CN112669306A - 一种基于显著图的太阳能电池片缺陷检测方法及系统 - Google Patents
一种基于显著图的太阳能电池片缺陷检测方法及系统 Download PDFInfo
- Publication number
- CN112669306A CN112669306A CN202110012218.9A CN202110012218A CN112669306A CN 112669306 A CN112669306 A CN 112669306A CN 202110012218 A CN202110012218 A CN 202110012218A CN 112669306 A CN112669306 A CN 112669306A
- Authority
- CN
- China
- Prior art keywords
- map
- brightness
- information value
- image
- value
- 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 85
- 238000001514 detection method Methods 0.000 title claims abstract description 55
- 238000010586 diagram Methods 0.000 claims abstract description 75
- 238000000605 extraction Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 abstract description 27
- 210000004027 cell Anatomy 0.000 description 83
- 238000012545 processing Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000002950 deficient Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000005424 photoluminescence Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000003850 cellular structure Anatomy 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000002503 electroluminescence detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000000241 photoluminescence detection Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Photovoltaic Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于显著图的太阳能电池片缺陷检测方法及系统,涉及太阳能电池缺陷检测领域,方法包括:获取太阳能电池片的图像数据;将图像数据进行亮度特征提取,生成图像的亮度特征图;根据亮度特征图确定图像的色彩特征图;根据亮度特征图确定图像的方向特征图;将亮度特征图、色彩特征图和方向特征图进行叠加得到图像的显著图;判断显著图的显著区域是否大于设定阈值,得到第一判断结果;若第一判断结果表示为是,则确定显著图对应的太阳能电池片存在缺陷问题,缺陷问题包括:太阳能电池片存在色斑、太阳能电池片存在色差和太阳能电池片存在色差缺栅。本发明能够实现对太阳能电池片进行全面的缺陷检测。
Description
技术领域
本发明涉及太阳能电池缺陷检测领域,特别是涉及一种基于显著图的太阳能电池片缺陷检测方法及系统。
背景技术
虽然太阳能电池具有成本低、电池使用寿命长、无公害等优点,但生产太阳能电池片的过程中由于材料和制作工艺等因素,生产的产品中可能有断角、缺栅、色斑或颜色不均等缺陷。若电池片有断角缺栅断线等缺陷则可能会直接成为废品,而电池片若有色差问题则直接影响的是电池片的光电转换效率。当有色差的太阳能电池片与正常合格品放在一起使用时将会影响整体的光电转换效率,所以在太阳能电池片生产后,还要按照同样的颜色标准进行检测。
根据对国内外相关研究的参考,基于不同缺陷类型,一些检测方法被提出。根据该检测方法是否需要通电,可大概分为通电检测和非通电检测;或根据主要检测的缺陷类型的不同可以大概分为电致发光检测、光致发光检测、红外测量等方法。
EL(电致发光)适用于检测电池片电不均匀性缺陷,这种不均匀性是由内在缺陷(如晶界,位错,分流或其他过程缺陷)和外在的缺陷(如裂隙或间断接触)引起的。但是,EL测试的劣势为不是总能确定某些缺陷的成因细节。且该方法是接触式的,效率低。
PL(光致发光)测量可用于在整个太阳能电池制造过程中的缺陷检测,且PL测量有助于研究由材料缺陷或接触问题引起的太阳能电池功率损耗问题。相比EL图像,PL光致发光成像的优势是,即接触故障不会影响光致发光图像的对比度。
IR(红外测量)适用于检测一些缺陷,如太阳能电池的短路,分流,不活跃的电池部件或湿气等。但是研究表明并不是所有缺陷都会导致电池温度的升高,而且正常太阳能电池片的红外图像有时也有热区。实验表明这不是由于缺陷导致的,而是有较高的功率损耗导致的。IR的另一缺点是不能检测出所有的缺陷,因为缺陷的成因并不总是位于识别出的高温区域。
AmirHosseinAghamohammadi等人提出的太阳能电池板采用粒子群优化算法的裂纹检测。该论文提出了一种自动检测系统的基础上的图像处理方法,通过太阳能电池板的应用程序用以检测可能会出现在电池片表面上的裂缝。其所提出的粒子群优化算法主要用于太阳能电池板的边缘检测。随后,使用模糊逻辑的母线位置,在分类缺陷产品和裂缝的基础上对裂纹和母线进行提取。具体主要体现在,现有方法能够识别太阳能电池片图像中的裂纹及边缘轮廓等特征。但该方法只能检测电池片裂纹、断角等缺陷,对于如色斑,水纹印以及色差等缺陷进行检测时效果不好。
显著图是在视觉环境中表明物体显著性的一种二维图像。当观察一张非纯色的图像时,人的视觉一般会在某些区域先进行观察,这些区域往往是一些相比于周围画面更突出的区域。将较之周围环境突出的区域和观察者感兴趣的区域称之为显著区域。在应用方面,目前该研究主要集中在对网页设计及平面设计的设计效果提供用户反馈,以及少量的交互系统中的应用。
因此,如何把显著图技术有效的应用到太阳能电池片的缺陷检测领域是一个较新的研究方向。
发明内容
本发明的目的是提供一种基于显著图的太阳能电池片缺陷检测方法及系统,以实现对太阳能电池片进行全面的缺陷检测。
为实现上述目的,本发明提供了如下方案:
一种基于显著图的太阳能电池片缺陷检测方法,包括:
获取太阳能电池片的图像数据;
将所述图像数据进行亮度特征提取,生成所述图像的亮度特征图;
根据所述亮度特征图确定所述图像的色彩特征图;
根据所述亮度特征图确定所述图像的方向特征图;
将所述亮度特征图、所述色彩特征图和所述方向特征图进行叠加得到所述图像的显著图;
判断所述显著图的显著区域是否大于设定阈值,得到第一判断结果;
若所述第一判断结果表示为是,则确定所述显著图对应的太阳能电池片存在缺陷问题,所述缺陷问题包括:所述太阳能电池片存在色斑、所述太阳能电池片存在色差和所述太阳能电池片存在缺栅。
可选的,所述将所述图像数据进行亮度特征提取,生成所述图像的亮度特征图,具体包括:
将所述图像数据输入高斯金字塔模型进行亮度特征提取,确定所述图像的每个像素点的亮度;
根据所述图像的每个像素点的亮度进行拼合生成所述图像的亮度特征图。
可选的,所述根据所述亮度特征图确定所述图像的色彩特征图,具体包括:
判断所述亮度特征图上像素点的灰度值是否小于设定灰度值,得到第二判断结果;其中,所述设定灰度值为所述亮度特征图中最大灰度值的设定倍数;
若所述第二判断结果为否,则利用灰度值对应像素点的三原色值更新灰度值对应像素点的红色信息值、绿色信息值和蓝色信息值;
根据更新后的红色信息值、绿色信息值和蓝色信息值确定RG特征图;
根据更新后的红色信息值、绿色信息值和蓝色信息值确定BY特征图。
可选的,所述根据所述亮度特征图确定所述图像的方向特征图,具体包括:
将所述亮度特征图输入filter2D滤波器进行滤波,得到0°方向特征图、45°方向特征图、90°方向特征图和135°方向特征图。
可选的,所述利用灰度值对应像素点的三原色值更新灰度值对应像素点的红色信息值、绿色信息值和蓝色信息值,具体包括:
根据如下公式更新红色信息值、绿色信息值和蓝色信息值:
r=3R/(R+G+B)
g=3G/(R+G+B)
b=3B/(R+G+B)
其中,r为红色信息值,g为绿色信息值,b为蓝色信息值,R为三原色值中的红色值,G为三原色值中的绿色值,B为三原色值中的蓝色值。
一种基于显著图的太阳能电池片缺陷检测系统,包括:
图像数据获取模块,用于获取太阳能电池片的图像数据;
亮度特征图生成模块,用于将所述图像数据进行亮度特征提取,生成所述图像的亮度特征图;
色彩特征图确定模块,用于根据所述亮度特征图确定所述图像的色彩特征图;
方向特征图确定模块,用于根据所述亮度特征图确定所述图像的方向特征图;
显著图确定模块,用于将所述亮度特征图、所述色彩特征图和所述方向特征图进行叠加得到所述图像的显著图;
第一判断模块,用于判断所述显著图的显著区域是否大于设定阈值,得到第一判断结果;
缺陷问题确定模块,用于当所述第一判断结果表示为是时,确定所述显著图对应的太阳能电池片存在缺陷问题,所述缺陷问题包括:所述太阳能电池片存在色斑、所述太阳能电池片存在色差和所述太阳能电池片存在缺栅。
可选的,所述亮度特征图生成模块,具体包括:
亮度确定单元,用于将所述图像数据输入高斯金字塔模型进行亮度特征提取,确定所述图像的每个像素点的亮度;
亮度特征图生成单元,用于根据所述图像的每个像素点的亮度进行拼合生成所述图像的亮度特征图。
可选的,所述色彩特征图确定模块,具体包括:
第二判断单元,用于判断所述亮度特征图上像素点的灰度值是否小于设定灰度值,得到第二判断结果;其中,所述设定灰度值为所述亮度特征图中最大灰度值的设定倍数;
更新单元,用于当所述第二判断结果为否时,利用灰度值对应像素点的三原色值更新灰度值对应像素点的红色信息值、绿色信息值和蓝色信息值;
RG特征图确定单元,用于根据更新后的红色信息值、绿色信息值和蓝色信息值确定RG特征图;
BY特征图确定单元,用于根据更新后的红色信息值、绿色信息值和蓝色信息值确定BY特征图。
可选的,所述方向特征图确定模块,具体包括:
方向特征图确定单元,用于将所述亮度特征图输入filter2D滤波器进行滤波,得到0°方向特征图、45°方向特征图、90°方向特征图和135°方向特征图。
可选的,所述更新单元,具体包括:
更新子单元,用于根据如下公式更新红色信息值、绿色信息值和蓝色信息值:
r=3R/(R+G+B)
g=3G/(R+G+B)
b=3B/(R+G+B)
其中,r为红色信息值,g为绿色信息值,b为蓝色信息值,R为三原色值中的红色值,G为三原色值中的绿色值,B为三原色值中的蓝色值。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供一种基于显著图的太阳能电池片缺陷检测方法及系统,通过对太阳能电池片的图像数据进行处理,得到太阳能电池片的显著图,在显著图的生成过程中,考虑了色彩、亮度和方向的特征,有利于检测太阳能电池片的色斑、色差、颜色不均和断栅的缺陷。利用显著图对太阳能电池片的缺陷进行检测,能够实现更加全面的检测。基于显著图进行非接触式的检测,弥补了现有非接触检测方法中对部分缺陷特征,如色斑、色差检测效果的不足,提高检测效果。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于显著图的太阳能电池片缺陷检测方法流程图;
图2为本发明基于显著图的太阳能电池片缺陷检测方法流程示意图;
图3为本发明基于显著图的太阳能电池片缺陷检测方法亮度特征图生成流程图;
图4为本发明基于显著图的太阳能电池片缺陷检测方法色彩特征图生成流程图;
图5为本发明基于显著图的太阳能电池片缺陷检测方法方向特征图生成流程图;
图6为本发明基于显著图的太阳能电池片缺陷检测系统示意图。
具体实施方式
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。
本发明的目的是提供一种基于显著图的太阳能电池片缺陷检测方法及系统,以实现对太阳能电池片进行全面的缺陷检测。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供的一种基于显著图的太阳能电池片缺陷检测方法,包括:
步骤101:获取太阳能电池片的图像数据。
步骤102:将所述图像数据进行亮度特征提取,生成所述图像的亮度特征图。
其中,步骤102,具体包括:
将所述图像数据输入高斯金字塔模型进行亮度特征提取,确定所述图像的每个像素点的亮度。
根据所述图像的每个像素点的亮度进行拼合生成所述图像的亮度特征图。
步骤103:根据所述亮度特征图确定所述图像的色彩特征图。
其中,步骤103,具体包括:
判断所述亮度特征图上像素点的灰度值是否小于设定灰度值,得到第二判断结果;其中,所述设定灰度值为所述亮度特征图中最大灰度值的设定倍数。
若所述第二判断结果为否,则利用灰度值对应像素点的三原色值更新灰度值对应像素点的红色信息值、绿色信息值和蓝色信息值。其中,所述利用灰度值对应像素点的三原色值更新灰度值对应像素点的红色信息值、绿色信息值和蓝色信息值,具体包括:
根据如下公式更新红色信息值、绿色信息值和蓝色信息值:
r=3R/(R+G+B)
g=3G/(R+G+B)
b=3B/(R+G+B)
其中,r为红色信息值,g为绿色信息值,b为蓝色信息值,R为三原色值中的红色值,G为三原色值中的绿色值,B为三原色值中的蓝色值。
根据更新后的红色信息值、绿色信息值和蓝色信息值确定RG特征图;
根据更新后的红色信息值、绿色信息值和蓝色信息值确定BY特征图。
若所述第二判断结果为是,则结束色彩特征提取。
步骤104:根据所述亮度特征图确定所述图像的方向特征图。其中,步骤104,具体包括:将所述亮度特征图输入filter2D滤波器进行滤波,得到0°方向特征图、45°方向特征图、90°方向特征图和135°方向特征图。
步骤105:将所述亮度特征图、所述色彩特征图和所述方向特征图进行叠加得到所述图像的显著图。
步骤106:判断所述显著图的显著区域是否大于设定阈值,得到第一判断结果;若所述第一判断结果表示为是,则执行步骤107,若所述第一判断结果表示为否,则返回步骤101。
步骤107:确定所述显著图对应的太阳能电池片存在缺陷问题,所述缺陷问题包括:所述太阳能电池片存在色斑、所述太阳能电池片存在色差和所述太阳能电池片存在缺栅。
如图2所示,本发明的目的是改良现有的基于图像的太阳能电池片缺陷检测方法,完全实现根据电池片的图像采集结果,充分考虑周围环境的各种因素对识别效果的影响,将亮度、色彩和方向性等因素相结合,提供一种基于显著图的太阳能电池片缺陷检测方法的具体检测方式,步骤如下:
(1)首先通过图像传感器采集生产线传输带上的太阳能电池片图像数据,并将图像数据进行初步筛选,筛选的目的是选择获取完整电池片图像的数据。如果所采集图像不符合要求则重新采集,其中主要采用边缘检测的方法进行初步筛选。
(2)将步骤(1)采集到的图像数据进行显著图预处理。预处理过程中依照图像的像素建立高斯金字塔模型(9层),并对每层图像中各像素的RGB(红绿蓝三色)进行数值提取,提取的值按照求数值平均的方法计算出该位置的亮度。最后将所有的亮度值拼合为图像的亮度特征图。
(3)对于步骤(2)中所得到的亮度特征图,其中的亮度特征图为灰度图,通过RG=R-G,BY=B-Y(其中RGBY分别为该像素位置的红绿蓝黄的数字值)的方法计算出RG和BY,即红和绿的色差以及蓝和黄的色差,二者再共同构成步骤(1)中被采集电池片图像的色彩特征图。
(4)对于步骤(2)中所得到的亮度特征图,通过调用OpenCV开源图像处理库中的filter2D函数(该函数可以使用自定义内核对输入图像进行卷积,尖锐图像求边缘),从而获取各像素在0°,45°,90°和135°四个方向上的方向特征图。
(5)利用上述步骤(2)、(3)、(4)中所获得的亮度、色彩和方向等三个特征图,调用图像叠加函数将其叠加,叠加后的图像作为步骤(1)所采集的太阳能电池片的显著图,亮度、色彩和方向特征图都为灰度图,显著图也为灰度图,显著图中的灰度值更大的区域为显著区域。
(6)若计算结果的显著图的显著区域较大,且与周围像素位置的差值较大,即大于设定阈值,则判定该图像所对应电池片存在色差、色斑等问题,并作为问题产品暂时分选出来等待做进一步处理。
步骤(1)中所调取的摄像头为安装在太阳能电池片生产线上方的普通图像采集设备,电池片经过摄像头下方时图像被采集,采集到的图像做为显著图处理程序的输入图像,输入图像经过显著图的图像处理程序处理后,对处理结果进行阈值判定,超过阈值时判定为该电池片存在缺陷,需要进行人工或进一步的自动化处理。低于阈值时返回进行下一个的电池片图像采集。其中此处的阈值是依据前期参考现有具有缺陷的电池片进行数据提取获得并设定。图中的显著图处理部分主要包括三部分内容,即色彩特征提取、亮度特征提取和方向性特征提取。
亮度特征提取主要是考虑到缺陷电池片所存在的色斑。电池片的色斑问题会导致缺陷电池片与其他电池片共同工作时的一致性变差,进而影响光伏组件或光伏阵列整体性能,严重时会产生热斑现象导致局部发热甚至火灾。过程中的亮度特征提取如图3所示:
输入图像为电池片原始采集图像,高斯金字塔模型共9层,第0层是输入图像,第1到8层是5*5的高斯滤波器对上一层图像进行线性滤波采样得到。大小为上一层图像的1/2n。利用中心边缘算法计算每个亮度特征,中心采用细致标度边缘采用粗糙标度。将某一点作为中心,该点的像素相当于金字塔比例C={2,3,4}而周围区域的比例为s=c+d,d={3,4},所以每个特征就会产生6个特征图,其中,d表示由中心点c确定的周围区域的范围,也可以理解为以c为中心的扩展半径。比如这里需要检测高亮度,但特殊情况如该像素点为噪声点,只有该点亮度高,则这种情况下该点不应被确认为高亮度。加入扩展半径同时对边缘进行检测的方法可以避免该点被误认为是高亮度点。R、G、B分别代表图像的三原色值。I为各像素所对应的亮度特征值。亮度高斯金字塔I(σ)σ属于(0,8),σ是尺度参数。然后由RGB表示输入图像的三个通道,即图像亮度I=(R+B+G)/3。
色彩特征提取主要是考虑到缺陷电池片所存在的色差。电池片若有色差问题则直接影响的是电池片的光电转换效率。当有色差的太阳能电池片与正常合格品放在一起使用时将会影响整体的光电转换效率,所以在太阳能电池片生产后,还要按照同样的颜色标准进行检测。色差出现的原因主要是电池片在加减反射膜的过程中出现的,常见的电池片一般为深蓝色或蓝色。常见的色差主要为黄色、褐色或浅紫色。过程中的色彩特征提取如图4所示:
对亮度特征图(灰度图)进行处理,提取出一张RG特征图和一张BY特征图。该过程中金字塔的作用是进行图像分割,用多分辨率下该图像的不同特征来解释图像的特征概念结构。图4所示具体内容为首先输入之前处理过的亮度特征图,然后判断图上所有点的值是否小于最大值的0.1倍,若小于则结束该模块;若大于或等于则重新定义每一点的rgb值,且g值和b值同样算法。再通过下面四个公式计算,最后令RG=R-G,BY=B-Y得出RG颜色特征图和BY颜色特征图。
R=(r-(g+b))/2
G=(g-(b+r))/2
B=(b-(r+g))/2
Y=((r+g))/2-abs(r-g)/(2-b)
其中,r、g、b分别代表当图上所有点的值大于最大值的0.1倍时对每个像素点的红色、绿色和蓝色信息值重新定义值(目的是使局部特征突出),abs为取绝对值,R、G、B、Y分别代表高斯金字塔各层上的红绿蓝黄值。上面的RG、BY分别代表红绿和蓝黄的差值。
方向特征提取主要是考虑到缺陷电池片所存在的缺栅和颜色不均。缺栅会导致电池片局部区域无法正常工作。颜色不均同样会导致电池片性能一致性下降。过程中的色彩特征提取如图5所示:
对亮度特征图进行处理,提取出四张方向特征图,分别是0°方向特征图、45°方向特征图、90°方向特征图和135°方向特征图。如图5所示具体内容为先输入刚处理过的亮度特征图,然后通过filter2D滤波器就可分别提取出四个不同方向的特征图。由于信号或图像的能量平常集中在幅度谱的低中频段,所以有必要对图像进行滤波,且目的为抑制较高频段的噪声对该频段有用信息的影响。Filter2D滤波器的功能为得出四个方向的特征图。
其中,获取亮度特征图、色彩特征图和方向特征图中所采用的高斯金字塔模型是一样的。这些模型是现有技术,属于经典通用图像处理方法。高斯金字塔是通过高斯平滑和亚采样获得一些列下采样图像,也就是说第K层高斯金字塔通过平滑、亚采样就可以获得K+1层高斯图像,高斯金字塔包含了一系列低通滤波器,其截至频率从上一层到下一层是以因子2逐渐增加,所以高斯金字塔可以跨越很大的频率范围。
本发明提供的基于显著图的太阳能电池片缺陷检测方法,物理层面上,为使得系统具有广泛的推广可能,利用普通的摄像头对太阳能电池片图像信息进行数据采集。为实现对系统有效性和可靠性的验证。在显著图的计算方面,基于图像的亮度,色彩以及像素方向性,设计针对各因素赋予不同权值的计算方法。解决现有方法在某些特殊情况下不适用的问题。
如图6所示,本发明提供的一种基于显著图的太阳能电池片缺陷检测系统,包括:
图像数据获取模块601,用于获取太阳能电池片的图像数据。
亮度特征图生成模块602,用于将所述图像数据进行亮度特征提取,生成所述图像的亮度特征图。
色彩特征图确定模块603,用于根据所述亮度特征图确定所述图像的色彩特征图。
方向特征图确定模块604,用于根据所述亮度特征图确定所述图像的方向特征图。
显著图确定模块605,用于将所述亮度特征图、所述色彩特征图和所述方向特征图进行叠加得到所述图像的显著图。
第一判断模块606,用于判断所述显著图的显著区域是否大于设定阈值,得到第一判断结果。
缺陷问题确定模块607,用于当所述第一判断结果表示为是时,确定所述显著图对应的太阳能电池片存在缺陷问题,所述缺陷问题包括:所述太阳能电池片存在色斑、所述太阳能电池片存在色差和所述太阳能电池片存在缺栅。
其中,所述亮度特征图生成模块602,具体包括:
亮度确定单元,用于将所述图像数据输入高斯金字塔模型进行亮度特征提取,确定所述图像的每个像素点的亮度。
亮度特征图生成单元,用于根据所述图像的每个像素点的亮度进行拼合生成所述图像的亮度特征图。
其中,所述色彩特征图确定模块603,具体包括:
第二判断单元,用于判断所述亮度特征图上像素点的灰度值是否小于设定灰度值,得到第二判断结果;其中,所述设定灰度值为所述亮度特征图中最大灰度值的设定倍数。
更新单元,用于当所述第二判断结果为否时,利用灰度值对应像素点的三原色值更新灰度值对应像素点的红色信息值、绿色信息值和蓝色信息值。其中,所述更新单元,具体包括:更新子单元,用于根据如下公式更新红色信息值、绿色信息值和蓝色信息值:
r=3R/(R+G+B)
g=3G/(R+G+B)
b=3B/(R+G+B)
其中,r为红色信息值,g为绿色信息值,b为蓝色信息值,R为三原色值中的红色值,G为三原色值中的绿色值,B为三原色值中的蓝色值。
RG特征图确定单元,用于根据更新后的红色信息值、绿色信息值和蓝色信息值确定RG特征图。
BY特征图确定单元,用于根据更新后的红色信息值、绿色信息值和蓝色信息值确定BY特征图。
其中,所述方向特征图确定模块604,具体包括:
方向特征图确定单元,用于将所述亮度特征图输入filter2D滤波器进行滤波,得到0°方向特征图、45°方向特征图、90°方向特征图和135°方向特征图。
本发明在太阳能电池片的生产线上方安装图像采集装置,实时采集电池片图像,采集的图像被发送至计算机进行图像处理,根据图像处理结果参考缺陷电池片数据库进行筛选,最终目的是自动将具有缺陷的太阳能电池片分选出来。优势在于,非接触式:采用基于图像的缺陷检测方法,效率高且设备简单。通过电池片图像的显著图方法处理,能够更加全面的对缺陷进行检测。显著图作为太阳能电池片的图像处理方法,显著图计算过程中充分考虑了色彩、亮度和方向等各因素,有利于检测太阳能电池片的色斑、色差、颜色不均及断栅等缺陷,基于显著图的太阳能电池片缺陷检测方法实现了非接触检测,且弥补了现有非接触检测方法中对部分缺陷特征(如:色斑、色差)等检测效果不理想的不足。从而适合于工厂生产自动化的非接触式检测。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于显著图的太阳能电池片缺陷检测方法,其特征在于,包括:
获取太阳能电池片的图像数据;
将所述图像数据进行亮度特征提取,生成所述图像的亮度特征图;
根据所述亮度特征图确定所述图像的色彩特征图;
根据所述亮度特征图确定所述图像的方向特征图;
将所述亮度特征图、所述色彩特征图和所述方向特征图进行叠加得到所述图像的显著图;
判断所述显著图的显著区域是否大于设定阈值,得到第一判断结果;
若所述第一判断结果表示为是,则确定所述显著图对应的太阳能电池片存在缺陷问题,所述缺陷问题包括:所述太阳能电池片存在色斑、所述太阳能电池片存在色差和所述太阳能电池片存在缺栅。
2.根据权利要求1所述的基于显著图的太阳能电池片缺陷检测方法,其特征在于,所述将所述图像数据进行亮度特征提取,生成所述图像的亮度特征图,具体包括:
将所述图像数据输入高斯金字塔模型进行亮度特征提取,确定所述图像的每个像素点的亮度;
根据所述图像的每个像素点的亮度进行拼合生成所述图像的亮度特征图。
3.根据权利要求1所述的基于显著图的太阳能电池片缺陷检测方法,其特征在于,所述根据所述亮度特征图确定所述图像的色彩特征图,具体包括:
判断所述亮度特征图上像素点的灰度值是否小于设定灰度值,得到第二判断结果;其中,所述设定灰度值为所述亮度特征图中最大灰度值的设定倍数;
若所述第二判断结果为否,则利用灰度值对应像素点的三原色值更新灰度值对应像素点的红色信息值、绿色信息值和蓝色信息值;
根据更新后的红色信息值、绿色信息值和蓝色信息值确定RG特征图;
根据更新后的红色信息值、绿色信息值和蓝色信息值确定BY特征图。
4.根据权利要求1所述的基于显著图的太阳能电池片缺陷检测方法,其特征在于,所述根据所述亮度特征图确定所述图像的方向特征图,具体包括:
将所述亮度特征图输入filter2D滤波器进行滤波,得到0°方向特征图、45°方向特征图、90°方向特征图和135°方向特征图。
5.根据权利要求3所述的基于显著图的太阳能电池片缺陷检测方法,其特征在于,所述利用灰度值对应像素点的三原色值更新灰度值对应像素点的红色信息值、绿色信息值和蓝色信息值,具体包括:
根据如下公式更新红色信息值、绿色信息值和蓝色信息值:
r=3R/(R+G+B)
g=3G/(R+G+B)
b=3B/(R+G+B)
其中,r为红色信息值,g为绿色信息值,b为蓝色信息值,R为三原色值中的红色值,G为三原色值中的绿色值,B为三原色值中的蓝色值。
6.一种基于显著图的太阳能电池片缺陷检测系统,其特征在于,包括:
图像数据获取模块,用于获取太阳能电池片的图像数据;
亮度特征图生成模块,用于将所述图像数据进行亮度特征提取,生成所述图像的亮度特征图;
色彩特征图确定模块,用于根据所述亮度特征图确定所述图像的色彩特征图;
方向特征图确定模块,用于根据所述亮度特征图确定所述图像的方向特征图;
显著图确定模块,用于将所述亮度特征图、所述色彩特征图和所述方向特征图进行叠加得到所述图像的显著图;
第一判断模块,用于判断所述显著图的显著区域是否大于设定阈值,得到第一判断结果;
缺陷问题确定模块,用于当所述第一判断结果表示为是时,确定所述显著图对应的太阳能电池片存在缺陷问题,所述缺陷问题包括:所述太阳能电池片存在色斑、所述太阳能电池片存在色差和所述太阳能电池片存在缺栅。
7.根据权利要求6所述的基于显著图的太阳能电池片缺陷检测系统,其特征在于,所述亮度特征图生成模块,具体包括:
亮度确定单元,用于将所述图像数据输入高斯金字塔模型进行亮度特征提取,确定所述图像的每个像素点的亮度;
亮度特征图生成单元,用于根据所述图像的每个像素点的亮度进行拼合生成所述图像的亮度特征图。
8.根据权利要求6所述的基于显著图的太阳能电池片缺陷检测系统,其特征在于,所述色彩特征图确定模块,具体包括:
第二判断单元,用于判断所述亮度特征图上像素点的灰度值是否小于设定灰度值,得到第二判断结果;其中,所述设定灰度值为所述亮度特征图中最大灰度值的设定倍数;
更新单元,用于当所述第二判断结果为否时,利用灰度值对应像素点的三原色值更新灰度值对应像素点的红色信息值、绿色信息值和蓝色信息值;
RG特征图确定单元,用于根据更新后的红色信息值、绿色信息值和蓝色信息值确定RG特征图;
BY特征图确定单元,用于根据更新后的红色信息值、绿色信息值和蓝色信息值确定BY特征图。
9.根据权利要求6所述的基于显著图的太阳能电池片缺陷检测系统,其特征在于,所述方向特征图确定模块,具体包括:
方向特征图确定单元,用于将所述亮度特征图输入filter2D滤波器进行滤波,得到0°方向特征图、45°方向特征图、90°方向特征图和135°方向特征图。
10.根据权利要求8所述的基于显著图的太阳能电池片缺陷检测系统,其特征在于,所述更新单元,具体包括:
更新子单元,用于根据如下公式更新红色信息值、绿色信息值和蓝色信息值:
r=3R/(R+G+B)
g=3G/(R+G+B)
b=3B/(R+G+B)
其中,r为红色信息值,g为绿色信息值,b为蓝色信息值,R为三原色值中的红色值,G为三原色值中的绿色值,B为三原色值中的蓝色值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110012218.9A CN112669306A (zh) | 2021-01-06 | 2021-01-06 | 一种基于显著图的太阳能电池片缺陷检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110012218.9A CN112669306A (zh) | 2021-01-06 | 2021-01-06 | 一种基于显著图的太阳能电池片缺陷检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112669306A true CN112669306A (zh) | 2021-04-16 |
Family
ID=75413167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110012218.9A Pending CN112669306A (zh) | 2021-01-06 | 2021-01-06 | 一种基于显著图的太阳能电池片缺陷检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112669306A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113192857A (zh) * | 2021-04-20 | 2021-07-30 | 山西潞安太阳能科技有限责任公司 | 一种判断晶硅太阳能电池片失效的方法 |
CN113714150A (zh) * | 2021-11-02 | 2021-11-30 | 晶科能源(海宁)有限公司 | 太阳能电池的分选方法及光伏组件 |
CN117522869A (zh) * | 2024-01-04 | 2024-02-06 | 苏州镁伽科技有限公司 | 图像处理方法和缺陷检测方法、系统、电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103247059A (zh) * | 2013-05-27 | 2013-08-14 | 北京师范大学 | 一种基于整数小波与视觉特征的遥感图像感兴趣区检测方法 |
CN103871053A (zh) * | 2014-02-25 | 2014-06-18 | 苏州大学 | 一种基于视觉显著性的布匹瑕疵检测方法 |
CN103996185A (zh) * | 2014-04-29 | 2014-08-20 | 重庆大学 | 一种基于注意力td-bu机制的图像分割方法 |
CN107437247A (zh) * | 2017-07-26 | 2017-12-05 | 广州慧扬健康科技有限公司 | 基于视觉显著图的医学影像病灶定位系统 |
CN110008969A (zh) * | 2019-04-15 | 2019-07-12 | 京东方科技集团股份有限公司 | 图像显著性区域的检测方法和装置 |
CN111444929A (zh) * | 2020-04-01 | 2020-07-24 | 北京信息科技大学 | 一种基于模糊神经网络的显著图计算方法及系统 |
CN112001445A (zh) * | 2020-08-25 | 2020-11-27 | 长沙理工大学 | 基于显著性分支特征融合的细粒度图像分类方法及系统 |
-
2021
- 2021-01-06 CN CN202110012218.9A patent/CN112669306A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103247059A (zh) * | 2013-05-27 | 2013-08-14 | 北京师范大学 | 一种基于整数小波与视觉特征的遥感图像感兴趣区检测方法 |
CN103871053A (zh) * | 2014-02-25 | 2014-06-18 | 苏州大学 | 一种基于视觉显著性的布匹瑕疵检测方法 |
CN103996185A (zh) * | 2014-04-29 | 2014-08-20 | 重庆大学 | 一种基于注意力td-bu机制的图像分割方法 |
CN107437247A (zh) * | 2017-07-26 | 2017-12-05 | 广州慧扬健康科技有限公司 | 基于视觉显著图的医学影像病灶定位系统 |
CN110008969A (zh) * | 2019-04-15 | 2019-07-12 | 京东方科技集团股份有限公司 | 图像显著性区域的检测方法和装置 |
CN111444929A (zh) * | 2020-04-01 | 2020-07-24 | 北京信息科技大学 | 一种基于模糊神经网络的显著图计算方法及系统 |
CN112001445A (zh) * | 2020-08-25 | 2020-11-27 | 长沙理工大学 | 基于显著性分支特征融合的细粒度图像分类方法及系统 |
Non-Patent Citations (2)
Title |
---|
沈凌云: "基于视觉注意机制的图像分割方法研究", 《中国博士学位论文全文数据库信息科技辑》, no. 2015, pages 138 - 80 * |
秦文丽: "基于图像识别的太阳能电池片缺陷检测", 《设备管理与维修》, vol. 2017, no. 18, pages 28 - 31 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113192857A (zh) * | 2021-04-20 | 2021-07-30 | 山西潞安太阳能科技有限责任公司 | 一种判断晶硅太阳能电池片失效的方法 |
CN113192857B (zh) * | 2021-04-20 | 2023-05-12 | 山西潞安太阳能科技有限责任公司 | 一种判断晶硅太阳能电池片失效的方法 |
CN113714150A (zh) * | 2021-11-02 | 2021-11-30 | 晶科能源(海宁)有限公司 | 太阳能电池的分选方法及光伏组件 |
CN117522869A (zh) * | 2024-01-04 | 2024-02-06 | 苏州镁伽科技有限公司 | 图像处理方法和缺陷检测方法、系统、电子设备 |
CN117522869B (zh) * | 2024-01-04 | 2024-03-19 | 苏州镁伽科技有限公司 | 图像处理方法和缺陷检测方法、系统、电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN102175700B (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
CN106770362A (zh) | 基于aoi的宏观缺陷检测装置及方法 | |
CN112164048B (zh) | 一种基于深度学习的磁瓦表面缺陷自动检测方法和装置 | |
CN108961154B (zh) | 基于改进非下采样轮廓波变换的太阳电池热斑检测方法 | |
CN109345586A (zh) | 基于紫外成像技术的电气设备放电特征提取方法 | |
CN111597941B (zh) | 一种面向大坝缺陷图像的目标检测方法 | |
CN102901735B (zh) | 利用计算机对工件缺损、裂变、变形进行自动检测的系统 | |
CN106228541A (zh) | 视觉检测中屏幕定位的方法及装置 | |
CN105223208B (zh) | 一种电路板检测模板及其制作方法、电路板检测方法 | |
CN107977959B (zh) | 一种适用于电力作业机器人的呼吸器状态识别方法 | |
CN115908354A (zh) | 一种基于双尺度策略和改进的yolov5网络的光伏面板缺陷检测方法 | |
CN112541478A (zh) | 一种基于双目摄像头的绝缘子串污损检测方法及系统 | |
CN115393747A (zh) | 一种基于深度学习的光伏故障检测方法 | |
Guerriero et al. | Automatic edge identification for accurate analysis of thermographic images of solar panels | |
Pathak et al. | Evaluation of effect of pre-processing techniques in solar panel fault detection | |
Rodriguez et al. | Segmentation and error detection of PV modules | |
CN105374029A (zh) | 变电站设备红外图像感兴趣区域的分割方法及系统 | |
CN117456371B (zh) | 一种组串热斑检测方法、装置、设备及介质 | |
CN116485802B (zh) | 一种绝缘子闪络缺陷检测方法、装置、设备及存储介质 | |
CN110766675B (zh) | 太阳能电池板缺陷检测方法 | |
CN117132551A (zh) | 一种双输入特征差分的复杂花纹瓷砖表面检测方法 | |
Tribak et al. | Remote solar panels identification based on patterns localization | |
CN111833309B (zh) | 一种光伏电池片检测方法及装置 | |
CN101915546B (zh) | 太阳能芯片的抗反射层的检测方法及检测装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210416 |