所示。
进一步的，指定图2所示坐标位于(541,144)的缺陷，利用所述缺陷分析模块，提取GaAs太阳能电池在1、5、10、20mA/cm2注入电流密度下，坐标(541,144)缺陷沿平行于主栅极方向的电致发光强度分布，如图3所示。
进一步的，指定图2所示坐标位于(541,144)的缺陷，利用所述缺陷分析模块，提取GaAs太阳能电池坐标(541,144)缺陷电致发光强度损失率随注入电流密度的关系曲线，如图4所示。
本发明的保护内容不局限于以上实施例。在不背离本发明构思的精神和范围下，本领域技术人员能够想到的变化和优点都被包括在本发明中，并且以所附的权利要求书为保护范围。
Claims (10)
1.一种太阳能电池缺陷的自动检测系统，其特征在于，包括：输入模块、电池位置识别模块、缺陷检测模块和缺陷分析模块；其中，
所述输入模块，其用于导入在不同注入电流密度下的一组太阳能电池电致发光图像，并导入相关图像信息；优选地，所述导入的太阳能电池电致发光图像用CCD照相机拍摄得到；
所述电池位置识别模块，其用于识别太阳能电池片在输入电致发光图像中的位置，并保留有效区域的电致发光图像；
所述缺陷检测模块，其用于在太阳能电池有效区域电致发光图像中自动寻找缺陷，并导出缺陷所处位置；
所述缺陷分析模块，其用于提取太阳能电池在不同注入电流密度下缺陷沿某一方向的电致发光强度分布，以及缺陷电致发光强度损失率随注入电流密度的关系曲线。
2.如权利要求1所述的太阳能电池缺陷的自动检测系统，其特征在于，所述输入模块中导入的太阳能电池电致发光图像信息包括：每张图像拍摄时对应的文件编号、注入电流密度值、曝光时间、衰减片倍数、绝对值校准因子和该图像最低灰度值。
3.如权利要求1所述的太阳能电池缺陷的自动检测系统，其特征在于，所述电池位置识别模块中，有效区域电致发光图像的识别、保留方法为：使用指定窗口大小的高斯滤波和大津算法对输入电致发光图像进行阈值化处理，查找阈值化图像中白色区域的轮廓，并截取其轮廓所在外接矩形。
4.如权利要求1所述的太阳能电池缺陷的自动检测系统，其特征在于，所述缺陷分析模块中提取的缺陷沿某一方向电致发光强度分布，该缺陷可在通过缺陷检测方法检测到的所有缺陷位置中任意指定，所沿方向可在平行和垂直于主栅极方向中任意指定。
5.如权利要求1所述的太阳能电池缺陷的自动检测系统，其特征在于，所述缺陷分析模块中提取的缺陷沿某一方向电致发光强度分布，其任一像素点在任意注入电流密度下的电致发光强度可用如下公式得到：某像素点电致发光强度＝衰减片倍数×绝对值校准因子×(该像素点灰度值-该图像最低灰度值)/曝光时间。
6.如权利要求1所述的太阳能电池缺陷的自动检测系统，其特征在于，所述缺陷分析模块中提取的缺陷电致发光强度损失率变化，该损失率可用如下公式得到：损失率＝缺陷处电致发光强度/该处无缺陷时的电致发光强度×100％；无缺陷的电致发光强度近似定义为：缺陷沿平行于太阳能电池主栅极方向的平均电致发光强度。
7.一种太阳能电池缺陷的自动检测方法，其特征在于，包括如下步骤：
步骤一：以灰度模式输入电池位置识别模块截取的一组太阳能电池有效区域电致发光图像；
步骤二：对输入图像进行预处理，包括：减去该图像最低灰度值，定义窗口大小并对图像进行高斯滤波；
步骤三：指定某一注入电流密度对应的太阳能电池有效区域电致发光图像，以某一像素点为中心，建立边长为n的正方形区域，若该像素点同时满足以下条件，则被定义为缺陷：该像素点灰度值低于所建立正方形区域内任意像素点的灰度值，且该像素点灰度值低于所建立正方形区域平均灰度值的某一指定比值p；
步骤四：遍历该图像上的每一个像素点，并按步骤三进行检测，寻找太阳能电池上满足条件的所有缺陷；
步骤五：输出满足条件的所有缺陷在图像上的坐标位置，并输出以缺陷为圆心，圈有缺陷位置的太阳能电池有效区域电致发光图像。
8.一种太阳能电池缺陷自动检测方法，其特征在于，所述方法利用如权利要求1-6之任一项所述检测系统。
9.一种设备，其特征在于，包括：存储器和处理器；
所述存储器上存储有计算机程序，当所述计算机程序被所述处理器执行时，实现如权利要求7所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求7所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010679006.1A CN112039439B (zh) | 2020-07-15 | 2020-07-15 | 一种太阳能电池缺陷的自动检测系统及检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010679006.1A CN112039439B (zh) | 2020-07-15 | 2020-07-15 | 一种太阳能电池缺陷的自动检测系统及检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112039439A true CN112039439A (zh) | 2020-12-04 |
| CN112039439B CN112039439B (zh) | 2021-07-27 |
Family
ID=73579152
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010679006.1A Active CN112039439B (zh) | 2020-07-15 | 2020-07-15 | 一种太阳能电池缺陷的自动检测系统及检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112039439B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113314433A (zh) * | 2021-05-27 | 2021-08-27 | 深圳市泰晶太阳能科技有限公司 | 一种单晶硅太阳能电池片可靠性筛选方式 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101620257A (zh) * | 2008-07-01 | 2010-01-06 | 日清纺控股株式会社 | 太阳能电池检查装置以及太阳能电池缺陷判定方法 |
| US20160056761A1 (en) * | 2013-04-05 | 2016-02-25 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Method and system for controlling the quality of a photovoltaic device |
| CN107014819A (zh) * | 2017-06-09 | 2017-08-04 | 杭州电子科技大学 | 一种太阳能电池板表面缺陷检测系统和方法 |
| CN107764832A (zh) * | 2017-09-29 | 2018-03-06 | 青海黄河上游水电开发有限责任公司光伏产业技术分公司 | 光伏组件的隐裂缺陷检测方法 |
| CN109120230A (zh) * | 2018-07-19 | 2019-01-01 | 苏州热工研究院有限公司 | 一种太阳能电池片el图像检测和缺陷识别方法 |
| CN109493315A (zh) * | 2018-09-21 | 2019-03-19 | 中国科学院长春光学精密机械与物理研究所 | 一种多晶硅太阳能电池的瑕疵的检测方法 |
| US20190089301A1 (en) * | 2017-09-18 | 2019-03-21 | X Development Llc | System and method for solar cell defect detection |
| CN110223332A (zh) * | 2019-06-10 | 2019-09-10 | 长安大学 | 一种桥梁裂缝标定方法 |
| CN111242046A (zh) * | 2020-01-15 | 2020-06-05 | 江苏北斗星通汽车电子有限公司 | 一种基于图像检索的地面交通标志识别方法 |
| CN111275679A (zh) * | 2020-01-17 | 2020-06-12 | 同济大学 | 一种基于图像的太阳能电池缺陷检测系统及方法 |
-
2020
- 2020-07-15 CN CN202010679006.1A patent/CN112039439B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101620257A (zh) * | 2008-07-01 | 2010-01-06 | 日清纺控股株式会社 | 太阳能电池检查装置以及太阳能电池缺陷判定方法 |
| US20160056761A1 (en) * | 2013-04-05 | 2016-02-25 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Method and system for controlling the quality of a photovoltaic device |
| CN107014819A (zh) * | 2017-06-09 | 2017-08-04 | 杭州电子科技大学 | 一种太阳能电池板表面缺陷检测系统和方法 |
| US20190089301A1 (en) * | 2017-09-18 | 2019-03-21 | X Development Llc | System and method for solar cell defect detection |
| CN107764832A (zh) * | 2017-09-29 | 2018-03-06 | 青海黄河上游水电开发有限责任公司光伏产业技术分公司 | 光伏组件的隐裂缺陷检测方法 |
| CN109120230A (zh) * | 2018-07-19 | 2019-01-01 | 苏州热工研究院有限公司 | 一种太阳能电池片el图像检测和缺陷识别方法 |
| CN109493315A (zh) * | 2018-09-21 | 2019-03-19 | 中国科学院长春光学精密机械与物理研究所 | 一种多晶硅太阳能电池的瑕疵的检测方法 |
| CN110223332A (zh) * | 2019-06-10 | 2019-09-10 | 长安大学 | 一种桥梁裂缝标定方法 |
| CN111242046A (zh) * | 2020-01-15 | 2020-06-05 | 江苏北斗星通汽车电子有限公司 | 一种基于图像检索的地面交通标志识别方法 |
| CN111275679A (zh) * | 2020-01-17 | 2020-06-12 | 同济大学 | 一种基于图像的太阳能电池缺陷检测系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| HONG, JIANYU等: ""Absolute electroluminescence imaging with distributed circuit modeling:Excellent for solar-cell defect diagnosis"", 《PROGRESS IN PHOTOVOLTAICS》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113314433A (zh) * | 2021-05-27 | 2021-08-27 | 深圳市泰晶太阳能科技有限公司 | 一种单晶硅太阳能电池片可靠性筛选方式 |
| CN113314433B (zh) * | 2021-05-27 | 2022-12-06 | 深圳市泰晶太阳能科技有限公司 | 一种单晶硅太阳能电池片可靠性筛选方式 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112039439B (zh) | 2021-07-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105588845B (zh) | 一种焊接缺陷特征参数提取方法 | |
| CN110084241B (zh) | 一种基于图像识别的电表自动读数方法 | |
| CN111915704A (zh) | 一种基于深度学习的苹果分级识别方法 | |
| CN108009591A (zh) | 一种基于深度学习的接触网关键部件识别方法 | |
| CN104990925A (zh) | 一种基于梯度多阈值优化缺陷检测方法 | |
| CN105913093A (zh) | 一种用于文字识别处理的模板匹配方法 | |
| WO2022262054A1 (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN112037203A (zh) | 基于复杂工件外轮廓配准的侧表面缺陷检测方法及系统 | |
| CN115439481A (zh) | 基于图像处理的除氧器焊接质量检测方法 | |
| CN111104860A (zh) | 一种基于机器视觉的无人机水质色度监测方法 | |
| CN107274393A (zh) | 基于栅线检测的单晶硅太阳能电池片表面缺陷检测方法 | |
| CN111080691A (zh) | 一种光伏组件红外热斑检测方法、装置 | |
| CN108133471B (zh) | 一种基于人工蜂群算法的机器人导航路径提取方法及装置 | |
| CN112039439B (zh) | 一种太阳能电池缺陷的自动检测系统及检测方法 | |
| WO2017071406A1 (zh) | 金针类元件的引脚检测方法和系统 | |
| CN111724354B (zh) | 一种基于图像处理的多株小麦穗长与小穗数的测量方法 | |
| CN113313677A (zh) | 一种卷绕锂电池x光图像的质量检测方法 | |
| CN111461036A (zh) | 一种利用背景建模增强数据的实时行人检测方法 | |
| CN111257329A (zh) | 一种智能手机摄像头缺陷检测方法以及检测系统 | |
| CN112164030A (zh) | 水稻穗粒快速检测方法、装置、计算机设备及存储介质 | |
| CN113487563B (zh) | 一种基于el图像的光伏组件隐裂自适应检测方法 | |
| CN107067430A (zh) | 一种基于特征点聚类的麦田作物行检测方法 | |
| CN113971681A (zh) | 一种复杂环境下带式输送机边缘检测方法 | |
| CN107133958B (zh) | 基于块粒度预判平衡直方图的光学遥感船舶切片分割方法 | |
| CN107545565B (zh) | 一种太阳能网版检测方法 |
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 |