CN115115643B - 一种光伏电池板生产缺陷检测方法 - Google Patents
一种光伏电池板生产缺陷检测方法 Download PDFInfo
- Publication number
- CN115115643B CN115115643B CN202211045376.5A CN202211045376A CN115115643B CN 115115643 B CN115115643 B CN 115115643B CN 202211045376 A CN202211045376 A CN 202211045376A CN 115115643 B CN115115643 B CN 115115643B
- Authority
- CN
- China
- Prior art keywords
- photovoltaic cell
- sequence
- grid line
- gray
- 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.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 20
- 230000008859 change Effects 0.000 claims abstract description 121
- 238000005286 illumination Methods 0.000 claims abstract description 43
- 230000005856 abnormality Effects 0.000 claims abstract description 31
- 230000002159 abnormal effect Effects 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 5
- 230000011218 segmentation Effects 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 22
- 230000004075 alteration Effects 0.000 claims description 13
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 5
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 20
- 239000003086 colorant Substances 0.000 description 10
- 238000005070 sampling Methods 0.000 description 10
- 238000013461 design Methods 0.000 description 8
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 7
- 229910052710 silicon Inorganic materials 0.000 description 7
- 239000010703 silicon Substances 0.000 description 7
- 230000007797 corrosion Effects 0.000 description 6
- 238000005260 corrosion Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 235000012431 wafers Nutrition 0.000 description 6
- 239000003814 drug Substances 0.000 description 4
- 238000005530 etching Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000007650 screen-printing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 241000270295 Serpentes Species 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 229910021419 crystalline silicon Inorganic materials 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000002503 electroluminescence detection Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000001020 plasma etching Methods 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明属于图像数据处理领域，具体涉及一种光伏电池板生产缺陷检测方法，获取光伏电池板灰度图像，对光伏电池板灰度图像进行区域分割，得到若干光伏电池片；提取各光伏电池片的主栅线像素点和细栅线像素点；根据局部光照变化特征获取光伏电池片的第一局部异常度，根据整体光照变化特征获取光伏电池片的第二局部异常度；并根据第一局部异常度与第二局部异常度获取光伏电池板色差缺陷。即本发明的方案能够进行色差缺陷的检测，方法简单、易于实现。
Description
技术领域
本发明涉及图像数据处理领域，具体为一种光伏电池板生产缺陷检测方法。
背景技术
光伏电池板是通过吸收太阳光，将太阳辐射能通过光电效应或者光化学效应直接或间接转换成电能的装置，其应用于交通、通信等各个领域进行发电。
光伏电池片是光伏电池板的重要组件，光伏电池片通过串焊、铺设、层压等工艺制成光伏电池板。在光伏电池片的生产过程中，需要经过硅片检测、表面制绒、扩散制结、去磷硅玻璃、等离子刻蚀及酸洗、镀减反射膜、丝网印刷、快速烧结等多个流程。在表面制绒过程中，可能由于制绒腐蚀量不同，会导致光伏电池片颜色不一致。
若一组光伏电池板内光伏电池片的颜色不一致，则光伏电池板存在色差缺陷，就会影响光伏电池板的销售。因此对成品的光伏电池板还需要进行色差缺陷检测。
目前光伏电池板生产缺陷检测的主要方法有：
采用人工目视检测的方法，对光伏电池板的色差缺陷进行检测，但是人工目视检测效率低、成本高且存在较高的误检率；现有的图像处理的方法，无法排除光照影响，漏检误检率高。
采用电致发光检测的方法，采用相机采集图像，可根据缺陷处灰阶值的特征来判断有无隐裂，断栅等缺陷，由于电致发光是一种接触式测量，所以容易造成电池的破损。
采用自动光学检测的方法，其是在人工视觉难以满足要求的场合或在一些不适合人工作业的危险工作环境中，常用自动光学检测来替代人工检测，但是其需要采用不同颜色的光源进行缺陷检测，虽然能够排除光照影响，但是由于需要不同颜色的光源进行图像数据的采集，并分别对采集的三种图像进行处理，方法较复杂，同时由于拍摄角度的不同，也可能导致后续缺陷检测的误差。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种光伏电池板生产缺陷检测方法，所采用的技术方案具体如下：
本发明的一种光伏电池板生产缺陷检测方法，包括以下步骤：
步骤1，获取光伏电池板灰度图像；
步骤2，对光伏电池板灰度图像进行区域分割，得到不同区域，每个区域对应一个光伏电池片；提取各光伏电池片的主栅线像素点和细栅线像素点；
以每个光伏电池片左上角第一个细栅线像素点开始，分别沿水平方向和竖直方向对各光伏电池片进行蛇形扫描，分别获取第一灰度变化序列、第一距离序列与第一方向序列，第二灰度变化序列、第二距离序列与第二方向序列；
步骤3，根据所述第一距离序列和第一方向序列对应的像素点位置，获取对应光伏电池片的底色像素点灰度值序列，得到任意两相邻底色像素点的灰度值差值的第三灰度值变化序列；同时获取所述第二距离序列与第二方向序列的第四灰度值变化序列；根据第三灰度变化序列与第一灰度变化序列中对应元素比值的方差、第四灰度变化序列与第二灰度变化序列中对应的元素比值的方差，得到第一局部异常度；当所述第一局部异常度大于设定值，则对应的光伏电池片为阴阳片；反之，该光伏电池片为非阴阳片；
步骤4，获取非阴阳片对应的各光伏电池片上所有主栅线像素点灰度值，得到各光伏电池片的各主栅线均值；以光伏电池板灰度图像中左上角第一个非阴阳片对应的光伏电池片开始，分别进行水平方向的蛇形扫描，获取第五灰度变化序列和第六灰度变化序列；
计算第六灰度变化序列与第五灰度变化序列中对应元素的比例，根据各比例得到第二局部异常度；当第二局部异常度大于设定阈值，则光伏电池片为红片或花片，反之无色差缺陷。
进一步地，提取各光伏电池片的主栅线像素点和细栅线像素点的过程为：
统计光伏电池板灰度图像中所有灰度值个数，绘制灰度直方图；
以灰度直方图中灰度值以及灰度值个数为数据样本，利用K-means聚类方法对数据样本进行聚类，将灰度值分为两类，获取灰度值均值较小的类别中的最大值，以最大值作为阈值；
利用所述阈值对光伏电池板灰度图像进行二值化处理，得到二值图像；
从二值图像中提取出主栅线区域与细栅线区域，分别与主栅线模板与细栅线模板进行模板匹配，得到每个光伏电池片实际的主栅线区域、细栅线区域，并获取对应的主栅线像素点、细栅线像素点。
进一步地，获取第一灰度变化序列、第一距离序列与第一方向序列的过程为：
以光伏电池片左上角第一个细栅线像素点开始，对光伏电池片上所有细栅线像素点进行水平方向开始的蛇形扫描，获取每个细栅线像素点蛇形方向上距离最近的细栅线像素点，计算两个细栅线像素点的灰度值的差值，得到第一灰度变化序列；计算两个细栅线像素点的距离，得到第一距离序列；获取两个细栅线像素点之间的方向，得到第一方向序列。
进一步地，所述第一局部异常度为：
其中，
为双曲正切函数，
为第三灰度变化序列与第一灰度变化序列中对应元素比值的方差，
为第四灰度变化序列与第二灰度变化序列中对应的元素比值的方差。
进一步地，所述第五灰度变化序列的获取过程为：
以光伏电池板灰度图像中左上角第一个非阴阳片对应的光伏电池片开始，对所有非阴阳片对应的光伏电池片进行水平方向开始的蛇形扫描，获取任意一光伏电池片蛇形方向上距离最近的另一光伏电池片，计算两个光伏电池片的主栅线均值的差值，得到第五灰度变化序列，其中，第五灰度变化序列的第一个元素为计算的最后一个非阴阳片对应的光伏电池片与第一个非阴阳片对应的光伏电池片的主栅线均值的差值；
所述第六变化序列的获取为：
以光伏电池板灰度图像中左上角第一个非阴阳片对应的光伏电池片开始，对所有光伏电池片进行水平方向的蛇形扫描，获取每个光伏电池片蛇形方向上相邻的光伏电池片，计算两个光伏电池片的底色像素点均值的差值，得到第六灰度变化序列，其中，第六灰度变化序列的第一个元素为最后的非阴阳片对应的光伏电池片与第一个非阴阳片对应的光伏电池片的底色像素点均值的差值。
进一步地，所述第二局部异常度为：
其中，
为比例序列中第
个元素的值；
为比例序列中第
个元素的值；
为比例序列的长度；
为比例序列中第i个元素的值；
为双曲正切函数，
为第
个元素的第二局部异常度。
进一步地，步骤3中还包括对色差缺陷为阴阳片的验证的步骤：
采集两个不同光照方向下的光伏电池板图像，按照步骤1-步骤3的过程确定各光伏电池板图像的各光伏电池片的色差缺陷，当两个不同光照方向下光伏电池板图像中相同位置的光伏电池片均为阴阳片，则该光伏电池片存在阴阳片色差缺陷；反之，不存在色差缺陷。
本发明的有益效果：
本发明的方案在光伏电池板图像中提取出主栅线像素点和细栅线像素点，根据对应的栅线像素点能够得到各光伏电池片的局部变化特征及整体变化特征获取局部光照变化规律和整体光照变化规律；根据局部光照变化特征获取光伏电池片的第一局部异常度，根据整体光照变化特征获取光伏电池片的第二局部异常度，利用第一局部异常度和第二局部异常度能够直接检测出色差缺陷检测，即该方案检测结果准确高效，方法简单，无需使用多种颜色的光源进行图像采集。
同时，本发明的方案还能够结合不同光照方向下的光伏电池片图像中电池片的第一局部异常度与第二局部异常度，获取光伏电池板色差缺陷。即本发明的方案能够利用计算机视觉，排除光照不均对光伏电池板色差缺陷的干扰，检测到光伏电池板准确的色差，以便操作人员根据色差缺陷调整光伏电池板组件光伏电池片的生产工艺。
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是本发明的一种光伏电池板生产缺陷检测方法的方法流程图；
图2是采集的光伏电池板灰度图像；
图3是沿水平方向进行蛇行扫描的示意图；
图4是沿竖直方向进行蛇行扫描的示意图。
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，对依据本发明的方案，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
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。
本发明针对的具体场景是对成品的光伏电池板进行色差缺陷检测。在光照的干扰下，利用普通图像处理的方法难以准确检测光伏电池板色差缺陷。
具体地，对本发明提供的一种光伏电池板生产缺陷检测方法进行介绍，请参阅图1所示，包括以下步骤：
步骤1，获取光伏电池板图像，并进行灰度化处理，得到光伏电池板灰度图像。
由于光伏电池板表面较为光滑，光照在光伏电池板表面近似于镜面反射。在单一光源照射下拍摄的图像中，光伏电池板表面光照不均匀，同时可能会产生光斑。为了避免光斑对光伏电池板色差缺陷检测的影响，采用两个相同的光源分别对光伏电池板进行照射。
本实施例中在光伏电池板检测台上方架设两个led光源，分别从不同方向照射检测台，通过传动带将待检测的光伏电池板传送至检测台；在每个光源单独照射下，通过光伏电池板正上方的相机拍摄光伏电池板RGB图像。其中光伏电池板RGB图像中仅包含光伏电池板，不包含背景区域；为便于分析，本实施例中将光伏电池板RGB图像转化为灰度图像。
步骤2，对光伏电池板灰度图像进行区域分割，得到不同区域，其中，每个区域对应一个光伏电池片；提取各光伏电池片的主栅线像素点和细栅线像素点；
以每个光伏电池片左上角第一个细栅线像素点开始，分别沿水平方向和竖直方向对各光伏电池片进行蛇形扫描，分别获取第一灰度变化序列、第一距离序列与第一方向序列，第二灰度变化序列、第二距离序列与第二方向序列。
本实施例中的区域分割是基于多个光伏电池片通过串焊拼接在一起形成了光伏电池板，根据待检测的光伏电池板中包含的光伏电池片的个数n以及光伏电池片的尺寸，将光伏电池板图像分割成大小相等的n个区域，每个区域即为一个光伏电池片。
需要说明的是，光伏电池板上的栅线为光伏电池板的汇流线，是晶硅电池的汇流线，用来汇集电流，分为主栅线和细栅线，如图2所示，其是通过光伏电池片丝网印刷生产环节印刷至电池片表面的。其中，细栅线在光伏电池板灰度图像中为水平或垂直的较细的亮线，主栅线在光伏电池板灰度图像中为水平或垂直的较细栅线宽的亮线。正常情况下光伏电池板灰度图像中的主栅线内部细栅线内部均不存在色差缺陷，但是由于光照的影响，主栅线内部细栅线内部可能会存在色差缺陷；因此本实施例中基于不同区域主栅线、细栅线的灰度变化反应不同区域光照的变化情况。
为便于后续根据主栅线、细栅线的特征获取光照的变化情况，本实施例提取各光伏电池片的细栅线像素点的过程为：
统计光伏电池板灰度图像中所有灰度值个数，绘制灰度直方图。以灰度直方图中灰度值以及灰度值个数为数据样本；利用K-means聚类方法对数据样本进行聚类，将灰度值分为两类；获取灰度值均值较小的类别中的最大值，以最大值作为阈值，将光伏电池板灰度图像中灰度值小于等于阈值的像素点置为黑色，将光伏电池板灰度图像中灰度值大于阈值的像素点置为白色，将光伏电池板灰度图像转换为二值图像；从二值图像白色的部分中提取出主栅线区域与细栅线区域：获取光伏电池片主栅线设计模板与细栅线设计模板(光伏电池片主栅线设计模板、细栅线设计模板为二值图像)，将光伏电池片主栅线设计模板、细栅线设计模板分别进行反相，分别利用反相后的光伏电池片主栅线设计模板、细栅线设计模板对二值图像每个区域进行模板匹配，匹配到的结果分别为每个光伏电池片实际的主栅线区域、细栅线区域。根据匹配结果对光伏电池板灰度图像每个区域中的主栅线像素点、细栅线像素点进行标注，得到主栅线像素点和细栅线像素点。
需要说明的是，二值图像中黑色的部分为光伏电池片底色，也即底色像素点，其是除了主栅线像素点、细栅线像素点之外的像素点即为光伏电池片底色像素点；栅线较亮的像素点，属于二值图像中白色的部分，同时光源可能在光伏电池板上形成了光斑，光斑较亮，也属于二值图像中白色的部分。因此通过上述中的模板匹配能够得到实际的主栅线区域、细栅线区域。
至此，完成了光伏电池板图像的区域分割，每个区域对应一个光伏电池片，同时获取了光伏电池板图像中所有光伏电池片的主栅线像素点与细栅线像素点。
本实施例中对单个光伏电池片上所有细栅线像素点构建第一灰度变化序列、第一距离序列与第一方向序列的过程为：
以光伏电池片左上角第一个细栅线像素点开始，对光伏电池片上所有细栅线像素点开始进行水平方向开始的蛇形扫描，获取每个细栅线像素点蛇形方向上距离其最近的细栅线像素点，计算两个细栅线像素点的灰度值的差值，得到第一灰度变化序列；计算两个细栅线像素点的距离，得到第一距离序列；获取两个细栅线像素点之间的方向，得到第一方向序列，其中，水平方向开始的蛇形扫描参见图3。
同理，对单个光伏电池片上所有细栅线像素点构建第二灰度变化序列、第二距离序列与第二方向序列的过程为：
以光伏电池片左上角第一个细栅线像素点开始，对光伏电池片上所有细栅线像素点开始进行竖直方向开始的蛇形扫描，获取每个细栅线像素点蛇形方向上距离其最近的细栅线像素点，计算两个细栅线像素点的灰度值的差值，得到第二灰度变化序列；计算两个细栅线像素点的距离，得到第二距离序列；获取两个细栅线像素点之间的方向，得到第二方向序列。竖直方向开始的蛇形扫描参见图4。
需要说明的是，细栅线遍布整个光伏电池片，基于标准的细栅线内部不存在色差缺陷，因此，若单个光伏电池片上细栅线像素点的灰度发生变化，那么其变化规律实际为单个光伏电池片上光照的变化规律，因此获取每个光伏电池片上细栅线的灰度变化规律。也即上述实施例中获取的第一灰度变化序列和第二灰度变化序列能够表征每个光伏电池片上细栅线的变化规律，也即反应局部光照变化规律；
同时，将单个光伏电池片上细栅线像素点的个数记为
，则第一灰度变化序列、第一距离序列、第一方向序列、第二灰度变化序列、第二距离序列、第二方向序列长度均为
个。其中第一方向序列实际上是相邻两细栅线像素点的蛇形方向，如当细栅线的个数为5个时，那么水平蛇形扫描的方向为0°、0°、0°、0°、270°、180°、180°、180°、180°、270°…。第二方向序列则是270°、270°、…、0°、90°、90°、…、0°、270°、270°、…、0°、90°、90°、…、0°、270°、270°、…。
步骤3，根据所述第一距离序列和第一方向序列对应的像素点位置，获取对应光伏电池片的底色像素点灰度值序列，得到任意两相邻底色像素点的灰度值差值的第三灰度值变化序列；同时获取所述第二距离序列与第二方向序列的第四灰度值变化序列；根据第三灰度变化序列与第一灰度变化序列中对应元素比值的方差、第四灰度变化序列与第二灰度变化序列中对应的元素比值的方差，得到第一局部异常度；当所述第一局部异常度大于设定值，则对应的光伏电池片为阴阳片；反之，该光伏电池片为非阴阳片。
本实施例中的第三灰度值变化序列的获取过程为：
以单个光伏电池片上左上角第一个底色像素点作为第一底色像素点，以第一底色像素点开始，根据第一距离序列中距离，以及第一方向序列中的方向，对所有底色像素点进行长度为
的采样。若采样过程中，无符合第一距离序列或第一方向序列的底色像素点，则本次采样结束，采样结果不保留。若采样过程中无问题，则按照采样结果构建底色像素点灰度值序列；
采样过程如第一距离序列中第一个距离值为2，第一方向序列中第一个方向为
方向，则获取第一底色像素点
方向上距离第一底色像素点为2的底色像素点，将其作为第一位采样结果。同理，以单个光伏电池片上每个底色像素点作为第一底色像素点，进行多次采样，获得多个底色像素点灰度值序列；计算每个底色像素点灰度值序列中相邻底色像素点的灰度值差值，构建多个第三灰度值变化序列。
同理，根据第二距离序列、第二方向序列对单个光伏电池片上底色像素点进行多次采样，构建多个第四灰度值变化序列。第三灰度值变化序列、第四灰度值变化序列与第一灰度值变化序列长度相同，均为
。
若光伏电池片底色像素点颜色一致，即不存在色差缺陷，该光伏电池片底色像素点的灰度变化符合该光伏电池片上局部光照变化规律。若光伏电池片内部底色像素点颜色不一致，即存在色差缺陷，该光伏电池片底色像素点的灰度变化不符合该光伏电池片上局部光照变化规律。为衡量光伏电池片内部底色像素点是否符合光伏电池片上局部光照变化规律，引入第一局部异常度指标。
具体地，第一局部异常度获取方法如下：
由于光伏电池片底色和栅线的颜色不同，对于光的吸收程度不同，因此在相同光照下灰度值的变化程度不同，但在相同光照下，变化规律相同。即若光伏电池片内部不存在色差缺陷时，在光照下，光伏电池片底色的变化程度与栅线的变化程度成正比关系。计算每个第三灰度变化序列中的值与第一灰度变化序列中对应的值的比例，并计算所有比例的方差，记为第一方差
。
同理，计算每个第四灰度变化序列中的值与第一灰度变化序列中对应的值的比例，并计算所有比例的方差，记为第二方差
。
则光伏电池片的第一局部异常度
为：
其中，
为双曲正切函数，用作归一化，使
，因此
可达到归一化效果。
上述公式中只有当每个第三灰度变化序列中的值与第一灰度变化序列中对应的值的比例、每个第四灰度变化序列中的值与第一灰度变化序列中对应的值的比例都较为一致时，方差
与
均较小，光伏电池片底色的灰度变化程度与栅线的灰度变化程度成正比关系，此时，第一局部异常度较小。反之，当每个第三灰度变化序列中的值与第一灰度变化序列中对应的值的比例、每个第四灰度变化序列中的值与第一灰度变化序列中对应的值的比例相差较大时，
较大，光伏电池片底色的灰度变化程度与栅线的灰度变化程度不成正比关系，此时，第一局部异常度较大，则光伏电池片可能存在色差缺陷。
本实施例中，比较第一局部异常度与设定值的大小，当第一局部异常度
时，该光伏电池片为阴阳片；当第一局部异常度
时，该光伏电池片内部底色较为均匀，该光伏电池片非阴阳片。
其中本实施例中的设定值
由人工设置，经验值为
。
进一步地，为了进一步验证光伏电池片否为阴阳片，本实施例中还结合多幅光伏电池板图像获取色差缺陷，具体地：
在步骤3的基础上，将判断出的光伏电池片为阴阳片的缺陷，设定为疑似阴阳片。由于部分电池片存在光斑，会导致第一局部异常度较大，存在光斑的光伏电池片被误判为疑似阴阳片。因此结合两种不同方向照射下的图像，判断每个光伏电池片是否为疑似阴阳片。当在两幅图像中，光伏电池片均为疑似阴阳片，那么该光伏电池片为阴阳片，存在色差缺陷。当光伏电池片只在一副图像中为疑似阴阳片时，该光伏电池片在一副图像中存在光斑导致被误判无疑似阴阳片。而该光伏电池片实际不存在阴阳片色差缺陷。
当然，上述实施例中还可以获取至少三种不同光照方向下的图像，当全部图像或者至少占比过半的图像中，均为疑似阴阳片，那么该光伏电池片为阴阳片，其可以根据实际情况进行设置。
步骤4，获取非阴阳片对应的各光伏电池片上所有主栅线像素点灰度值，得到各光伏电池片的各主栅线均值；以光伏电池板灰度图像中左上角第一个非阴阳片对应的光伏电池片开始，进行水平方向的蛇形扫描，获取第五灰度变化序列和第六灰度变化序列。
计算第六灰度变化序列与第五灰度变化序列中对应元素的比例，根据各比例得到第二局部异常度；当第二局部异常度大于设定阈值，则光伏电池片为红片或花片，反之无色差缺陷。
由于主栅线较宽，因此主栅线像素点在单个光伏电池板上的分布相对较为集中。以每个主栅线的灰度值来反应单个光伏电池板整体的光照情况，则可反应光伏电池板整体的光照变化规律，因此可分析光伏电池片上主栅线像素点的灰度值变化规律，来反应光伏电池板整体的光照变化规律，通过获取所有光伏电池板上主栅线像素点的灰度值变化规律，即第五灰度变化序列，反应光伏电池板整体的光照变化规律，具体获取过程如下：
以光伏电池板灰度图像中除疑似阴阳片外（非阴阳片）的左上角第一个光伏电池片开始，对除疑似阴阳片外的所有光伏电池片进行水平方向开始的蛇形扫描，获取除疑似阴阳片外的每个光伏电池片蛇形方向上距离其最近的光伏电池片，计算此两个光伏电池片的主栅线均值的差值，构建第五灰度变化序列。并计算最后非阴阳片的光伏电池片与第一个非阴阳片的光伏电池片的主栅线均值的差值，将其放入到第五灰度变化序列第一位。
需要说明的是，由于步骤3中获取的疑似阴阳片光伏电池片内部底色不均，此时无需再分析其上的光照。因此仅获取除疑似阴阳片外的每个光伏电池片上所有主栅线像素点灰度值的均值，记为该光伏电池片的主栅线均值，进而获取第五灰度变化序列。
光伏电板片内部底色较为均匀，但可能存在光伏电池片整体颜色与光伏电池板上其余光伏电池片的整体颜色不一致的情况，此时也为色差缺陷。为获取该色差缺陷，本实施例中引入第二局部异常度指标。
其中，第二局部异常度指标获取方法如下：
因此获取除疑似阴阳片外的每个光伏电池片底色像素点的均值，以光伏电池板灰度图像中左上角第一个光伏电池片开始，对所有光伏电池片进行水平方向开始的蛇形扫描，获取每个光伏电池片蛇形方向上相邻的光伏电池片，计算此两个光伏电池片的底色像素点均值的差值，构建第六灰度变化序列，并计算最后非阴阳片的光伏电池片与第一个非阴阳片的光伏电池片的底色像素点均值的差值，将其放入到第六灰度变化序列第一位。
由于光伏电池片底色和栅线的颜色不同，对于光的吸收程度不同，因此在相同光照下灰度值的变化程度不同，但在相同光照下，变化规律相同。即若光伏电池板中所有光伏电池片底色一致时，在光照下，所有光伏电池片底色的变化程度与栅线的变化程度成正比关系，此时根据计算的每个第六灰度变化序列中的值与第五灰度变化序列中对应的值的比例，构成比例序列
，能够计算得到第
个非阴阳片的光伏电池片的第二局部异常度
为：
其中，
为比例序列中第
个元素的值；
为比例序列中第
个元素的值；
为比例序列的长度；
为比例序列中第
个的值与其余值的差值绝对值的均值；
为比例序列中第i个元素的值，
为第
个元素的第二局部异常度。
其中，比例序列中第
个元素的值、第
个元素的值与第
个非阴阳片的光伏电池片的特征相关；
较大，并且
较为一致时，第
个非阴阳片的光伏电池片底色的变化程度与栅线的变化程度的关系与其余非阴阳片光伏电池片的不一致。此时，第
个非阴阳片的光伏电池片的第二局部异常度
较大。第
个非阴阳片的光伏电池片的实际底色颜色与其余的差异较大。此时第
个非阴阳片的光伏电池片可能存在色差缺陷；当
较大，
差异较大时，
较大可能是由于第
个非阴阳片的光伏电池片底色的变化程度与栅线的变化程度的关系与其余非阴阳片光伏电池片的不一致导致的。此时第
个非阴阳片的光伏电池片的第二局部异常度
较小；当
较小，
差异较小时，第
个非阴阳片的光伏电池片底色的变化程度与栅线的变化程度的关系与其余非阴阳片光伏电池片一致。此时，第
个非阴阳片的光伏电池片的第二局部异常度
较小。
需要说明的是，
是根据比例序列中第i个元素以及第i+1个元素得到的，比例序列中第i个元素以及第i+1个元素对应第i个非阴阳片的光伏电池片，因此di为第i个非阴阳片的光伏电池片的局部异常度。
本实施例中，若光伏电池片第二局部异常度较大时，光伏电池片与其余光伏电池片的实际颜色差异较大，该色差缺陷为红片或花片。即可根据第二局部异常度与设定阈值的比较，获取所有的红片或花片，具体为：当第二局部异常度
时，该光伏电池片为红片或花片。当第二局部异常度
时，该光伏电池片与大部分光伏电池片颜色一致，该光伏电池片不存在色差缺陷。
本实施例中的设定阈值
由人工设置，经验值为
。
本发明中，由于考虑到了光伏电池板灰度图像中光照不均，导致部分区域暗，部分区域亮。而若光伏电池板存在色差缺陷在光伏电池板灰度图像中也是呈现部分区域亮，部分区域暗的特征。此时在光照不均的干扰下，无法准确获取色差缺陷。因此本方案通过分析光伏电池板灰度图像中的栅线局部变化特征及整体变化特征，来反应光照的变化特征。根据局部光照变化特征获取光伏电池片的第一局部异常度，根据整体光照变化特征获取光伏电池片的第二局部异常度。结合不同光照下的光伏电池片图像中电池片的第一局部异常度与第二局部异常度获取光伏电池板色差缺陷；本方案中的色差缺陷检测方法排除了光照不均的干扰，检测结果准确高效。
进一步地，本发明中还可以根据光伏电池板色差缺陷调整光伏电池片生产工艺。本实施例中是根据获取的光伏电池板色差缺陷的分类，实施人员可根据色差缺陷的类型对光伏电池片生产工艺进行调整：
当色差缺陷为红片时，是由于表面制绒工序中，制绒腐蚀量偏低造成的。当色差缺陷为花片时，是由于表面制绒工序中，制绒腐蚀量过高造成。此时调整表面制绒时间，使得制造光伏电池片的硅片在制绒槽中停留时间一致，从而使得每个光伏电池片的制绒腐蚀量一致，从而消除光伏电池板因程出现的红片和花片引起的光伏电池板色差缺陷。
当色差缺陷为阴阳片时，是由于在生产过程中，受前后滚轮及前挡板水平影响，硅片在进入制绒槽时，药液接触硅片存在时间差。这样硅片先接触药液的区域腐蚀量势必会高于后接触药液的区域。腐蚀量的差异导致硅片表面绒面效果不一致从而产生阴阳片。此时调整制绒槽滚轮及挡板，使得硅片接触制绒槽药液的时间一致，从而消除光伏电池板因出现的阴阳片引起的光伏电池板色差缺陷。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (4)
1.一种光伏电池板生产缺陷检测方法，其特征在于，包括以下步骤：
步骤1，获取光伏电池板灰度图像；
步骤2，对光伏电池板灰度图像进行区域分割，得到不同区域，每个区域对应一个光伏电池片；提取各光伏电池片的主栅线像素点和细栅线像素点；
以每个光伏电池片左上角第一个细栅线像素点开始，分别沿水平方向和竖直方向对各光伏电池片进行蛇形扫描，分别获取第一灰度变化序列、第一距离序列与第一方向序列，第二灰度变化序列、第二距离序列与第二方向序列；
步骤3，根据所述第一距离序列和第一方向序列对应的像素点位置，获取对应光伏电池片的底色像素点灰度值序列，得到任意两相邻底色像素点的灰度值差值的第三灰度值变化序列；同时获取所述第二距离序列与第二方向序列的第四灰度值变化序列；根据第三灰度变化序列与第一灰度变化序列中对应元素比值的方差、第四灰度变化序列与第二灰度变化序列中对应的元素比值的方差，得到第一局部异常度；当所述第一局部异常度大于设定值，则对应的光伏电池片为阴阳片；反之，该光伏电池片为非阴阳片；
步骤4，获取非阴阳片对应的光伏电池片上所有主栅线像素点灰度值，得到各光伏电池片的各主栅线均值；以光伏电池板灰度图像中左上角第一个非阴阳片对应的光伏电池片开始，进行水平方向的蛇形扫描，获取第五灰度变化序列和第六灰度变化序列；
计算第六灰度变化序列与第五灰度变化序列中对应元素的比例，根据各比例得到第二局部异常度；当第二局部异常程度大于设定阈值，则光伏电池片为红片或花片，反之无色差缺陷；
获取第一灰度变化序列、第一距离序列与第一方向序列的过程为：
以光伏电池片左上角第一个细栅线像素点开始，对光伏电池片上所有细栅线像素点进行水平方向开始的蛇形扫描，获取每个细栅线像素点蛇形方向上距离最近的细栅线像素点，计算两个细栅线像素点的灰度值的差值，得到第一灰度变化序列；计算两个细栅线像素点的距离，得到第一距离序列；获取两个细栅线像素点之间的方向，得到第一方向序列；
获取第二灰度变化序列、第二距离序列与第二方向序列的过程为：
以光伏电池片左上角第一个细栅线像素点开始，对光伏电池片上所有细栅线像素点开始进行竖直方向开始的蛇形扫描，获取每个细栅线像素点蛇形方向上距离其最近的细栅线像素点，计算两个细栅线像素点的灰度值的差值，得到第二灰度变化序列；计算两个细栅线像素点的距离，得到第二距离序列；获取两个细栅线像素点之间的方向，得到第二方向序列；
所述第五灰度变化序列的获取过程为：
以光伏电池板灰度图像中左上角第一个非阴阳片对应的光伏电池片开始，对所有非阴阳片对应的光伏电池片进行水平方向开始的蛇形扫描，获取任意一光伏电池片蛇形方向上距离最近的另一光伏电池片，计算两个光伏电池片的主栅线均值的差值，得到第五灰度变化序列，其中，第五灰度变化序列的第一个元素为计算的最后一个非阴阳片的光伏电池片与第一个非阴阳片的光伏电池片的主栅线均值的差值；
所述第六灰度变化序列的获取为：
以光伏电池板灰度图像中左上角第一个非阴阳片对应的光伏电池片开始，对所有非阴阳片对应的光伏电池片进行水平方向的蛇形扫描，获取每个光伏电池片蛇形方向上相邻的光伏电池片，计算此两个光伏电池片的底色像素点均值的差值，得到第六灰度变化序列，其中，第六灰度变化序列的第一个元素为最后的非阴阳片对应的光伏电池片与第一个非阴阳片对应的光伏电池片的底色像素点均值的差值；
所述第二局部异常度为：
其中，
为比例序列中第
个元素的值；
为比例序列中第
个元素的值；
为比例
序列的长度；
为比例序列中第i个元素的值；
为双曲正切函数，
为第
个元素的第
二局部异常度。
2.根据权利要求1所述的一种光伏电池板生产缺陷检测方法，其特征在于，提取各光伏电池片的主栅线像素点和细栅线像素点的过程为：
统计光伏电池板灰度图像中所有灰度值个数，绘制灰度直方图；
以灰度直方图中灰度值以及灰度值个数为数据样本，利用K-means聚类方法对数据样本进行聚类，将灰度值分为两类，获取灰度值均值较小的类别中的最大值，以最大值作为阈值；
利用所述阈值对光伏电池板灰度图像进行二值化处理，得到二值图像；
从二值图像中提取出主栅线区域与细栅线区域，分别与主栅线模板与细栅线模板进行模板匹配，得到每个光伏电池片实际的主栅线区域、细栅线区域，并获取对应的主栅线像素点、细栅线像素点。
3.根据权利要求1所述的一种光伏电池板生产缺陷检测方法，其特征在于，所述第一局部异常度为：
其中，
为双曲正切函数，
为第三灰度变化序列与第一灰度变化序列中对应元素
比值的方差，
为第四灰度变化序列与第二灰度变化序列中对应的元素比值的方差。
4.根据权利要求1所述的一种光伏电池板生产缺陷检测方法，其特征在于，步骤3中还包括对色差缺陷为阴阳片的验证的步骤：
采集两个不同光照方向下的光伏电池板图像，按照步骤1-步骤3的过程确定各光伏电池板图像的各光伏电池片的色差缺陷，当两个不同光照方向下光伏电池板图像中相同位置的光伏电池片均为阴阳片，则该光伏电池片存在阴阳片色差缺陷；反之，不存在色差缺陷。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211045376.5A CN115115643B (zh) | 2022-08-30 | 2022-08-30 | 一种光伏电池板生产缺陷检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211045376.5A CN115115643B (zh) | 2022-08-30 | 2022-08-30 | 一种光伏电池板生产缺陷检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115115643A CN115115643A (zh) | 2022-09-27 |
| CN115115643B true CN115115643B (zh) | 2022-11-15 |
Family
ID=83336393
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211045376.5A Active CN115115643B (zh) | 2022-08-30 | 2022-08-30 | 一种光伏电池板生产缺陷检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115115643B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115797351B (zh) * | 2023-02-08 | 2023-05-02 | 山东第一医科大学(山东省医学科学院) | 一种光伏电池板的异常检测方法 |
| CN117036357B (zh) * | 2023-10-10 | 2023-12-22 | 无锡市方顺型钢科技有限公司 | 基于视觉特征的型钢表面缺陷检测方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008167468A (ja) * | 2008-01-28 | 2008-07-17 | Seiko Epson Corp | 複数のラスタを並行して処理する画像処理装置 |
| CN107274393A (zh) * | 2017-06-12 | 2017-10-20 | 郑州轻工业学院 | 基于栅线检测的单晶硅太阳能电池片表面缺陷检测方法 |
| CN109540900A (zh) * | 2018-09-25 | 2019-03-29 | 浙江浙能技术研究院有限公司 | 一种光伏组件隐裂判定方法 |
| CN112132823A (zh) * | 2020-09-30 | 2020-12-25 | 徐彩营 | 一种基于人工智能的光伏电池图像局部光照不均处理方法 |
| CN112215821A (zh) * | 2020-10-13 | 2021-01-12 | 郭燕 | 一种基于人工智能的光伏电池板栅线缺陷检测方法及系统 |
| CN112561821A (zh) * | 2020-12-17 | 2021-03-26 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 基于近场扫描的芯片表面电磁数据降噪方法 |
| CN112557413A (zh) * | 2020-11-24 | 2021-03-26 | 中国科学院西安光学精密机械研究所 | 一种光伏电池板隐裂检测相机及检测方法 |
| CN113962921A (zh) * | 2021-02-01 | 2022-01-21 | 苏州威华智能装备有限公司 | 一种光伏电池片的栅线检测方法 |
| CN114627041A (zh) * | 2020-12-11 | 2022-06-14 | 浙江正泰电器股份有限公司 | 光伏组件缺陷的检测方法 |
| CN114743115A (zh) * | 2022-03-31 | 2022-07-12 | 启东晶尧光电科技有限公司 | 一种光伏电子设备的遮挡物识别方法及故障预警系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ES2415240B1 (es) * | 2011-12-21 | 2014-05-21 | Abengoa Solar New Technologies, S.A. | Método para la inspeccion automatizada de captadores solares fotovoltaicos instalados en plantas. |
| US20170019570A1 (en) * | 2015-07-13 | 2017-01-19 | Ecoppia Scientific Ltd. | Solar row onsite automatic inspection system |
| WO2017172611A1 (en) * | 2016-03-28 | 2017-10-05 | General Dynamics Mission Systems, Inc. | System and methods for automatic solar panel recognition and defect detection using infrared imaging |
| US10554172B2 (en) * | 2017-03-09 | 2020-02-04 | Alliance For Sustainable Energy, Llc | Illuminated outdoor luminescence imaging of photovoltaic modules |
| CN110400290B (zh) * | 2019-07-02 | 2021-08-24 | 广州大学 | 一种太阳能电池片色差的检测方法、装置及存储介质 |
| CN114862862B (zh) * | 2022-07-11 | 2022-09-16 | 江苏大田阀门制造有限公司 | 一种基于图像处理的泵体冷隔缺陷识别方法与系统 |
-
2022
- 2022-08-30 CN CN202211045376.5A patent/CN115115643B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008167468A (ja) * | 2008-01-28 | 2008-07-17 | Seiko Epson Corp | 複数のラスタを並行して処理する画像処理装置 |
| CN107274393A (zh) * | 2017-06-12 | 2017-10-20 | 郑州轻工业学院 | 基于栅线检测的单晶硅太阳能电池片表面缺陷检测方法 |
| CN109540900A (zh) * | 2018-09-25 | 2019-03-29 | 浙江浙能技术研究院有限公司 | 一种光伏组件隐裂判定方法 |
| CN112132823A (zh) * | 2020-09-30 | 2020-12-25 | 徐彩营 | 一种基于人工智能的光伏电池图像局部光照不均处理方法 |
| CN112215821A (zh) * | 2020-10-13 | 2021-01-12 | 郭燕 | 一种基于人工智能的光伏电池板栅线缺陷检测方法及系统 |
| CN112557413A (zh) * | 2020-11-24 | 2021-03-26 | 中国科学院西安光学精密机械研究所 | 一种光伏电池板隐裂检测相机及检测方法 |
| CN114627041A (zh) * | 2020-12-11 | 2022-06-14 | 浙江正泰电器股份有限公司 | 光伏组件缺陷的检测方法 |
| CN112561821A (zh) * | 2020-12-17 | 2021-03-26 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 基于近场扫描的芯片表面电磁数据降噪方法 |
| CN113962921A (zh) * | 2021-02-01 | 2022-01-21 | 苏州威华智能装备有限公司 | 一种光伏电池片的栅线检测方法 |
| CN114743115A (zh) * | 2022-03-31 | 2022-07-12 | 启东晶尧光电科技有限公司 | 一种光伏电子设备的遮挡物识别方法及故障预警系统 |
Non-Patent Citations (3)
| Title |
|---|
| Automatic solar panel recognition and defect detection using infrared imaging;Xiang Gao 等;《Automatic Target Recognition XXV》;20150522;第9476卷;全文 * |
| 基于视觉显著性的太阳能电池片表面缺陷检测;钱晓亮等;《仪器仪表学报》;20170715(第07期);全文 * |
| 太阳能电池板缺陷的检测研究;孙雯;《工程科技II辑》;20180215;第2018年卷(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115115643A (zh) | 2022-09-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115115643B (zh) | 一种光伏电池板生产缺陷检测方法 | |
| CN109084957B (zh) | 光伏太阳能晶硅电池片的缺陷检测和颜色分选方法及其系统 | |
| CN110400290B (zh) | 一种太阳能电池片色差的检测方法、装置及存储介质 | |
| CN117132844B (zh) | 一种基于图像处理的光伏板裂纹与划痕的分类方法 | |
| CN116721107B (zh) | 一种电缆生产质量智能监控系统 | |
| CN111179362B (zh) | 一种基于动态光照校正算法的试纸颜色均匀性检测方法 | |
| CN112215821A (zh) | 一种基于人工智能的光伏电池板栅线缺陷检测方法及系统 | |
| CN106709529B (zh) | 一种光伏电池色差分类的视觉检测方法 | |
| CN113989241A (zh) | 一种基于图像处理与深度学习融合的光伏组件el缺陷检测方法 | |
| Niazi et al. | Binary classification of defective solar PV modules using thermography | |
| US20230042106A1 (en) | System and method for the statistical analysis of images of photovoltaic panels | |
| CN113418925A (zh) | 一种基于卫星影像的光伏板异常目标检测系统及方法 | |
| CN107742283B (zh) | 一种电池片外观栅线粗细不均缺陷检测的方法 | |
| CN112710670A (zh) | 一种太阳能电池涂层检测装置及控制方法 | |
| CN112381759A (zh) | 基于光流法和置信度法的单晶硅太阳能晶片缺陷检测方法 | |
| CN114663393A (zh) | 一种基于卷积神经网络的光伏组件间距不良缺陷检测方法 | |
| CN112233101A (zh) | 一种基于人工智能的光伏电池板质量评估方法及系统 | |
| CN113962929A (zh) | 光伏电池组件缺陷检测方法、系统及光伏电池组件生产线 | |
| CN110766675B (zh) | 太阳能电池板缺陷检测方法 | |
| CN115330768B (zh) | 一种太阳能电池板质量分级方法 | |
| Rodriguez et al. | Segmentation and error detection of PV modules | |
| CN111598851A (zh) | 一种基于形态学图像处理的太阳能电池破片检测方法 | |
| CN107170692B (zh) | 一种太阳能电池片制绒质量检测方法 | |
| CN117173164B (zh) | 太阳能电池板的栅线检测方法 | |
| San José et al. | Characterization method and analysis of misalignments in micro-concentrator photovoltaic modules |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: No. 43 Bailing South Road, Quzhou City, Zhejiang Province 324022 Patentee after: Yidao New Energy Technology Co.,Ltd. Address before: 324022 room 604, building 3, Donggang Third Road, green industry cluster, Qujiang District, Quzhou City, Zhejiang Province Patentee before: A New Energy Technology (Quzhou) Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231222 Address after: No. 43 Bailing South Road, Quzhou City, Zhejiang Province 324022 Patentee after: Yidao New Energy Technology Co.,Ltd. Patentee after: Zhejiang Juhe New Energy Co.,Ltd. Address before: No. 43 Bailing South Road, Quzhou City, Zhejiang Province 324022 Patentee before: Yidao New Energy Technology Co.,Ltd. |