CN112903701A - 一种太阳能电池板表面缺陷自动检测系统 - Google Patents

一种太阳能电池板表面缺陷自动检测系统 Download PDF

Info

Publication number
CN112903701A
CN112903701A CN202110082393.5A CN202110082393A CN112903701A CN 112903701 A CN112903701 A CN 112903701A CN 202110082393 A CN202110082393 A CN 202110082393A CN 112903701 A CN112903701 A CN 112903701A
Authority
CN
China
Prior art keywords
module
image
solar cell
cell panel
light source
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Withdrawn
Application number
CN202110082393.5A
Other languages
English (en)
Inventor
崔跃利
陈志刚
叶剑超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Taizhou University
Original Assignee
Taizhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Taizhou University filed Critical Taizhou University
Priority to CN202110082393.5A priority Critical patent/CN112903701A/zh
Publication of CN112903701A publication Critical patent/CN112903701A/zh
Withdrawn legal-status Critical Current

Links

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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • 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
    • G01N21/8806—Specially adapted optical and illumination features
    • 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N2021/0181—Memory or computer-assisted visual determination
    • 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
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8861—Determining coordinates of flaws
    • 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
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/888—Marking defects
    • 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

  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Photovoltaic Devices (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种太阳能电池板表面缺陷自动检测系统，涉及太阳能电池板检测技术领域，包括输送模块、信号触发模块、光源模块、图像采集模块、控制模块、执行模块和图像处理模块，所述信号触发模块转配于所述输送模块内，且所述光源模块和所述图像采集模块位于所述信号触发模块的上方，所述图像采集模块、所述控制模块和执行模块分别与所述图像处理模块连接。本发明通过利用机器视觉对当前采集的待检图像进行图像处理，根据所提取的特征参数进行缺陷识别，然后传递给执行模块进行位置校正并进行分拣处理，不仅工作效率高、而且成本低、性能稳定以及操作方便，实现太阳能电池板表面缺陷自动检测。

Description

一种太阳能电池板表面缺陷自动检测系统
技术领域
本发明涉及太阳能电池板检测技术领域，具体来说，涉及一种太阳能电池板表面缺陷自动检测系统。
背景技术
太阳能发电系统的核心部件是太阳能电池板,它是一种利用太阳能直接发电的光电半导体薄片，大部分太阳能电池板的主要材料为“硅”。在制造工艺上对其外观和尺寸均有很高的质量要求，由于不稳定因素的存在比如机械应力、热应力等，会不可避免的造成太阳能电池板的表面缺陷如裂纹、缺角等，这些缺陷的存在会大大降低太阳能电池板的光电转换效率。
传统的人工检测方法来检测太阳能电池板表面缺陷存在一定局限性，比如人眼易疲劳的缺点，容易造成误判，相对效率低、产品损耗大，故运用智能化视觉检测系统快速、精确检测出太阳能电池板表面缺陷势在必行。
检索中国发明专利CN102313740B公开了一种太阳能电池板裂痕检测方法，属于图像处理领域。包括：步骤一：对电池板图像进行初始化；步骤二：将初始化后的电池板图像分成固定尺寸的图像块，计算每块图像的主方向，提取出可能存在裂痕的区域作为候选图像块。步骤三：针对候选图像块中的主方向进行带有方向的hough变换，得到准确的候选裂痕位置和方向。步骤四：对相邻图像块中的候选裂痕位置和方向进行分析评价，确定裂痕。符合视觉中多尺度搜索的策略。灵活运用分块hough变换进行局部裂痕搜索，避免了图像中不同痕迹的相互干扰，然后运用裂痕形态评价来综合分块hough变换的结果，完成了电池板裂痕检测的任务，但其仍存在一定局限性，而且相对效率低，且产品损耗大。
因此，亟需一种太阳能电池板表面缺陷自动检测系统。
发明内容
针对相关技术中的问题，本发明提出一种太阳能电池板表面缺陷自动检测系统，通过利用机器视觉对当前采集的待检图像进行图像处理，根据所提取的特征参数进行缺陷识别，然后传递给执行模块进行位置校正并进行分拣处理，不仅工作效率高、而且成本低、性能稳定以及操作方便，以克服现有相关技术所存在的上述技术问题。
本发明的技术方案是这样实现的：
一种太阳能电池板表面缺陷自动检测系统，包括输送模块、信号触发模块、光源模块、图像采集模块、控制模块、执行模块和图像处理模块，所述信号触发模块转配于所述输送模块内，且所述光源模块和所述图像采集模块位于所述信号触发模块的上方，所述图像采集模块、所述控制模块和执行模块分别与所述图像处理模块连接，其中；
所述输送模块，用于对太阳能电池板进行输送；
所述信号触发模块，用于当太阳能电池板输送至当前位置进行信号触发；
所述光源模块，用于提供光源；
所述图像采集模块，用于获取当前太阳能电池板的图像信息；
所述控制模块，用于进行指令控制；
所述执行模块，用于进行抓取当前太阳能电池板；
所述图像处理模块，用于进行图像处理。
其中，所述图像处理模块，包括以下步骤：
预先获取图像信息；
对图像信息进行高斯滤波处理，获取滤波图像；
对滤波图像进行sobel边缘检测，提取图像中感兴趣区域；
对感兴趣区域进行阈值分割，将灰度突变的像素点提取出来，从而得到带干扰的断栅、裂纹、断角等缺陷图像，并提取缺陷区域位置坐标；
对缺陷图像进行形态滤波消除干扰因子，并进行缺陷标记和缺陷识别。
其中，所述光源模块为LED白色环形光源。
其中，所述控制模块包括ARM920T内核的微处理器S3C2440A主控芯片。
本发明的有益效果：
本发明太阳能电池板表面缺陷自动检测系统，通过集成输送模块、信号触发模块和光源模块、图像采集模块以及控制模块、执行模块和图像处理模块，通过利用机器视觉对当前采集的待检图像进行图像处理，根据所提取的特征参数进行缺陷识别，然后传递给执行模块进行位置校正并进行分拣处理，不仅工作效率高、而且成本低、性能稳定以及操作方便，实现太阳能电池板表面缺陷自动检测。
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的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种太阳能电池板表面缺陷自动检测系统的场景示意图；
图2是根据本发明实施例的一种太阳能电池板表面缺陷自动检测系统的光源模块示意图；
图3是根据本发明实施例的一种太阳能电池板表面缺陷自动检测系统的控制模块原理框图；
图4是根据本发明实施例的一种太阳能电池板表面缺陷自动检测系统的图像处理流程示意图；
图5是根据本发明实施例的一种太阳能电池板表面缺陷自动检测系统的原理框图。
图中：
1、输送模块；2、信号触发模块；3、光源模块；4、图像采集模块；5、控制模块；6、执行模块；7、图像处理模块。
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所获得的所有其他实施例，都属于本发明保护的范围。
根据本发明的实施例，提供了一种太阳能电池板表面缺陷自动检测系统。
如图1所示，根据本发明实施例的太阳能电池板表面缺陷自动检测系统，包括输送模块1、信号触发模块2、光源模块3、图像采集模块4、控制模块5、执行模块6和图像处理模块7，所述信号触发模块2转配于所述输送模块1内，且所述光源模块3和所述图像采集模块4位于所述信号触发模块2的上方，所述图像采集模块4、所述控制模块5和执行模块6分别与所述图像处理模块7连接，其中；
所述输送模块1，用于对太阳能电池板进行输送；
所述信号触发模块2，用于当太阳能电池板输送至当前位置进行信号触发；
所述光源模块3，用于提供光源；
所述图像采集模块4，用于获取当前太阳能电池板的图像信息；
所述控制模块5，用于进行指令控制；
所述执行模块6，用于进行抓取当前太阳能电池板；
所述图像处理模块7，用于进行图像处理。
其中，所述图像处理模块7，包括以下步骤：
预先获取图像信息；
对图像信息进行高斯滤波处理，获取滤波图像；
对滤波图像进行sobel边缘检测，提取图像中感兴趣区域；
对感兴趣区域进行阈值分割，将灰度突变的像素点提取出来，从而得到带干扰的断栅、裂纹、断角等缺陷图像，并提取缺陷区域位置坐标；
对缺陷图像进行形态滤波消除干扰因子，并进行缺陷标记和缺陷识别。
其中，所述光源模块3为LED白色环形光源。
其中，所述控制模块5包括ARM920T内核的微处理器S3C2440A主控芯片。
借助于上述技术方案，通过集成输送模块1、信号触发模块2和光源模块3、图像采集模块4以及控制模块5、执行模块6和图像处理模块7，通过利用机器视觉对当前采集的待检图像进行图像处理，根据所提取的特征参数进行缺陷识别，然后传递给执行模块6进行位置校正并进行分拣处理，不仅工作效率高、而且成本低、性能稳定以及操作方便，实现太阳能电池板表面缺陷自动检测。
另外，具体的，如图2所示，光源模块3可采用LED白色环形光源，采用这种光源，可以保证得到均匀及亮度合适的光照，确保检测出太阳能电池板的断栅、缺角、裂纹缺陷。
此外，如图3所示，所述控制模块5主要包含：主控模块、下位机运动控制模块、人机交互模块、通信模块以及电源管理模块。采用基于ARM920T内核的微处理器S3C2440A作为主控制芯片，同时结合NAND Flash和SDRAM作为外部存储设备，提高系统的性价比。ARM920T内核的微处理器具有性能高、功耗低的特点，非常适合嵌入式手持便携式设备领域。系统中ARM主芯片主要负责外围电路、人机交互等。下位机DSP运动控制器采用TMS320F2407，用于完成伺服电机复杂的运动控制，主要负责传感器数据采集、智能控制算法及数据输出。DSP系统与ARM主控板通过串口通信，可以将实时数据传输给ARM主控板进行参数处理、分析与显示，也可以接收主控板的控制命令，设定控制模式与参数等。
通信模块JTAGJoint Test Action Group接口主要用于芯片的测试以及系统的仿真与调试。USB接口，可以保存读取用户信息。另外，本发明外部信号以24V为主，而主芯片S3C2440A中内核所需电压为1.2V，内存电压和处理器工作电压为3.3V，其他电路如Flash、SDRAM、串口、网络接口等电路所需电压为3.3V，以及LCD显示电路工作电压为5V，因此控制系统电路需要将输入电压进行转换以满足各种电源需求。
另外，具体的，如图4所示，图像处理模块7来说，图像采集模块4可由CCD摄像机和图像采集卡组成，其通过CCD摄像机将摄取到的图片通过采集卡传送给图像处理模块7，图像处理模块7得到采集图像后首先进行高斯滤波，滤波后的图像使用Sobel边缘检测方法提取图像的感兴趣区域(ROI)，并对感兴趣区域进行阈值分割，将灰度突变的像素点提取出来，从而得到带干扰的断栅、裂纹等缺陷图像，并将分割后的图像经过形态滤波消除相关干扰因子，然后进行缺陷标记和缺陷识别。
另外，如图5所示，图像采集模块4完成待测太阳能电池板表面的图像采集，并将采集到的数据传输给图像处理模块7计算机，便于后期的图像处理。后续计算机包括显示模块、执行机构、报警及缺陷检测。该单元主要是对采集图像进行基本图像处理，得到缺陷图像，然后标记缺陷和识别缺陷，并告知执行模块6，最后通过计算机屏幕直观地显示出太阳能电池板的检测结果。
综上所述，借助于本发明的上述技术方案，通过集成输送模块1、信号触发模块2和光源模块3、图像采集模块4以及控制模块5、执行模块6和图像处理模块7，通过利用机器视觉对当前采集的待检图像进行图像处理，根据所提取的特征参数进行缺陷识别，然后传递给执行模块6进行位置校正并进行分拣处理，不仅工作效率高、而且成本低、性能稳定以及操作方便，实现太阳能电池板表面缺陷自动检测。
以上所述仅为本发明的较佳实施例而已，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 (4)

1.一种太阳能电池板表面缺陷自动检测系统，其特征在于，包括输送模块(1)、信号触发模块(2)、光源模块(3)、图像采集模块(4)、控制模块(5)、执行模块(6)和图像处理模块(7)，所述信号触发模块(2)转配于所述输送模块(1)内，且所述光源模块(3)和所述图像采集模块(4)位于所述信号触发模块(2)的上方，所述图像采集模块(4)、所述控制模块(5)和执行模块(6)分别与所述图像处理模块(7)连接，其中；
所述输送模块(1)，用于对太阳能电池板进行输送；
所述信号触发模块(2)，用于当太阳能电池板输送至当前位置进行信号触发；
所述光源模块(3)，用于提供光源；
所述图像采集模块(4)，用于获取当前太阳能电池板的图像信息；
所述控制模块(5)，用于进行指令控制；
所述执行模块(6)，用于进行抓取当前太阳能电池板；
所述图像处理模块(7)，用于进行图像处理。
2.根据权利要求1所述的太阳能电池板表面缺陷自动检测系统，其特征在于，所述图像处理模块(7)，包括以下步骤：
预先获取图像信息；
对图像信息进行高斯滤波处理，获取滤波图像；
对滤波图像进行sobel边缘检测，提取图像中感兴趣区域；
对感兴趣区域进行阈值分割，将灰度突变的像素点提取出来，从而得到带干扰的断栅、裂纹、断角等缺陷图像，并提取缺陷区域位置坐标；
对缺陷图像进行形态滤波消除干扰因子，并进行缺陷标记和缺陷识别。
3.根据权利要求1所述的太阳能电池板表面缺陷自动检测系统，其特征在于，所述光源模块(3)为LED白色环形光源。
4.根据权利要求1所述的太阳能电池板表面缺陷自动检测系统，其特征在于，所述控制模块(5)包括ARM920T内核的微处理器S3C2440A主控芯片。
CN202110082393.5A 2021-01-21 2021-01-21 一种太阳能电池板表面缺陷自动检测系统 Withdrawn CN112903701A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110082393.5A CN112903701A (zh) 2021-01-21 2021-01-21 一种太阳能电池板表面缺陷自动检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110082393.5A CN112903701A (zh) 2021-01-21 2021-01-21 一种太阳能电池板表面缺陷自动检测系统

Publications (1)

Publication Number Publication Date
CN112903701A true CN112903701A (zh) 2021-06-04

Family

ID=76118007

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110082393.5A Withdrawn CN112903701A (zh) 2021-01-21 2021-01-21 一种太阳能电池板表面缺陷自动检测系统

Country Status (1)

Country Link
CN (1) CN112903701A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115156093A (zh) * 2022-06-29 2022-10-11 上海商汤智能科技有限公司 电池外壳缺陷检测方法、系统及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115156093A (zh) * 2022-06-29 2022-10-11 上海商汤智能科技有限公司 电池外壳缺陷检测方法、系统及装置

Similar Documents

Publication Publication Date Title
CN107966454A (zh) 一种基于fpga的端塞缺陷检测装置及检测方法
CN107389701A (zh) 一种基于图像的pcb表观缺陷自动检测系统及方法
CN104093016A (zh) 一种摄像头模组脏污检测方法及系统
CN105184793A (zh) 一种电能表样品外观及pcb板元件检测方法
CN102998316B (zh) 一种透明液体杂质检测系统及其检测方法
CN104574389A (zh) 基于彩色机器视觉的电池片色差分选控制方法
CN103785622B (zh) 基于机器视觉的零件分拣装置的零件分拣方法
CN107084992A (zh) 一种基于机器视觉的胶囊检测方法及系统
CN203629603U (zh) 一种基于图像识别技术的智能电能表检测装置
CN102175692A (zh) 织物坯布疵点快速检测系统及方法
CN207238542U (zh) 一种基于机器视觉的篾片缺陷在线检测系统
CN109490320A (zh) 一种基于机器视觉的动力电池组正负极异常检测系统和方法
CN214747807U (zh) 一种芯片检测设备
CN106599890A (zh) 变电站巡检机器人数字式仪表识别算法
CN103279760A (zh) 一种植物检疫幼虫实时分类方法
CN106248680A (zh) 一种基于机器视觉的电机换向器质量检测系统及检测方法
WO2024002187A1 (zh) 缺陷检测方法、缺陷检测设备及存储介质
CN103091330A (zh) 模拟人类视觉感知机理的铜带表面缺陷辨识装置及方法
CN202676612U (zh) 一种用于测试led电路芯片的装置
CN112903701A (zh) 一种太阳能电池板表面缺陷自动检测系统
CN109557098A (zh) 基于机器视觉的金属表面检测系统
Huang et al. Mango surface defect detection based on HALCON
CN103148783B (zh) 一种气门摇臂安装位置的自动检测方法
CN110930393A (zh) 一种基于机器视觉的芯片料管计数方法、装置及系统
CN102023163A (zh) 基于dsp的接插件检测系统和检测方法

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210604