CN112308843A - 用于光伏电池板图像采集的相机过曝异常调节方法及系统 - Google Patents
用于光伏电池板图像采集的相机过曝异常调节方法及系统 Download PDFInfo
- Publication number
- CN112308843A CN112308843A CN202011205597.5A CN202011205597A CN112308843A CN 112308843 A CN112308843 A CN 112308843A CN 202011205597 A CN202011205597 A CN 202011205597A CN 112308843 A CN112308843 A CN 112308843A
- Authority
- CN
- China
- Prior art keywords
- overexposure
- photovoltaic cell
- cell panel
- area
- image
- 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.)
- Withdrawn
Links
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06T7/13—Edge detection
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Studio Devices (AREA)
Abstract
本发明提供一种用于光伏电池板图像采集的相机过曝异常调节方法及系统,涉及人工智能领域;该方法包括采集光伏电池板样本图像并提取像素点亮度,若大于第一阈值,则判定为疑似过曝,对样本图像预处理后获得光伏电池板图象进行轮廓识别,判定图像是否为斑状过曝,对于不符合斑状过曝条件的光伏电池板图像,获取二值化区域分割图,若大于亮度阈值的区域像素点总数不小于预设面积阈值,判定为光侵蚀型过曝;分析发生过曝的图像的过曝种类、面积系数、对比度及影响度,建立过曝异常调节模型来调整相机参数及位姿,匹配最佳曝光度。本发明能够预测过曝种类,实现有针对性地调节曝光度,根据环境的不同自适应调节相机参数及位姿,提高过曝调节的精度。
Description
技术领域
本发明涉及人工智能领域,具体涉及一种用于光伏电池板图像采集的相机过曝异常调节方法及系统。
背景技术
光伏产业由于其清洁、可持续的特性受到极大的重视。光伏产业中最重要的部分在于智能化运维,在尽量减少成本的情况下实施自动化、智能化运行和维护,从而获得最大收益。现阶段,光伏电池板缺陷检测中,支撑数据感知部分的便是各种相机、摄像头等图像获取设备。而相机常分布于太阳光充足的情况,因此易造成相机过曝等情况,对于后续的图像处理非常不便。
现阶段针对光伏电池板的图像过曝处理有一些简易办法,但暂未形成固定方法以及标准,大多使用传统的相机过曝方法判断。如对比文件CN110830789A,提出了一种过曝检测方法及一种过曝抑制方法。
该方法具有普适性,但针对光伏电池相机这一具体类型中,光伏电池板所处环境光照充足,且光伏电池板本身具有焊带,边缘、栅线的影响因素,在具体实施检测及过曝调节的过程中,该方法过曝调节精度不高,易造成误判漏判等情况。
发明内容
为了解决上述技术问题,本发明了提供一种用于光伏电池板图像采集的相机过曝异常调节方法及系统,所采用的技术方案如下:
第一方面,本发明实施例提供了一种用于光伏电池板图像采集的相机过曝异常调节方法,该方法包含以下步骤:
采集光伏电池板的样本图像;
提取样本图像的像素点亮度与第一阈值作比较,若不小于第一阈值,判定样本图像疑似过曝,否则无过曝发生;
对疑似过曝的样本图像进行预处理,得到去除纹理细节的光伏电池板图象;
对光伏电池板图像进行轮廓识别,若轮廓符合预设的斑状过曝条件,判定图像为斑状过曝,轮廓为过曝区域;
对于不符合斑状过曝条件的光伏电池板图像,利用亮度阈值对其进行阈值分割,获取二值化区域分割图,若大于亮度阈值的区域的像素点总数不小于预设面积阈值,则判定为光侵蚀型过曝,该区域为过曝区域,否则判定为无过曝产生;
对于斑状过曝或者光侵蚀型过曝的光伏电池板图像,分析过曝区域的面积系数,结合过曝区域与光伏电池板图像之间的对比度,得到过曝影响度;
根据过曝种类、过曝面积系数、过曝区域的对比度、过曝影响度来调整相机参数及位姿,从而匹配最佳曝光度。
优选地,过曝区域的面积系数是根据过曝区域的像素点数及其最小外接矩形尺寸而确定的,且与二者的比值呈正相关关系。
优选地,过曝区域与光伏电池板图像之间的对比度为:
其中,Box表示过曝区域的最小外接矩形面积,Lspt表示过曝区域的平均亮度值,Lpv表示光伏电池板图像的平均亮度值,Sum表示过曝区域像素点总数,光伏电池板图像有W行H列像素,S0=W×H,表示光伏电池板图像的像素点总数。
优选地,相机参数的调整通过改变光圈APT的大小以及快门STT的时间来实现,具体表现为:
其中,S表示过曝区域的面积系数,Inf表示过曝区域的影响度,f为相机焦距,α1,α2是通过拟合得到的系数。
优选地,相机位姿的调整表现为:
第二方面,本发明实施例提供了一种用于光伏电池板图像采集的相机过曝异常调节系统,包括:
图像获取单元,用于采集光伏电池板的样本图像;
过曝判定单元,包括疑似过曝判定模块、预处理模块、斑状过曝判定模块以及光侵蚀型过曝判定模块:
疑似过曝判定模块,用于提取样本图像的像素点亮度与第一阈值作比较,若不小于第一阈值,判定样本图像疑似过曝,否则无过曝发生;
预处理模块,用于对疑似过曝的样本图像进行预处理,得到去除纹理细节的光伏电池板图象;
斑状过曝判定模块,用于对光伏电池板图像进行轮廓识别,若轮廓符合预设的斑状过曝条件,判定图像为斑状过曝,轮廓为过曝区域;
光侵蚀型过曝判定模块,用于对于不符合斑状过曝条件的光伏电池板图像,利用亮度阈值对其进行阈值分割,获取二值化区域分割图,若大于亮度阈值的区域的像素点总数不小于预设面积阈值,则判定为光侵蚀型过曝,该区域为过曝区域,否则判定为无过曝产生;
过曝调节单元,包括过曝分析模块和曝光度调节模块:
过曝分析模块,用于对于斑状过曝或者光侵蚀型过曝的光伏电池板图像,分析过曝区域的面积系数,结合过曝区域与光伏电池板图像之间的对比度,得到过曝影响度;
曝光度调节模块,用于根据过曝种类、过曝面积系数、过曝区域的对比度、过曝影响度来调整相机参数及位姿,从而匹配最佳曝光度。
进一步地,过曝分析模块中,过曝区域的面积系数是根据过曝区域的像素点数及其最小外接矩形尺寸而确定的,且与二者的比值呈正相关关系。
进一步地,过曝分析模块中,过曝区域与光伏电池板图像之间的对比度为:
其中,Box表示过曝区域的最小外接矩形面积,Lspt表示过曝区域的平均亮度值,Lpv表示光伏电池板图像的平均亮度值,Sum表示过曝区域像素点总数,光伏电池板图像有W行H列像素,S0=W×H,表示光伏电池板图像的像素点总数。
进一步地,曝光度调节模块中,相机参数的调整通过改变光圈APT的大小以及快门STT的时间来实现,具体表现为:
其中,S表示过曝区域的面积系数,Inf表示过曝区域的影响度,f为相机焦距,α1,α2是通过拟合得到的系数。
进一步地,曝光度调节模块中,相机位姿的调整表现为:
本发明实施例至少包含以下有益效果:
本发明实施例通过对光伏电池板图像的分类检测,预测过曝种类,实现有针对性地调节曝光度;
本发明实施例通过对过曝区域的面积系数、对比度及影响度,建立过曝异常调节模型进行定性分析,从而实现根据环境的不同自适应调节相机参数及位姿,匹配最佳曝光度,提高过曝调节的精度。
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和优点,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的介绍,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它附图。
图1为本发明一个实施例所提供的一种用于光伏电池板图像采集的相机过曝异常调节方法的步骤流程图;
图2为本发明一个实施例所提供的一种用于光伏电池板图像采集的相机过曝异常调节方法的流程图;
图3为本发明一个实施例所提供的一种光伏电池板样本图像的示意图;
图4为本发明一个实施例提供的一种光伏电池板图像的亮度直方图;
图5为本发明一个实施例提供的一种过曝区域最小外接矩形的坐标示意图;
图6为本发明一个实施例提供的一种用于光伏电池板图像采集的相机过曝异常调节系统的结构示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种用于光伏电池板图像采集的相机过曝异常调节方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
需要说明的是,本发明实施例中根据光伏检测环境对各项参数进行初始化。即确定光照强度及已知相机的各项可调参数,如光圈、快门、位姿、焦距等。
下面结合附图具体的说明本发明所提供的一种用于光伏电池板图像采集的相机过曝异常调节方法的具体方案。
请参阅图1和图2,图1示出了一种用于光伏电池板图像采集的相机过曝异常调节方法的步骤流程图,图2示出了一种用于光伏电池板图像采集的相机过曝异常调节方法的流程图,该检测方法包括以下步骤:
步骤S100:采集光伏电池板的样本图像。
用RGB相机拍摄光伏电池板样本图像,请参阅图3,其示出了光伏电池板样本图像的示意图,样本图像中包含一个光伏电池板10,还有极小部分背景。
步骤S200:提取样本图像的像素点亮度与第一阈值作比较,若不小于第一阈值,判定样本图像疑似过曝,否则无过曝发生。
具体的,将光伏电池板样本图像转换到HSL彩色空间中,其转换方式为公知方法,在此不做限定。根据HSL彩色空间得到图像各像素点的亮度L,判断出样本图像中的亮度分布。统计亮度超过第一阈值80%的像素点个数占总像素点数的百分比W1,若W1≥30%,则认为该样本图像疑似过曝,否则无过曝发生。
本发明实施例中,第一阈值根据经验设定,光伏电池板平面度良好,若发生过曝,过曝区域可视为一个连通域。过曝类型主要分为两种,一种是斑状过曝,过曝区域在图像内部,另一种是光侵蚀型过曝,过曝区域与图像边缘连接。没有发生过曝的图像无需进行过曝调节。
步骤S300:对疑似过曝的样本图像进行预处理,得到去除纹理细节的光伏电池板图像。
利用形态学算子对疑似过曝的样本图像进行闭运算,去除样本图像中光伏电池板的细栅线,算子包括x方向以及y方向 去除细栅线后,得到初始图像。对初始图像进行霍夫变换,拟合出初始图像中的直线,直线包含光伏电池板的边缘、表面的焊带等。将得到的直线作为模板遮罩,与初始图象相乘后再相减,得到去除所有纹理细节的光伏电池板图像,进入步骤S400斑状过曝的判定。
步骤S400:对所述光伏电池板图像进行轮廓识别,若所述轮廓符合预设的斑状过曝条件,判定所述图像为斑状过曝,所述轮廓为过曝区域。
用Canny算子对光伏电池板图像进行梯度检测,一组Canny算子包含扩张的两个5×5大小Sobel算子。分别提取x与y方向的边缘,x方向的梯度变化采用进行检测,y方向的梯度变化采用G(y)=G(x)T进行检测。分别用G(x)、G(y)与光伏电池板图像进行卷积后,得到图像的梯度分布图。
调用程序API接口对梯度分布图进行轮廓识别,并对轮廓求最小外接矩形,若最小外接矩形中,存在长宽比小于斜率阈值且像素点周长和大于周长阈值的轮廓,则可视为有斑状过曝产生,以该轮廓内区域作为过曝区域,否则进入步骤S500光侵蚀过曝的判定。
本发明实施例中,斜率阈值可以设置为5,周长阈值可以设置为100。
步骤S500:对于不符合斑状过曝条件的光伏电池板图像,利用亮度阈值对其进行阈值分割,获取二值化区域分割图,若大于亮度阈值的区域的像素点总数不小于预设面积阈值,则判定为光侵蚀型过曝,该区域为过曝区域,否则判定为无过曝产生。
光伏电池板图像中较亮的直线,如焊带、栅线等已经被去除,对光伏电池板图像的像素进行亮度提取,绘制出如图4所示的亮度直方图,请参阅图4,在亮度直方图中,nk表示光伏电池板图像中亮度为lk的像素点总数,用N表示亮度直方图中最大的像素点数,当时,提取该位置的亮度值进行对比,取出最大值max(lk),亮度直方图中相邻亮度的像素点数差值在设定经验阈值范围以内的可以看作位置连续,找到亮度直方图中与max(lk)位置连续的极小值点,将该处的亮度值li视为亮度阈值。
根据所得到的亮度阈值li对全图进行阈值分割,可以得到二值化后的区域分割图,将大于亮度阈值的区域的像素点总数与面积阈值作比较,来判断图像是否属于光侵蚀型过曝,若不小于面积阈值,则判定有光侵蚀型过曝产生,该区域为过曝区域,否则判定为无过曝产生。本发明实施例中,面积阈值可以设置为200。
步骤S300、步骤S400为图像发生过曝的判定步骤,能够针对光伏电池板图像进行分类检测,预测过曝种类。相对于传统的过曝检测方法更具有针对性,能够更精确的发现相机所拍摄画面的过曝状况。
确定相机采集到的图像发生过曝异常后,为了能够获取高质量的拍摄图像,则需要对该图像进行过曝调节,匹配最佳曝光度。
步骤S600:对于斑状过曝或者光侵蚀型过曝的光伏电池板图像,分析其过曝区域的面积系数,结合过曝区域与光伏电池板图像之间的对比度,得到过曝影响度。
本发明实施例中列举的影响过曝程度的参数有两个,一是过曝区域的面积系数,二是过曝区域与光伏电池板图像之间的对比度。
请参阅图5,其示出了过曝区域最小外接矩形的坐标示意图,在光伏电池板图像坐标系中,以像素个数为单位长度,最小外接矩形用(x1,y1,x2,y2)表示,Box表示过曝区域最小外接矩形的面积,Box=|(x1-x2)(y1-y2)|,等同于最小外接矩形的像素点总数,即最小外接矩形有(x1-x2)行像素,(y1-y2)列像素;过曝区域像素总数用Sum表示,获取过曝区域的面积系数S。该面积系数与过曝区域的像素点数呈正相关,与最小外接矩形尺寸呈负相关,则过曝区域面积系数用公式可表示为:
其中,k1,k2为待求系数,通过构建输入输出表格从而拟合得到,将不同输入输出计算得到后代入方程组可以解出系数。
接下来分析影响过曝程度的另一因素,即过曝区域与光伏电池板图像的对比度。
根据二值化后的过曝区域分割图,确定图像中过曝区域与光伏电池板图像的HSL参数,再根据过曝区域的最小外接矩形与光伏电池板图像像素比值得到过曝区域与光伏电池板图像的对比度。该对比度反映了过曝程度,对比度越高,在实际光伏电池板的缺陷检测中,图像过曝区域遮挡光伏电池板缺陷概率越大,检测结果准确率越低,后续过曝调节力度越大。
过曝区域与光伏电池板图像的对比度为:
其中,Lspt表示过曝区域的平均亮度值,Lpv表示光伏电池板图像的平均亮度值,光伏电池板图像有W行H列像素,S0=W×H,表示光伏电池板图像的像素点总数。
对过曝区域的面积系数及过曝区域与光伏电池板图像的对比度进行综合分析,列出过曝分析影响函数,用过曝影响度Inf表示,其公式为:
步骤S700:根据所述过曝种类、过曝面积系数、过曝区域的对比度、过曝影响度来调整相机参数及位姿,从而匹配最佳曝光度。
构建过曝异常调节模型,对于发生过曝异常的光伏电池板图像,将步骤S400至步骤S600所分析得到的过曝种类、过曝面积系数、过曝区域的对比度、过曝影响度等参数一起代入过曝异常调节模型中,曝光度与相机参数、位姿的关系叙述如下:
相机主要有三个光学参数影响图像曝光度,分别是光圈APT,快门STT以及感光度。光圈过大、快门时间过长以及感光度过大均有可能造成过曝,本发明实施例主要讨论相机光圈、快门及相机位姿对过曝程度的影响。
因此根据对应关系,得到如下过曝异常调整的定性分析:
若发生光腐蚀型过曝,将镜头向过曝区域外接矩形中心点的相反方向移动,通过调整相机位姿实现;若发生光斑型过曝,则将镜头向过曝区域外接矩形中心点方向移动;
发生过曝现象时,根据过曝面积系数确定光圈大小及快门时间,过曝面积系数越大,相应的光圈越小,快门时间越短;
发生过曝现象时,根据过曝区域的对比度及影响度来调整,过曝对比度越高,影响度越大,则相应的光圈越小、快门时间越短。
将上述定性分析总结为公式过曝异常调节模型的函数表达:
根据上述函数,可以得到相机参数与过曝参数之间的映射关系,将不同情况下的参数进行列举,并设定曝光度为定值,避免出现过曝现象,可得到映射关系表格。将不同的值代入过曝异常调节模型中,可以拟合出α1,α2的值。
实际光伏检测中利用过曝异常调节模型,可以根据环境的不同自适应调节相机参数及位姿来匹配最佳曝光度,减少过曝情况的发生和影响。
综上所述,本发明提供了一种用于光伏电池板图像采集的相机过曝异常调节方法,该方法包括利用形态学算子对图像进行闭运算,结合霍夫变换,消除了光伏电池板图像的边缘、焊带及纹理等噪声对检测结果的影响,提高过曝检测的精度;通过对光伏电池板图像的分类检测,预测过曝种类,实现有针对性地调节曝光度,再结合过曝区域的面积系数、对比度及影响度,建立过曝异常调节模型进行定性分析,从而实现根据环境的不同自适应调节相机参数及位姿,匹配最佳曝光度,提高过曝调节的精度。
基于与上述方法实施例相同的发明构思,本发明另一个实施例提供了一种用于光伏电池板图像采集的相机过曝异常调节系统。
请参阅图6,其示出了本发明另一个实施例所提供的一种用于光伏电池板图像采集的相机过曝异常调节系统的结构示意图,该系统包括图像获取单元、过曝判定单元以及过曝调节单元。
具体的,图像获取单元,用于采集光伏电池板的样本图像;
过曝判定单元,包括疑似过曝判定模块、预处理模块、斑状过曝判定模块以及光侵蚀型过曝判定模块:
疑似过曝判定模块,用于提取样本图像的像素点亮度与第一阈值作比较,若不小于第一阈值,判定样本图像疑似过曝,否则无过曝发生;
预处理模块,用于对疑似过曝的样本图像进行预处理,得到去除纹理细节的光伏电池板图象;
斑状过曝判定模块,用于对光伏电池板图像进行轮廓识别,若轮廓符合预设的斑状过曝条件,判定图像为斑状过曝,轮廓为过曝区域;
光侵蚀型过曝判定模块,用于对于不符合斑状过曝条件的光伏电池板图像,利用亮度阈值对其进行阈值分割,获取二值化区域分割图,若大于亮度阈值的区域的像素点总数不小于预设面积阈值,则判定为光侵蚀型过曝,该区域为过曝区域,否则判定为无过曝产生;
过曝调节单元,包括过曝分析模块和曝光度调节模块:
过曝分析模块,用于对于斑状过曝或者光侵蚀型过曝的光伏电池板图像,分析过曝区域的面积系数,结合过曝区域与光伏电池板图像之间的对比度,得到过曝影响度;
曝光度调节模块,用于根据过曝种类、过曝面积系数、过曝区域的对比度、过曝影响度来调整相机参数及位姿,从而匹配最佳曝光度。
进一步地,过曝分析模块中,过曝区域的面积系数是根据过曝区域的像素点数及其最小外接矩形尺寸而确定的,且与二者的比值呈正相关关系。
进一步地,过曝分析模块中,过曝区域与光伏电池板图像之间的对比度为:
其中,Box表示过曝区域的最小外接矩形面积,Lspt表示过曝区域的平均亮度值,Lpv表示光伏电池板图像的平均亮度值,Sum表示过曝区域像素点总数,光伏电池板图像有W行H列像素,S0=W×H,表示光伏电池板图像的像素点总数。
进一步地,曝光度调节模块中,相机参数的调整通过改变光圈APT的大小以及快门STT的时间来实现,具体表现为:
其中,S表示过曝区域的面积系数,Inf表示过曝区域的影响度,f为相机焦距,α1,α2是通过拟合得到的系数。
进一步地,曝光度调节模块中,相机位姿的调整表现为:
综上,本发明提供了一种用于光伏电池板图像采集的相机过曝异常调节系统,该系统包括利用图像预处理模块消除了光伏电池板图像的边缘、焊带及纹理等噪声对检测结果的影响,提高过曝检测的精度;通过斑状过曝判定模块以及光侵蚀型过曝判定模块预测过曝种类,结合过曝分析模块进行定性分析,从而实现根据环境的不同自适应调节相机参数及位姿,匹配最佳曝光度,提高过曝调节的精度。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上仅为本发明的较佳实施例,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)
1.一种用于光伏电池板图像采集的相机过曝异常调节方法,其特征在于,该方法包含以下步骤:
采集光伏电池板的样本图像;
提取所述样本图像的像素点亮度与第一阈值作比较,若不小于第一阈值,判定所述样本图像疑似过曝,否则无过曝发生;
对所述疑似过曝的样本图像进行预处理,得到去除纹理细节的光伏电池板图象;
对所述光伏电池板图像进行轮廓识别,若所述轮廓符合预设的斑状过曝条件,判定所述图像为斑状过曝,所述轮廓为过曝区域;
对于不符合斑状过曝条件的光伏电池板图像,利用亮度阈值对其进行阈值分割,获取二值化区域分割图,若大于亮度阈值的区域的像素点总数不小于预设面积阈值,则判定为光侵蚀型过曝,该区域为过曝区域,否则判定为无过曝产生;
对于所述斑状过曝或者所述光侵蚀型过曝的光伏电池板图像,分析所述过曝区域的面积系数,结合所述过曝区域与所述光伏电池板图像之间的对比度,得到过曝影响度;
根据过曝种类、所述过曝面积系数、所述过曝区域的对比度、所述过曝影响度来调整相机参数及位姿,从而匹配最佳曝光度。
2.根据权利要求1所述的一种用于光伏电池板图像采集的相机过曝异常调节方法,其特征在于,所述过曝区域的面积系数是根据所述过曝区域的像素点数及其最小外接矩形尺寸而确定的,且与二者的比值呈正相关关系。
6.一种用于光伏电池板图像采集的相机过曝异常调节系统,其特征在于,包括:
图像获取单元,用于采集光伏电池板的样本图像;
过曝判定单元,包括疑似过曝判定模块、预处理模块、斑状过曝判定模块以及光侵蚀型过曝判定模块:
所述疑似过曝判定模块,用于提取所述样本图像的像素点亮度与第一阈值作比较,若不小于第一阈值,判定所述样本图像疑似过曝,否则无过曝发生;
所述预处理模块,用于对所述疑似过曝的样本图像进行预处理,得到去除纹理细节的光伏电池板图象;
所述斑状过曝判定模块,用于对所述光伏电池板图像进行轮廓识别,若所述轮廓符合预设的斑状过曝条件,判定所述图像为斑状过曝,所述轮廓为过曝区域;
所述光侵蚀型过曝判定模块,用于对于不符合斑状过曝条件的光伏电池板图像,利用亮度阈值对其进行阈值分割,获取二值化区域分割图,若大于亮度阈值的区域的像素点总数不小于预设面积阈值,则判定为光侵蚀型过曝,该区域为过曝区域,否则判定为无过曝产生;
过曝调节单元,包括过曝分析模块和曝光度调节模块:
所述过曝分析模块,用于对于所述斑状过曝或者所述光侵蚀型过曝的光伏电池板图像,分析所述过曝区域的面积系数,结合所述过曝区域与所述光伏电池板图像之间的对比度,得到过曝影响度;
所述曝光度调节模块,用于根据过曝种类、所述过曝面积系数、所述过曝区域的对比度、所述过曝影响度来调整相机参数及位姿,从而匹配最佳曝光度。
7.根据权利要求6所述的一种用于光伏电池板图像采集的相机过曝异常调节系统,其特征在于,所述过曝分析模块中,所述过曝区域的面积系数是根据所述过曝区域的像素点数及其最小外接矩形尺寸而确定的,且与二者的比值呈正相关关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011205597.5A CN112308843A (zh) | 2020-11-02 | 2020-11-02 | 用于光伏电池板图像采集的相机过曝异常调节方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011205597.5A CN112308843A (zh) | 2020-11-02 | 2020-11-02 | 用于光伏电池板图像采集的相机过曝异常调节方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112308843A true CN112308843A (zh) | 2021-02-02 |
Family
ID=74333732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011205597.5A Withdrawn CN112308843A (zh) | 2020-11-02 | 2020-11-02 | 用于光伏电池板图像采集的相机过曝异常调节方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112308843A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117129481A (zh) * | 2023-10-27 | 2023-11-28 | 南京华视智能科技股份有限公司 | 一种在锂电行业检测系统中光源改进的方法 |
CN117412032A (zh) * | 2023-12-13 | 2024-01-16 | 山东艾琳智能科技有限公司 | 一种基于大数据的智能图像采集系统 |
CN117422714A (zh) * | 2023-12-18 | 2024-01-19 | 大陆汽车电子(济南)有限公司 | 装配检测方法、设备和存储介质 |
-
2020
- 2020-11-02 CN CN202011205597.5A patent/CN112308843A/zh not_active Withdrawn
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117129481A (zh) * | 2023-10-27 | 2023-11-28 | 南京华视智能科技股份有限公司 | 一种在锂电行业检测系统中光源改进的方法 |
CN117129481B (zh) * | 2023-10-27 | 2023-12-29 | 南京华视智能科技股份有限公司 | 一种在锂电行业检测系统中光源改进的方法 |
CN117412032A (zh) * | 2023-12-13 | 2024-01-16 | 山东艾琳智能科技有限公司 | 一种基于大数据的智能图像采集系统 |
CN117412032B (zh) * | 2023-12-13 | 2024-03-26 | 山东科技职业学院 | 一种基于大数据的智能图像采集系统 |
CN117422714A (zh) * | 2023-12-18 | 2024-01-19 | 大陆汽车电子(济南)有限公司 | 装配检测方法、设备和存储介质 |
CN117422714B (zh) * | 2023-12-18 | 2024-03-29 | 大陆汽车电子(济南)有限公司 | 装配检测方法、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112308843A (zh) | 用于光伏电池板图像采集的相机过曝异常调节方法及系统 | |
CN108876768B (zh) | 导光板暗影缺陷检测方法 | |
US7639878B2 (en) | Shadow detection in images | |
CN112991302B (zh) | 基于超像素的柔性ic基板变色缺陷检测方法和装置 | |
CN109472788B (zh) | 一种飞机铆钉表面的伤痕检测方法 | |
CN117274113B (zh) | 基于图像增强的碎硅片清洗效果视觉检测方法 | |
CN113177924A (zh) | 一种工业流水线产品瑕疵检测方法 | |
CN115439494A (zh) | 用于喷雾机质检的喷雾图像处理方法 | |
CN112001906A (zh) | 一种结合非极大值抑制的钢板焊缝图像检测方法 | |
CN115274486B (zh) | 一种半导体表面缺陷识别方法 | |
Ma et al. | An automatic detection method of Mura defects for liquid crystal display | |
CN113971681A (zh) | 一种复杂环境下带式输送机边缘检测方法 | |
CN111563869B (zh) | 用于摄像模组质检的污点测试方法 | |
CN114155179A (zh) | 光源缺陷检测方法、装置、设备和存储介质 | |
CN111724375B (zh) | 一种屏幕检测方法及系统 | |
CN115841632A (zh) | 输电线路提取方法、装置以及双目测距方法 | |
CN114862786A (zh) | 基于Retinex图像增强和Ostu阈值分割的隔离带检测方法及系统 | |
CN114972084A (zh) | 一种图像对焦准确度评价方法及系统 | |
CN113674180A (zh) | 磨砂平面低对比度缺陷检测方法、装置、设备和存储介质 | |
CN113947602B (zh) | 一种图像亮度的检测方法及装置 | |
JP2003141550A (ja) | 位置検出方法 | |
CN112258548B (zh) | 基于改进ViBe算法的运动目标提取方法 | |
CN115187587B (zh) | 一种用于连锡检测的检测方法、成像系统 | |
Nguyen et al. | Automatic exposure compensation for line detection applications | |
CN112926676B (zh) | 一种虚假目标识别方法、装置及计算机设备 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210202 |
|
WW01 | Invention patent application withdrawn after publication |