CN116563293B - 一种基于机器视觉的光伏载具生产质量检测方法及系统 - Google Patents
一种基于机器视觉的光伏载具生产质量检测方法及系统 Download PDFInfo
- Publication number
- CN116563293B CN116563293B CN202310842209.1A CN202310842209A CN116563293B CN 116563293 B CN116563293 B CN 116563293B CN 202310842209 A CN202310842209 A CN 202310842209A CN 116563293 B CN116563293 B CN 116563293B
- Authority
- CN
- China
- Prior art keywords
- production
- photovoltaic
- photovoltaic carrier
- carrier
- quality
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 406
- 238000001514 detection method Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000000605 extraction Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims description 32
- 238000005457 optimization Methods 0.000 claims description 30
- 230000011218 segmentation Effects 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 12
- 238000013441 quality evaluation Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 claims description 5
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 230000017525 heat dissipation Effects 0.000 claims description 4
- 230000035939 shock Effects 0.000 claims description 4
- 230000004075 alteration Effects 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000001303 quality assessment method Methods 0.000 abstract description 2
- 238000003062 neural network model Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013139 quantization Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20081—Training; Learning
-
- 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]
-
- 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
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种基于机器视觉的光伏载具生产质量检测方法及系统，应用于数据处理技术领域，该方法包括：通过获得光伏载具应用场景信息。按照应用性能指标对应用场景信息进行匹配，获得生产质量标准。通过图像高速摄取装置多方位采集获取待检测的生产监控视频信息。对生产监控视频信息进行特征提取处理，获得生产特征信息。将生产质量标准和生产特征信息输入生产质量评估模型中，获得生产质量结果。根据生产质量结果，获得质量差异度。如果质量差异度大于质量差异度阈值，基于生产质量结果和质量差异度对生产参数进行调整控制。解决了现有技术中光伏载具生产质量检测存在检测成本高，无法及时根据检测结果及时对生产参数进行调整的技术问题。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种基于机器视觉的光伏载具生产质量检测方法及系统。
背景技术
机器视觉是通过机器视觉设备将目标转化为图像信号，获取目标的形态信息，来代替人眼的视觉来进行测量和判断。然而，在现有技术中机器视觉系统多单独设置于单个生产节点处，在对多个或全部生产节点检测时需要设置多个机器视觉设备，增加了检测成本，且由于各个节点之间数据不互通导致无法及时对生产参数进行优化调整。
因此，在现有技术中光伏载具生产质量检测存在检测成本高，无法及时根据检测结果及时对生产参数进行调整的技术问题。
发明内容
本申请通过提供一种基于机器视觉的光伏载具生产质量检测方法及系统，解决了在现有技术中光伏载具生产质量检测存在检测成本高，无法及时根据检测结果及时对生产参数进行调整的技术问题。
本申请提供一种基于机器视觉的光伏载具生产质量检测方法，所述方法包括：获得光伏载具应用场景信息，所述光伏载具应用场景信息为待检测光伏载具的应用场景需求；按照光伏载具应用性能指标对所述光伏载具应用场景信息进行匹配，获得光伏载具生产质量标准；通过图像高速摄取装置多方位采集获取所述待检测光伏载具的生产监控视频信息；对所述生产监控视频信息进行特征提取处理，获得光伏载具生产特征信息；将所述光伏载具生产质量标准和所述光伏载具生产特征信息输入光伏载具生产质量评估模型中，获得光伏载具生产质量结果；根据所述光伏载具生产质量结果，获得光伏载具质量差异度；如果所述光伏载具质量差异度大于质量差异度阈值，基于所述光伏载具生产质量结果和所述光伏载具质量差异度对光伏载具生产参数进行调整控制。
本申请还提供了一种基于机器视觉的光伏载具生产质量检测系统，所述系统包括：应用场景信息获取模块，用于获得光伏载具应用场景信息，所述光伏载具应用场景信息为待检测光伏载具的应用场景需求；生产质量标准获取模块，用于按照光伏载具应用性能指标对所述光伏载具应用场景信息进行匹配，获得光伏载具生产质量标准；监控视频信息获取模块，用于通过图像高速摄取装置多方位采集获取所述待检测光伏载具的生产监控视频信息；生产特征信息获取模块，用于对所述生产监控视频信息进行特征提取处理，获得光伏载具生产特征信息；生产质量结果获取模块，用于将所述光伏载具生产质量标准和所述光伏载具生产特征信息输入光伏载具生产质量评估模型中，获得光伏载具生产质量结果；质量差异度获取模块，用于根据所述光伏载具生产质量结果，获得光伏载具质量差异度；调整控制模块，用于如果所述光伏载具质量差异度大于质量差异度阈值，基于所述光伏载具生产质量结果和所述光伏载具质量差异度对光伏载具生产参数进行调整控制。
本申请还提供了一种电子设备，包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现本申请实施例提供的一种基于机器视觉的光伏载具生产质量检测方法。
本申请实施例提供一种计算机可读存储介质，存储有计算机程序，该程序被处理器执行时,实现本申请实施例提供的一种基于机器视觉的光伏载具生产质量检测方法。
拟通过本申请提出的一种基于机器视觉的光伏载具生产质量检测方法及系统，通过获得光伏载具应用场景信息。按照应用性能指标对应用场景信息进行匹配，获得生产质量标准。通过图像高速摄取装置多方位采集获取待检测的生产监控视频信息。对生产监控视频信息进行特征提取处理，获得生产特征信息。将生产质量标准和生产特征信息输入生产质量评估模型中，获得生产质量结果。根据生产质量结果，获得质量差异度。如果质量差异度大于质量差异度阈值，基于生产质量结果和质量差异度对生产参数进行调整控制。由于采集的信息为生产监控视频信息，并对其进行关键帧提取，进而减少了机器视觉设备的设置，降低了机器视觉的光伏载具生产质量检测的检测成本，同时还根据获取的检测数据及时对光伏载具生产参数进行调整控制，提高了产品的生产质量。解决了现有技术中光伏载具生产质量检测存在检测成本高，无法及时根据检测结果及时对生产参数进行调整的技术问题。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地，下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本申请实施例提供的一种基于机器视觉的光伏载具生产质量检测方法的流程示意图；
图2为本申请实施例提供的一种基于机器视觉的光伏载具生产质量检测方法获得光伏载具生产质量标准的流程示意图；
图3为本申请实施例提供的一种基于机器视觉的光伏载具生产质量检测方法获取光伏载具生产特征信息的流程示意图；
图4为本申请实施例提供的一种基于机器视觉的光伏载具生产质量检测方法的系统的结构示意图；
图5为本发明实施例提供的一种基于机器视觉的光伏载具生产质量检测方法的系统电子设备的结构示意图。
附图标记说明：应用场景信息获取模块11，生产质量标准获取模块12，监控视频信息获取模块13，生产特征信息获取模块14，生产质量结果获取模块15，质量差异度获取模块16，调整控制模块17，处理器31，存储器32，输入装置33，输出装置34。
实施方式
实施例
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,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它实施例,都属于本申请保护的范围。
在以下的描述中，涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
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申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的。
虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用,然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上，所述模块仅是说明性的,并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或下面操作不一定按照顺序来精确地执行。相反,根据需要,可以按照倒序或同时处理各种步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
如图1所示，本申请实施例提供了一种基于机器视觉的光伏载具生产质量检测方法，所述方法包括：
S10：获得光伏载具应用场景信息，所述光伏载具应用场景信息为待检测光伏载具的应用场景需求；
S20：按照光伏载具应用性能指标对所述光伏载具应用场景信息进行匹配，获得光伏载具生产质量标准；
S30：通过图像高速摄取装置多方位采集获取所述待检测光伏载具的生产监控视频信息；
S40：对所述生产监控视频信息进行特征提取处理，获得光伏载具生产特征信息；
具体的，获取光伏载具应用场景信息，所述光伏载具应用场景信息为待检测光伏载具的应用场景需求，应用场景需求为具体的光伏布设场景，包括布设位置平均气温、最高气温、布设位置、承重要求等各类应用布设场景需求。随后，按照光伏载具应用性能指标对所述光伏载具应用场景信息进行匹配，即匹配不同应用场景信息下对应的光伏载具应用性能指标，并获取光伏载具应用性能指标的具体需求参数，进而获得光伏载具生产质量标准。进一步，通过图像高速摄取装置多方位采集获取所述待检测光伏载具的生产监控视频信息，即通过高速图像采集装置多方位采集生产监控视频信息。随后，获取的生产监控视频信息抽取其中关键生产图像所在的关键帧，进行特征提取处理，获得光伏载具生产特征信息。
如图2所示，本申请实施例提供的方法S20还包括：
S21：获得光伏载具应用性能指标，所述光伏载具应用性能指标包括结构性能、散热性能、抗压抗冲击性能、色差外观、平滑均匀度；
S22：基于所述应用场景需求对所述光伏载具应用性能指标中的各指标信息进行关联度评价，获得指标关联度信息；
S23：对所述指标关联度信息在预设关联度阈值之内的指标进行筛选，获得光伏载具生产性能指标；
S24：对所述光伏载具应用场景信息进行参数提取，获得应用场景参数；
S25：基于所述光伏载具生产性能指标对所述应用场景参数进行标准匹配量化，获得所述光伏载具生产质量标准。
具体的，在获取光伏载具生产质量保准时，通过获取光伏载具应用性能指标，所述光伏载具应用性能指标包括结构性能、散热性能、抗压抗冲击性能、色差外观、平滑均匀度。随后，基于应用场景需求对所述光伏载具应用性能指标中的各指标信息进行关联度评价，获得指标关联度信息。在进行关联度评价时通过大数据获取应用场景需求与光伏载具应用性能指标中的各指标之间的关联度，得到应用场景需求与指标之间的具体关联度数值。进一步，对所述指标关联度信息在预设关联度阈值之内的指标进行筛选，获得光伏载具生产性能指标，即当关联度数值大于某一阈值时则将对应的指标作为应用场景需求的关联指标，进而获取光伏载具生产性能指标，在光伏载具生产性能指标中包含的各指标均为与应用场景需求关联度较高的指标。随后，对所述光伏载具应用场景信息进行参数提取，获得应用场景参数，其中应用场景参数包括各场景信息的参数值，如温度数据的参数、载重数据参数等。最后，基于所述光伏载具生产性能指标对所述应用场景参数进行标准匹配量化，即通过大数据获取应用场景参数对应的光伏载具生产性能指标的具体需求参数，进而完成标准匹配量化获得所述光伏载具生产质量标准。
如图3所示，本申请实施例提供的方法S40还包括：
S41：对所述生产监控视频信息进行压缩处理，获得生产监控压缩视频信息；
S42：基于所述生产监控压缩视频信息进行关键帧提取、图像分割，获得生产分割图像信息；
S43：对所述生产分割图像信息进行图像预处理，获得标准生产分割图像信息；
S44：基于所述标准生产分割图像信息进行生产特征提取，获得所述光伏载具生产特征信息。
具体的，对生产监控视频信息进行压缩处理，获得生产监控压缩视频信息。随后，提取生产监控压缩视频信息中的关键帧提取、图像分割，即对视频中的关键帧进行提取，其中关键帧为可以体现生产特征的视频帧，并对提取的关键帧图像进行图像分割得到更能体现生产特征的图像，获得生产分割图像信息。进一步，对所述生产分割图像信息进行图像预处理，获得标准生产分割图像信息，其中图像预处理方式为常用的图像滤波处理算法。最后，对标准生产分割图像信息进行生产特征提取，获得所述光伏载具生产特征信息。
本申请实施例提供的方法S40还包括：
S45：基于图像滤波算法对所述生产分割图像信息进行图像预处理，获得所述标准生产分割图像信息；
S46：根据所述光伏载具生产质量标准，获得目标生产卷积特征集合；
S47：基于所述目标生产卷积特征集合对所述标准生产分割图像信息进行遍历卷积计算，获得图像卷积计算结果；
S48：基于所述图像卷积计算结果，获得所述光伏载具生产特征信息。
具体的，基于图像滤波算法对所述生产分割图像信息进行图像预处理，获得所述标准生产分割图像信息。随后，基于光伏载具生产质量标准，获得目标生产卷积特征集合。其中目标生产卷积特征集合为预设的与光伏载具生产质量标准相对应的卷积核。进一步，基于所述目标生产卷积特征集合对所述标准生产分割图像信息进行遍历卷积计算，获得图像卷积计算结果。最后，基于获取各个特征对应的图像卷积计算结果，获得所述光伏载具生产特征信息，进而完成对光伏载具生产特征信息的提取。
S50：将所述光伏载具生产质量标准和所述光伏载具生产特征信息输入光伏载具生产质量评估模型中，获得光伏载具生产质量结果；
S60：根据所述光伏载具生产质量结果，获得光伏载具质量差异度；
S70：如果所述光伏载具质量差异度大于质量差异度阈值，基于所述光伏载具生产质量结果和所述光伏载具质量差异度对光伏载具生产参数进行调整控制。
具体的，将光伏载具生产质量标准和所述光伏载具生产特征信息输入光伏载具生产质量评估模型中，获得光伏载具生产质量结果。其中所述光伏载具生产质量评估模型通过历史光伏载具生产质量标准和历史光伏载具生产特征信息作为输入数据，以及对应的经过人工标识的光伏载具生产质量结果作为标识数据对神经网络模型进行训练后获取。光伏载具生产质量评估模型根据光伏载具生产质量标准和光伏载具生产特征信息，输出对应的光伏载具生产质量结果。并且，在光伏载具生产质量结果中包含各个特征信息的对应评分信息，各个特征信息的对应评分信息表示光伏载具生产特征信息中特征与光伏载具生产质量标准中特征的相似度评分。随后，根据所述光伏载具生产质量结果，获得光伏载具质量差异度。当光伏载具质量差异度大于质量差异度阈值，其中质量差异度阈值为预设的最大差异度，当大于质量差异度阈值是则对应的光伏载具质量与标准相差较大，则基于所述光伏载具生产质量结果和所述光伏载具质量差异度对光伏载具生产参数进行调整控制。降低了机器视觉的光伏载具生产质量检测的检测成本，同时还根据获取的检测数据及时对光伏载具生产参数进行调整控制，提高了产品的生产质量。
本申请实施例提供的方法S60还包括：
S61：构建光伏载具质量评分网状图；
S62：根据所述光伏载具生产质量结果，获得生产质量评分元素信息；
S63：将所述生产质量评分元素信息中的各评分元素值投影至所述光伏载具质量评分网状图，获得光伏载具质量评分网状图；
S64：基于所述光伏载具质量评分网状图和生产质量标准网状图的面积差值，获得所述光伏载具质量差异度。
具体的，构建建光伏载具质量评分网状图，由于光伏载具生产特征信息包含的特征较多，对多个特征进行综合评价时准确度较低，因此采用网状图的方式，计算各特征评分所覆盖的网状图的覆盖面积与总面积的差值即为差异度数据。根据光伏载具生产质量结果，获得生产质量评分元素信息。通过将生产质量评分元素信息中的各评分元素值投影至所述光伏载具质量评分网状图，获得光伏载具质量评分网状图。基于所述光伏载具质量评分网状图和生产质量标准网状图的面积差值，获得所述光伏载具质量差异度。
本申请实施例提供的方法S70还包括：
S71：基于所述光伏载具生产质量结果和所述光伏载具质量差异度进行生产数据追溯，获得光伏载具异常生产数据；
S72：对所述光伏载具异常生产数据进行异常成因分析，获得异常生产成因信息；
S73：将所述光伏载具异常生产数据和所述异常生产成因信息输入至工艺优化分析模型中进行分析，输出获得生产工艺优化方案；
S74：基于所述生产工艺优化方案对所述光伏载具生产参数进行优化调整。
具体的，基于所述光伏载具生产质量结果和所述光伏载具质量差异度进行生产数据追溯，获取产生光伏载具生产质量结果以及光伏载具质量差异度的光伏载具异常生产数据。随后，通过人工的方式对光伏载具异常生产数据进行异常成因分析，获得异常生产成因信息。进一步，将光伏载具异常生产数据和所述异常生产成因信息输入至工艺优化分析模型中进行分析，输出获得生产工艺优化方案。其中工艺优化分析模型通过神经网络模型进行构建，通过将历史伏载具异常生产数据和历史异常生产成因信息以及对应的生产工艺优化方案标识数据作为训练数据，对神经网络模型进行监督训练，直至模型输出准确率可以满足预定阈值时，获取工艺优化分析模型。最后，通过生产工艺优化方案对所述光伏载具生产参数进行优化调整。
本申请实施例提供的方法S70还包括：
S75：获得光伏载具生产设备运行信息；
S76：对所述光伏载具生产设备运行信息进行生产能力评估，获得设备生产能力系数；
S77：将所述设备生产能力系数，作为生产约束参数；
S78：基于所述生产约束参数对所述生产工艺优化方案进行修正，获得实际生产工艺优化方案。
具体的，获得光伏载具生产设备运行信息，随后，对光伏载具生产设备运行信息进行生产能力评估，评估运行中的生产设备在单位时间内的生产量，获得设备生产能力系数。进一步，将所述设备生产能力系数，作为生产约束参数。根据生产约束参数对所述生产工艺优化方案进行修正，即通过生产约束参数实现对调整后的生产工艺优化方案中的生产效率进行限制，如调整后的生产工艺的生产效率升高，则可以根据生产约束参数对其进行限制，避免优化后的生产线之间生产效率不匹配，获得实际生产工艺优化方案。
本发明实施例所提供的技术方案，通过获得光伏载具应用场景信息，所述光伏载具应用场景信息为待检测光伏载具的应用场景需求。按照光伏载具应用性能指标对所述光伏载具应用场景信息进行匹配，获得光伏载具生产质量标准。通过图像高速摄取装置多方位采集获取所述待检测光伏载具的生产监控视频信息。对所述生产监控视频信息进行特征提取处理，获得光伏载具生产特征信息。将所述光伏载具生产质量标准和所述光伏载具生产特征信息输入光伏载具生产质量评估模型中，获得光伏载具生产质量结果。根据所述光伏载具生产质量结果，获得光伏载具质量差异度。如果所述光伏载具质量差异度大于质量差异度阈值，基于所述光伏载具生产质量结果和所述光伏载具质量差异度对光伏载具生产参数进行调整控制。由于采集的信息为生产监控视频信息，并对其进行关键帧提取，进而减少了机器视觉设备的设置，降低了机器视觉的光伏载具生产质量检测的检测成本，同时还根据获取的检测数据及时对光伏载具生产参数进行调整控制，提高了产品的生产质量。解决了现有技术中光伏载具生产质量检测存在检测成本高，无法及时根据检测结果及时对生产参数进行调整的技术问题。
实施例
基于与前述实施例中一种基于机器视觉的光伏载具生产质量检测方法同样发明构思，本发明还提供了一种基于机器视觉的光伏载具生产质量检测方法的系统，系统可以由硬件和/或软件的方式来实现，一般可集成于电子设备中,用于执行本发明任意实施例所提供的方法。如图4所示，所述系统包括：
应用场景信息获取模块11，用于获得光伏载具应用场景信息，所述光伏载具应用场景信息为待检测光伏载具的应用场景需求；
生产质量标准获取模块12，用于按照光伏载具应用性能指标对所述光伏载具应用场景信息进行匹配，获得光伏载具生产质量标准；
监控视频信息获取模块13，用于通过图像高速摄取装置多方位采集获取所述待检测光伏载具的生产监控视频信息；
生产特征信息获取模块14，用于对所述生产监控视频信息进行特征提取处理，获得光伏载具生产特征信息；
生产质量结果获取模块15，用于将所述光伏载具生产质量标准和所述光伏载具生产特征信息输入光伏载具生产质量评估模型中，获得光伏载具生产质量结果；
质量差异度获取模块16，用于根据所述光伏载具生产质量结果，获得光伏载具质量差异度；
调整控制模块17，用于如果所述光伏载具质量差异度大于质量差异度阈值，基于所述光伏载具生产质量结果和所述光伏载具质量差异度对光伏载具生产参数进行调整控制。
进一步地，所述生产质量标准获取模块12还用于：
获得光伏载具应用性能指标，所述光伏载具应用性能指标包括结构性能、散热性能、抗压抗冲击性能、色差外观、平滑均匀度；
基于所述应用场景需求对所述光伏载具应用性能指标中的各指标信息进行关联度评价，获得指标关联度信息；
对所述指标关联度信息在预设关联度阈值之内的指标进行筛选，获得光伏载具生产性能指标；
对所述光伏载具应用场景信息进行参数提取，获得应用场景参数；
基于所述光伏载具生产性能指标对所述应用场景参数进行标准匹配量化，获得所述光伏载具生产质量标准。
进一步地，所述生产特征信息获取模块14还用于：
对所述生产监控视频信息进行压缩处理，获得生产监控压缩视频信息；
基于所述生产监控压缩视频信息进行关键帧提取、图像分割，获得生产分割图像信息；
对所述生产分割图像信息进行图像预处理，获得标准生产分割图像信息；
基于所述标准生产分割图像信息进行生产特征提取，获得所述光伏载具生产特征信息。
进一步地，所述生产特征信息获取模块14还用于：
基于图像滤波算法对所述生产分割图像信息进行图像预处理，获得所述标准生产分割图像信息；
根据所述光伏载具生产质量标准，获得目标生产卷积特征集合；
基于所述目标生产卷积特征集合对所述标准生产分割图像信息进行遍历卷积计算，获得图像卷积计算结果；
基于所述图像卷积计算结果，获得所述光伏载具生产特征信息。
进一步地，所述质量差异度获取模块16还用于：
构建光伏载具质量评分网状图；
根据所述光伏载具生产质量结果，获得生产质量评分元素信息；
将所述生产质量评分元素信息中的各评分元素值投影至所述光伏载具质量评分网状图，获得光伏载具质量评分网状图；
基于所述光伏载具质量评分网状图和生产质量标准网状图的面积差值，获得所述光伏载具质量差异度。
进一步地，所述调整控制模块17还用于：
基于所述光伏载具生产质量结果和所述光伏载具质量差异度进行生产数据追溯，获得光伏载具异常生产数据；
对所述光伏载具异常生产数据进行异常成因分析，获得异常生产成因信息；
将所述光伏载具异常生产数据和所述异常生产成因信息输入至工艺优化分析模型中进行分析，输出获得生产工艺优化方案；
基于所述生产工艺优化方案对所述光伏载具生产参数进行优化调整。
进一步地，所述调整控制模块17还用于：
获得光伏载具生产设备运行信息；
对所述光伏载具生产设备运行信息进行生产能力评估，获得设备生产能力系数；
将所述设备生产能力系数，作为生产约束参数；
基于所述生产约束参数对所述生产工艺优化方案进行修正，获得实际生产工艺优化方案。
所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
实施例
图5为本发明实施例三提供的电子设备的结构示意图，示出了适于用来实现本发明实施方式的示例性电子设备的框图。图5显示的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图5所示，该电子设备包括处理器31、存储器32、输入装置33及输出装置34；电子设备中处理器31的数量可以是一个或多个，图5中以一个处理器31为例，电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种基于机器视觉的光伏载具生产质量检测方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述一种基于机器视觉的光伏载具生产质量检测方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种基于机器视觉的光伏载具生产质量检测方法，其特征在于，所述方法包括：
获得光伏载具应用场景信息，所述光伏载具应用场景信息为待检测光伏载具的应用场景需求；
按照光伏载具应用性能指标对所述光伏载具应用场景信息进行匹配，获得光伏载具生产质量标准；
通过图像高速摄取装置多方位采集获取所述待检测光伏载具的生产监控视频信息；
对所述生产监控视频信息进行特征提取处理，获得光伏载具生产特征信息；
将所述光伏载具生产质量标准和所述光伏载具生产特征信息输入光伏载具生产质量评估模型中，获得光伏载具生产质量结果；
根据所述光伏载具生产质量结果，获得光伏载具质量差异度；
如果所述光伏载具质量差异度大于质量差异度阈值，基于所述光伏载具生产质量结果和所述光伏载具质量差异度对光伏载具生产参数进行调整控制；
其中，所述基于所述光伏载具生产质量结果和所述光伏载具质量差异度对光伏载具生产参数进行调整控制，包括：
基于所述光伏载具生产质量结果和所述光伏载具质量差异度进行生产数据追溯，获得光伏载具异常生产数据；
对所述光伏载具异常生产数据进行异常成因分析，获得异常生产成因信息；
将所述光伏载具异常生产数据和所述异常生产成因信息输入至工艺优化分析模型中进行分析，输出获得生产工艺优化方案；
基于所述生产工艺优化方案对所述光伏载具生产参数进行优化调整；
还包括：
获得光伏载具生产设备运行信息；
对所述光伏载具生产设备运行信息进行生产能力评估，获得设备生产能力系数；
将所述设备生产能力系数，作为生产约束参数；
基于所述生产约束参数对所述生产工艺优化方案进行修正，获得实际生产工艺优化方案。
2.如权利要求1所述的方法，其特征在于，所述获得光伏载具生产质量标准，包括：
获得光伏载具应用性能指标，所述光伏载具应用性能指标包括结构性能、散热性能、抗压抗冲击性能、色差外观、平滑均匀度；
基于所述应用场景需求对所述光伏载具应用性能指标中的各指标信息进行关联度评价，获得指标关联度信息；
对所述指标关联度信息在预设关联度阈值之内的指标进行筛选，获得光伏载具生产性能指标；
对所述光伏载具应用场景信息进行参数提取，获得应用场景参数；
基于所述光伏载具生产性能指标对所述应用场景参数进行标准匹配量化，获得所述光伏载具生产质量标准。
3.如权利要求1所述的方法，其特征在于，所述获得光伏载具生产特征信息，包括：
对所述生产监控视频信息进行压缩处理，获得生产监控压缩视频信息；
基于所述生产监控压缩视频信息进行关键帧提取、图像分割，获得生产分割图像信息；
对所述生产分割图像信息进行图像预处理，获得标准生产分割图像信息；
基于所述标准生产分割图像信息进行生产特征提取，获得所述光伏载具生产特征信息。
4.如权利要求3所述的方法，其特征在于，所述基于所述标准生产分割图像信息进行生产特征提取，获得所述光伏载具生产特征信息，包括：
基于图像滤波算法对所述生产分割图像信息进行图像预处理，获得所述标准生产分割图像信息；
根据所述光伏载具生产质量标准，获得目标生产卷积特征集合；
基于所述目标生产卷积特征集合对所述标准生产分割图像信息进行遍历卷积计算，获得图像卷积计算结果；
基于所述图像卷积计算结果，获得所述光伏载具生产特征信息。
5.如权利要求1所述的方法，其特征在于，所述获得光伏载具质量差异度，包括：
构建光伏载具质量评分网状图；
根据所述光伏载具生产质量结果，获得生产质量评分元素信息；
将所述生产质量评分元素信息中的各评分元素值投影至所述光伏载具质量评分网状图，获得光伏载具质量评分网状图；
基于所述光伏载具质量评分网状图和生产质量标准网状图的面积差值，获得所述光伏载具质量差异度。
6.一种基于机器视觉的光伏载具生产质量检测系统，其特征在于，所述系统包括：
应用场景信息获取模块，用于获得光伏载具应用场景信息，所述光伏载具应用场景信息为待检测光伏载具的应用场景需求；
生产质量标准获取模块，用于按照光伏载具应用性能指标对所述光伏载具应用场景信息进行匹配，获得光伏载具生产质量标准；
监控视频信息获取模块，用于通过图像高速摄取装置多方位采集获取所述待检测光伏载具的生产监控视频信息；
生产特征信息获取模块，用于对所述生产监控视频信息进行特征提取处理，获得光伏载具生产特征信息；
生产质量结果获取模块，用于将所述光伏载具生产质量标准和所述光伏载具生产特征信息输入光伏载具生产质量评估模型中，获得光伏载具生产质量结果；
质量差异度获取模块，用于根据所述光伏载具生产质量结果，获得光伏载具质量差异度；
调整控制模块，用于如果所述光伏载具质量差异度大于质量差异度阈值，基于所述光伏载具生产质量结果和所述光伏载具质量差异度对光伏载具生产参数进行调整控制，还用于基于所述光伏载具生产质量结果和所述光伏载具质量差异度进行生产数据追溯，获得光伏载具异常生产数据；对所述光伏载具异常生产数据进行异常成因分析，获得异常生产成因信息；将所述光伏载具异常生产数据和所述异常生产成因信息输入至工艺优化分析模型中进行分析，输出获得生产工艺优化方案；基于所述生产工艺优化方案对所述光伏载具生产参数进行优化调整；获得光伏载具生产设备运行信息；对所述光伏载具生产设备运行信息进行生产能力评估，获得设备生产能力系数；将所述设备生产能力系数，作为生产约束参数；基于所述生产约束参数对所述生产工艺优化方案进行修正，获得实际生产工艺优化方案。
7.一种电子设备，其特征在于，所述电子设备包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至5任一项所述的一种基于机器视觉的光伏载具生产质量检测方法。
8.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的一种基于机器视觉的光伏载具生产质量检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310842209.1A CN116563293B (zh) | 2023-07-11 | 2023-07-11 | 一种基于机器视觉的光伏载具生产质量检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310842209.1A CN116563293B (zh) | 2023-07-11 | 2023-07-11 | 一种基于机器视觉的光伏载具生产质量检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116563293A CN116563293A (zh) | 2023-08-08 |
| CN116563293B true CN116563293B (zh) | 2023-11-21 |
Family
ID=87503938
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310842209.1A Active CN116563293B (zh) | 2023-07-11 | 2023-07-11 | 一种基于机器视觉的光伏载具生产质量检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116563293B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117761570B (zh) * | 2023-03-01 | 2024-06-07 | 创正电气股份有限公司 | 一种防爆灯的性能检测方法及系统 |
| CN117689276B (zh) * | 2024-02-04 | 2024-04-19 | 济宁久邦工程机械设备有限公司 | 基于机器视觉的高空作业车折叠臂生产质量分析方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113580763A (zh) * | 2021-07-22 | 2021-11-02 | 江阴市欧莱特彩印有限公司 | 印刷车间的印刷半成品产出参数的控制方法、系统以及设备 |
| CN113988438A (zh) * | 2021-11-01 | 2022-01-28 | 深圳市卡博尔科技有限公司 | 一种基于ic载板生产流程的自检方法及系统 |
| CN114418218A (zh) * | 2022-01-20 | 2022-04-29 | 苏州斯瑞笙电子科技有限公司 | 一种医疗注塑件生产的智能预警方法及系统 |
| CN114819636A (zh) * | 2022-04-26 | 2022-07-29 | 无锡日升量仪有限公司 | 一种基于spc检测的工业生产数据处理方法及系统 |
| CN114997605A (zh) * | 2022-05-16 | 2022-09-02 | 南京惠若化工科技有限公司 | 一种可降解树脂生产路线的智能规划方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116415127A (zh) * | 2021-12-23 | 2023-07-11 | 斯凯孚公司 | 用于造纸质量评估的方法、系统及介质 |
-
2023
- 2023-07-11 CN CN202310842209.1A patent/CN116563293B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113580763A (zh) * | 2021-07-22 | 2021-11-02 | 江阴市欧莱特彩印有限公司 | 印刷车间的印刷半成品产出参数的控制方法、系统以及设备 |
| CN113988438A (zh) * | 2021-11-01 | 2022-01-28 | 深圳市卡博尔科技有限公司 | 一种基于ic载板生产流程的自检方法及系统 |
| CN114418218A (zh) * | 2022-01-20 | 2022-04-29 | 苏州斯瑞笙电子科技有限公司 | 一种医疗注塑件生产的智能预警方法及系统 |
| CN114819636A (zh) * | 2022-04-26 | 2022-07-29 | 无锡日升量仪有限公司 | 一种基于spc检测的工业生产数据处理方法及系统 |
| CN114997605A (zh) * | 2022-05-16 | 2022-09-02 | 南京惠若化工科技有限公司 | 一种可降解树脂生产路线的智能规划方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116563293A (zh) | 2023-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116563293B (zh) | 一种基于机器视觉的光伏载具生产质量检测方法及系统 | |
| CN105786860B (zh) | 一种数据建模中的数据处理方法及装置 | |
| CN110533022B (zh) | 一种目标检测方法、系统、装置及存储介质 | |
| JP2019087181A (ja) | 画像検査装置および方法 | |
| CN110807757B (zh) | 基于人工智能的图像质量评估方法、装置及计算机设备 | |
| CN108664839B (zh) | 一种图像处理方法和设备 | |
| CN114998695B (zh) | 一种提高图像识别速度的方法及系统 | |
| CN113095370B (zh) | 图像识别方法、装置、电子设备及存储介质 | |
| CN110570400B (zh) | 一种芯片3d封装检测的信息处理方法和装置 | |
| CN111160481B (zh) | 基于深度学习的adas目标检测方法及系统 | |
| CN112767385B (zh) | 基于显著性策略与特征融合无参考图像质量评价方法 | |
| CN111935479A (zh) | 一种目标图像确定方法、装置、计算机设备及存储介质 | |
| CN114445651A (zh) | 一种语义分割模型的训练集构建方法、装置及电子设备 | |
| CN115564030A (zh) | 目标检测模型的压缩方法、检测方法、装置及相关设备 | |
| US20170177977A1 (en) | Control of Computer Vision Pre-Processing Based on Image Matching Using Structural Similarity | |
| CN111104855A (zh) | 一种基于时序行为检测的工作流识别方法 | |
| CN112085164A (zh) | 一种基于无锚框网络的区域推荐网络提取方法 | |
| CN116091844A (zh) | 一种基于边缘计算的图像数据处理方法及系统 | |
| CN115330759A (zh) | 一种基于豪斯多夫距离计算距离损失的方法及装置 | |
| CN114998172A (zh) | 图像处理方法及相关系统 | |
| CN112613521A (zh) | 基于数据转换的多层次数据分析系统及方法 | |
| CN110958449B (zh) | 三维视频主观感知质量预测方法 | |
| CN114972900A (zh) | 一种电力多源数据筛选方法、装置及终端设备 | |
| CN117726627B (zh) | 芯片表面缺陷检测方法及设备 | |
| US20240038334A1 (en) | Method for generating image processing sequence, generation device, and non-transitory computer-readable storage medium storing computer program |
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 | ||
| CB02 | Change of applicant information |
Address after: A5, Dongjiu (Nantong) Smart Garden, No. 1199, Bihua Road, Nantong High tech Zone, Jiangsu 226300 Applicant after: Nantong Jiufang New Materials Co.,Ltd. Address before: A5, Dongjiu (Nantong) Smart Garden, No. 1199, Bihua Road, Nantong High tech Zone, Jiangsu 226300 Applicant before: Nantong Jiufang New Material Technology Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |