CN117173164A - 太阳能电池板的栅线检测方法 - Google Patents
太阳能电池板的栅线检测方法 Download PDFInfo
- Publication number
- CN117173164A CN117173164A CN202311442938.4A CN202311442938A CN117173164A CN 117173164 A CN117173164 A CN 117173164A CN 202311442938 A CN202311442938 A CN 202311442938A CN 117173164 A CN117173164 A CN 117173164A
- Authority
- CN
- China
- Prior art keywords
- grid line
- pixel
- detected
- cluster
- grid
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 31
- 239000011800 void material Substances 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000007797 corrosion Effects 0.000 claims description 7
- 238000005260 corrosion Methods 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 abstract description 6
- 238000005286 illumination Methods 0.000 abstract description 6
- 238000000605 extraction Methods 0.000 abstract description 2
- 239000013078 crystal Substances 0.000 description 19
- 235000012431 wafers Nutrition 0.000 description 10
- 230000001788 irregular Effects 0.000 description 8
- 238000009826 distribution Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000002161 passivation Methods 0.000 description 1
- 238000013102 re-test Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及数据识别技术领域，具体涉及一种太阳能电池板的栅线检测方法，该方法包括：获取太阳能电池板的表面灰度图像；获取模板栅线及模板栅线两侧的窗口区域；获取聚类簇及取聚类簇的像素空缺率；识别出最终待检测栅线；判断最终待检测栅线是否存在异常。本发明识别出清晰的最终待检测栅线，避免了光照对栅线提取的影响，从而提高栅线异常检测的准确度。
Description
技术领域
本发明涉及数据识别技术领域，具体涉及一种太阳能电池板的栅线检测方法。
背景技术
随着低碳环保、绿色发展的理念越来越深入，光伏发电技术得到了大规模的应用，光伏发电技术主要以太阳能电池板作为光伏发电设备的关键部件，而太阳能电池板因为其长期暴露在室外环境下，对质量的要求严苛，尤其是太阳能电池板的栅线，由于太阳能电池板的栅线主要当作电路的作用，故检测太阳能电池板的栅线的分布是否均匀、是否存在异常是十分重要的。
在现有技术中，对太阳能电池板的栅线进行检测时，主要通过霍夫直线检测，获得栅线区域，然后在于模板进行比较，判断栅线是否存在异常，然而，在利用现有技术过程中太阳能电池板表面容易产生反光，即栅线受到光照的干扰，会导致栅线不清晰，无法准确的比较处栅线是否存在异常，导致无法准确的对栅线进行匹配识别，从而无法准确的判断栅线是否存在异常。
发明内容
本发明提供一种太阳能电池板的栅线检测方法，以解决现有的无法准确的对栅线进行匹配识别，从而无法准确的判断栅线是否存在异常的问题。
本发明的一种太阳能电池板的栅线检测方法采用如下技术方案：
获取太阳能电池板的表面灰度图像；
获取表面灰度图像中的亮点并将亮点作为栅线定位点，根据栅线定位点获取太阳能电池板的模板栅线；
在模板栅线两侧设置关于模板栅线对称的滑窗，其中，滑窗从栅线定位点开始沿模板栅线的方向滑动，并得到每次滑动后的窗口区域；
根据窗口区域内的空缺像素点在窗口区域内的数量获取每个窗口区域的像素空缺率；对每条模板栅线两侧的窗口区域的像素空缺率进行层次聚类，得到多个聚类簇，根据每个聚类簇内的所有窗口区域的像素空缺率获取聚类簇的像素空缺率；
根据每个聚类簇的像素空缺率、聚类簇内关于模板栅线对称的每两个窗口区域的像素空缺率的差值，获取每个聚类簇所对应的待检测栅线边缘的不规则程度；
根据聚类簇所对应的待检测栅线边缘的不规则程度，获取聚类簇的结构元的尺寸，并对聚类簇的结构元的尺寸对应的区域进行形态学腐蚀，获得最终待检测栅线；
根据最终待检测栅线所在的实际单晶片区域的像素点的数量、最终待检测栅线对应的模板栅线所在的模板单晶片区域的像素点的数量，获取实际单晶片区域对应的最终待检测栅线的不规则程度，并根据最终待检测栅线的不规则程度判断每个实际单晶片区域的最终待检测栅线是否存在异常。
优选的，获取每个窗口区域的像素空缺率，包括：
获取窗口区域的所有空缺像素点的灰度均值；
将窗口区域的所有空缺像素点的灰度均值作为窗口区域的像素空缺率。
优选的，获取聚类簇的像素空缺率，包括：
将聚类簇内所有窗口区域的像素空缺率的均值，作为聚类簇的像素空缺率。
优选的，获取每个聚类簇所对应的待检测栅线边缘的不规则程度，包括：
获取聚类簇内关于模板栅线对称的每两个窗口区域的像素空缺率的差值绝对值；
将聚类簇内所有关于模板栅线对称的两个窗口区域的像素空缺率的差值绝对值的和值，与对于聚类簇的像素空缺率相乘得到第一目标值；
对第一目标值进行归一化计算得到聚类簇所对应的待检测栅线边缘的不规则程度。
优选的，获取聚类簇的结构元的尺寸，包括：
对聚类簇所对应的待检测栅线边缘的不规则程度乘以预设的阈值，得到第二目标值；
对第二目标值向上取整得到对应聚类簇的结构元的边长；
根据聚类簇的结构元的边长得到聚类簇的结构元的尺寸。
优选的，得到最终待检测栅线的不规则程度，包括：
获取最终待检测栅线所在的实际单晶片区域的像素点，与最终待检测栅线对应的模板栅线所在的模板单晶片区域的像素点的总数量差值；
对每个实际单晶片区域与对应的模板单晶片区域对应的总数量差值进行归一化，得到实际单晶片区域对应的最终待检测栅线的不规则程度。
优选的，获取表面灰度图像中的亮点，包括：
对表面灰度图像进行阈值分割，得到栅线像素点；
对栅线像素点进行边缘检测得到待检测栅线；
待检测栅线的交点即为表面灰度图像中的亮点。
优选的，获取太阳能电池板的模板栅线，包括：
在表面灰度图像上设置相互垂直的两条直线，其中一条直线与表面灰度图像的边垂直；
分别沿着表面灰度图像的水平方向或竖直方向上移动，在直线经过栅线定位点时，则将直线作为一条模板栅线；
依次遍历滑动，直至所有的栅线定位点都处于直线上，即获得了太阳能电池板的所有模板栅线。
优选的，模板栅线为单像素线。
优选的，将窗口区域内像素点的灰度值大于窗口区域对应的灰度均值的像素点作为空缺像素点。
本发明的一种太阳能电池板的栅线检测方法的有益效果是：
通过太阳能电池板栅线和单晶片的结构进行分析，栅线与栅线之间形成交点，栅线与栅线围成单晶片区域，故先获取表面灰度图像中的亮点并将亮点作为栅线定位点，来获取太阳能电池板的模板栅线，由于受光照影响，难以直接获取待检测栅线的边缘，故为了获取待检测栅线的边缘，先对待检测栅线的边缘所在的区域缩小范围，以提高检测效率，即在模板栅线两侧设置关于模板栅线对称的滑窗，其中，滑窗从栅线定位点开始沿模板栅线的方向滑动，并得到每次滑动后的窗口区域，保证待检测栅线的边缘位于窗口区域，然后，基于栅线与单晶片表面的灰度不相同的特性获取空缺像素点，以根据空缺像素点在窗口区域内的数量获取每个窗口区域的像素空缺率，然后利用像素空缺率相似的窗口区域的特点对窗口区域进行层次聚类，从而获得聚类簇的像素空缺率，然后基于每个聚类簇的像素空缺率，对窗口区域内的待检测栅线进行精确提取，即根据模板栅线两侧堆成的聚类簇的像素空缺率获取待检测栅线边缘的不规则程度，从而依据待检测栅线边缘的不规则程度确定结构元的尺寸，然后获取最终待检测栅线，即避免了实现了清晰的栅线，最后根据最终待检测栅线对应实际单晶片区域的像素点的数量、最终待检测栅线对应的模板栅线所在的模板单晶片区域的像素点的数量，来获取最终待检测栅线的不规则程度，从而根据不规则程度判断最终待检测栅线是否存在异常，本发明通过识别清晰的最终待检测栅线，从而提高栅线异常检测的准确度。
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，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为本发明的一种太阳能电池板的栅线检测方法的实施例的流程图。
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。
本发明的一种太阳能电池板的栅线检测方法的实施例，使用场景为：在太阳能电池板的生产组装环节中，对太阳能电池板的栅线进行检测，判断电池板单晶片是否安装完好，以防止单晶片的歪斜或翘边会导致单晶片与板身的连接不良，从而影响太阳能电池板的发电功能，即如图1所示，本实施例包括：
S1、获取太阳能电池板的表面灰度图像；
具体的，本实施例主要是对TOPCon结构太阳能电池板（隧穿氧化物钝化接触结构太阳能电池板）的栅线进行检测，其中，本实施例使用高清相机复试采集太阳能电池板的表面图像，然后对采集得到的表面图像进行灰度化处理，获得太阳能电池板的表面灰度图像，其中，图像的灰度化处理为现有技术，本实施例不再赘述。
S2、获取模板栅线及模板栅线两侧的窗口区域；
具体的，获取表面灰度图像中的亮点并将亮点作为栅线定位点，根据栅线定位点获取太阳能电池板的模板栅线；在模板栅线两侧设置关于模板栅线对称的滑窗，其中，滑窗从栅线定位点开始沿模板栅线的方向滑动，并得到每次滑动后的窗口区域，需要说明的是，沿滑窗滑动方向的其中一边和模板栅线共线。
由于，在太阳能电池板的板材表面铺设的单晶片是整齐排列的，每一个单晶片之间会有一定的间距，单晶片的边角因为没有铺设晶片，板底的金属会暴露出来形成亮点，因此亮点的位置表示的是单晶片的分布，通过获得图像中的亮点作为栅线的定位点，然后根据亮点拟合得到模板栅线，而后续的根据图像分割得到的栅线是实际的栅线，故先获取表面灰度图像中的亮点并将亮点作为栅线定位点，根据栅线定位点获取太阳能电池板的模板栅线。
其中，获取表面灰度图像中的亮点，包括对表面灰度图像进行阈值分割，得到栅线像素点；对栅线像素点进行边缘检测得到待检测栅线；待检测栅线的交点即为表面灰度图像中的亮点，具体的：因为栅线与单晶片表面的灰度不相同，栅线的灰度值较大，单晶片的灰度值小，因此，本身实施例中阈值分割算法的阈值设置为150，通过阈值分割将栅线与单晶片分开，因为，在灰度图中的白色直线与其他区域的灰度差异明显，而所要分割的为白线，即栅线，此阈值为经验阈值，实施者可根据具体的情况自行设定，即将灰度值大于预设阈值的像素点作为栅线的像素点，小于或者等于预设阈值的像素点作为单晶片的像素点，至此，即得到了栅线像素点，因为灰度图像中的亮点处于栅线的交界处，因此，根据栅线的分布获得亮点的位置，在这里对获得的栅线像素点进行canny算子检测（边缘检测），得到图像中的所有栅线所在的直线，canny算子检测算法为现有公知技术，在此不再进行赘述，然后，获得所有直线的交点，对交点进行标记，则交点就是图像中的亮点，并将亮点作为栅线定位点。
其中，获取太阳能电池板的模板栅线，包括：在表面灰度图像上设置相互垂直的两条直线，其中一条直线与表面灰度图像的边垂直；分别沿着表面灰度图像的水平方向或竖直方向上移动，在直线经过栅线定位点时，则将直线作为一条模板栅线；依次遍历滑动，直至所有的栅线定位点都处于直线上，即获得了太阳能电池板的所有模板栅线，其中，需要说明的是模板栅线为单像素线。
其次，由于光照的影响，太阳能电池板上的某些栅线不清晰，可能形成较亮的光斑导致直接获得的栅线不是真实的栅线，但在相近的光照增益下原本的栅线还是比周围的亮度更高，只是差异变小，导致直接检测容易出现较大误差，因此，需要通过形态学腐蚀逐步获得真实的栅线，无法直接获得栅线区域，故，需要先在模板栅线两侧设置关于模板栅线对称的滑窗，其中，滑窗从栅线定位点开始沿模板栅线的方向滑动，并得到每次滑动后的窗口区域，其中，对于竖直的模板栅线，其对应的窗口区域分布在竖直的模板栅线的左右两侧，而对于水平的模板栅线，其对应的窗口区域分布在水平的模板栅线的上下两侧，即具体的获取窗口区域包括：在通过预设模板栅线进行搜索的时候，以竖直模板栅线为例，在竖直的模板栅线左右两侧都是单晶片，呈现对称分布，因此在进行像素搜索的时候，根据竖直的模板栅线左右两侧像素点的变化来进行像素点的左右互补，进而得到空缺位置像素点，因此设置一个5*5的滑窗，从定位点开始，沿着竖直的模板栅线左右两侧分别进行滑动，得到5*5的窗口区域。
需要说明的是，获取窗口区域的目的是由于待检测栅线必然是沿模板栅线的，故在模板栅线两侧获取窗口区域，从而使得待检测栅线的边缘位于窗口区域内，以便于后续准确的获取待检测边缘线，为了使得待检测栅线的边缘位于窗口区域内，需要设定尺寸大一点的滑窗，故本实施例取经验值5*5的滑窗。
S3、获取聚类簇及取聚类簇的像素空缺率；
在获得栅线定位点后，需要根据栅线定位点的位置进行像素的搜索，以获得窗口区域，即得到了待检测栅线的边界位于窗口区域内，而窗口区域内不仅有单晶片对应的像素点还有待检测栅线的像素点，对于窗口区域来说其内多以单晶片对应的像素点为主，故本实施例中，需要先判别出窗口区域的非单晶片像素点，然后基于非单晶片像素点所占的比例来进行聚类，并获取聚类簇的像素空缺率，故，基于S2步骤获取的窗口区域，根据窗口区域内的空缺像素点在窗口区域内的数量获取每个窗口区域的像素空缺率；对每条模板栅线两侧的窗口区域的像素空缺率进行层次聚类，得到多个聚类簇，根据每个聚类簇内的所有窗口区域的像素空缺率获取聚类簇的像素空缺率，其中，因为层次聚类是对一个连续的变化序列进行聚类的，不会存在跳跃的情况，层次聚类为现有技术本实施例不再赘述。
其中，将窗口区域内像素点的灰度值大于窗口区域对应的灰度均值的像素点作为空缺像素点，即以窗口区域内像素点的灰度值与平均值进行比较，若该像素点的灰度值大于平均灰度值，说明该像素点不是单晶片区域的像素点，然后将该像素点为空缺像素点，并将其赋值为1，而当该像素点的灰度值小于平均灰度值，说明该像素点是单晶片区域的像素点，因此，该像素点不是空缺像素点，将其赋值为0；其中，获取每个窗口区域的像素空缺率，包括：获取窗口区域的所有空缺像素点的灰度均值；将窗口区域的所有空缺像素点的灰度均值作为窗口区域的像素空缺率，即窗口区域的像素空缺率的计算公式为：
式中，表示第/>个窗口区域的像素空缺率；
表示第/>个窗口区域内的第/>个空缺像素点的灰度值；
表示第/>个窗口区域内的空缺像素点的总数；
需要说明的是，在滑窗滑动的过程中，通过对比模板栅线两侧窗口区域内的像素点的灰度变化，得到像素点的空缺率，因为栅线处的像素点的灰度值大，而单晶片处像素点的灰度值小，若栅线发生了弯曲，则在沿着模板栅线进行滑动的过程中，左右两侧像素点的灰度会不一样，因此像素空缺率是不一样的，故以像素空缺率表示每一个窗口区域内的实际栅线的像素点的变化。
其中，获取聚类簇的像素空缺率，包括：即将聚类簇内所有窗口区域的像素空缺率的均值，作为聚类簇的像素空缺率，聚类簇的像素空缺率的计算公式为：
式中，表示第/>个聚类簇的像素空缺率；
表示第/>个聚类簇内的窗口区域的个数；
表示第/>个窗口区域的像素空缺率；
需要说明的是，层次聚类会将像素空缺率相似的窗口区域聚为一类，因此，平均像素空缺率越大，说明该聚类簇的像素空缺率就越大。
S4、获得最终待检测栅线；
基于S2步骤根据栅线定位点向其连接的四个模板栅线的方向进行边缘线的搜索，获得单晶片的模糊边缘，即单晶片的待检测边缘位于窗口区域内，然后结合S3步骤得到的每个聚类簇的像素空缺率，对模糊边缘进行精确获取，故根据每个聚类簇的像素空缺率、聚类簇内关于模板栅线对称的每两个窗口区域的像素空缺率的差值，获取每个聚类簇所对应的待检测栅线边缘的不规则程度；根据聚类簇所对应的待检测栅线边缘的不规则程度，获取聚类簇的结构元的尺寸，并对聚类簇的结构元的尺寸对应的区域进行形态学腐蚀，获得最终待检测栅线。
具体的，获取每个聚类簇所对应的待检测栅线边缘的不规则程度包括：获取聚类簇内关于模板栅线对称的每两个窗口区域的像素空缺率的差值绝对值；将聚类簇内所有关于模板栅线对称的两个窗口区域的像素空缺率的差值绝对值的和值，与对于聚类簇的像素空缺率相乘得到第一目标值；对第一目标值进行归一化计算得到聚类簇所对应的待检测栅线边缘的不规则程度，其中，聚类簇所对应的待检测栅线边缘的不规则程度的计算公式为：
式中，表示第/>个聚类簇所对应的待检测栅线边缘的不规则程度；
表示第/>个聚类簇的像素空缺率；
表示关于模板栅线的第/>组对称的窗口区域中的窗口区域/>的像素空缺率；
表示关于模板栅线的第/>组对称的窗口区域中的窗口区域/>的像素空缺率；
表示第/>个聚类簇内关于模板栅线对称的窗口区域的总组数；
表示归一化函数，目的是使得待检测栅线边缘的不规则程度的取值范围为[0,1]；
需要说明的是，表示模板栅线的两侧窗口区域内像素点的差异，因此在根据预设栅线进行时，假如不存在异常，则栅线两侧的差值为0，当栅线发生异常时，差值不为0，并且栅线的异常程度越大，差值越大，因此，计算聚类簇中所有窗口区域内的像素空缺率的差异，像素空缺率的差异越大，说明待检测栅线边缘的不规则程度越大，乘以聚类簇的像素空缺率/>是因为在同一聚类簇中，每一个窗口区域内的像素空缺率是相似的，因此根据得到的聚类簇的像素空缺率，能够表示该聚类簇的整体像素变化，故根据每一个聚类簇的空缺率计算位于不同窗口区域的待检测栅线边缘的不规则程度，基于此得到不同窗口区域的不规则程度，即实际边缘线在对应的聚类簇内的局部边缘的不规则程度。
由于待检测栅线边缘的不规则程度的不规则程度越大，则说明待检测栅线的异常程度越大，因此在对待检测栅线对应的区域进行腐蚀操作的时候，就需要较大尺寸的结构元才能获得更好的处理效果，使得空像素点能够得到一定程度的补全，即形态学腐蚀最主要是确定结构元的尺寸，尺寸太小，无法获得完整的边缘，尺寸太大，又会导致获得的边缘范围扩大，故需要根据得到的每一个聚类簇所对应的待检测栅线边缘的不规则程度，获取聚类簇的结构元的尺寸，具体的，获取聚类簇的结构元的尺寸包括：对聚类簇所对应的待检测栅线边缘的不规则程度乘以预设的阈值，得到第二目标值；对第二目标值向上取整得到对应聚类簇的结构元的边长；根据聚类簇的结构元的边长得到聚类簇的结构元的尺寸，聚类簇的结构元的边长的计算公式为：
式中，表示第/>个聚类簇所对应的结构元的边长，基于结构元的边长即可得到结构元尺寸；
表示向上取整符号；
表示第/>个聚类簇所对应的待检测栅线边缘的不规则程度；
需要说明的是，10表示预设的阈值，乘以10是因为不规则程度的范围为[0,1]，而结构元的尺寸为正整数，因此，扩大十倍再取整。
最后，对聚类簇的结构元的尺寸对应的区域进行形态学腐蚀，获得最终待检测栅线，最终待检测栅线即为清晰的待检测栅线。
S5、判断最终待检测栅线是否存在异常；
具体的，根据最终待检测栅线的边缘到对应的模板栅线的距离，得到最终待检测栅线的不规则程度，根据最终待检测栅线的不规则程度，判断最终待检测栅线是否存在异常。
其中，最终待检测栅线的不规则程度包括：获取最终待检测栅线所在的实际单晶片区域的像素点，与最终待检测栅线对应的模板栅线所在的模板单晶片区域的像素点的总数量差值；对每个实际单晶片区域与对应的模板单晶片区域对应的总数量差值进行归一化，得到实际单晶片区域对应的最终待检测栅线的不规则程度，即最终待检测栅线的不规则程度的计算公式为：
式中，表示实际单晶片区域对应的最终待检测栅线的不规则程度；
表示最终待检测栅线所在的实际单晶片区域的像素点的总数量；
表示最终待检测栅线对应的模板栅线所在的模板单晶片区域的像素点的总数量；
表示归一化函数，目的是使得实际单晶片区域对应的最终待检测栅线的不规则程度的取值范围为[0,1]，从而方便后续阈值的设定。
需要说明的是，表示最终待检测栅线所在的实际单晶片区域的像素点，与最终待检测栅线对应的模板栅线所在的模板单晶片区域的像素点的总数量差值，总数量差值越大，越说明实际单晶片区域对应的最终待检测栅线的不规则程度越大。
其中，判断最终待检测栅线是否存在异常，包括：基于得到的实际单晶片区域对应的最终待检测栅线的不规则程度，且最终待检测栅线的不规则程度取值范围为[0,1]，故在此设置规则程度阈值为0.12，当实际单晶片区域对应的最终待检测栅线的不规则程度大于0.12时，说明实际单晶片区域对应的最终待检测栅线存在异常，当实际单晶片区域对应的最终待检测栅线的不规则程度小于或者等于0.12时，说明实际单晶片区域对应的最终待检测栅线不存在异常。
本发明的一种太阳能电池板的栅线检测方法，通过太阳能电池板栅线和单晶片的结构进行分析，栅线与栅线之间形成交点，栅线与栅线围成单晶片区域，故先获取表面灰度图像中的亮点并将亮点作为栅线定位点，来获取太阳能电池板的模板栅线，由于受光照影响，难以直接获取待检测栅线的边缘，故为了获取待检测栅线的边缘，先对待检测栅线的边缘所在的区域缩小范围，以提高检测效率，即在模板栅线两侧设置关于模板栅线对称的滑窗，其中，滑窗从栅线定位点开始沿模板栅线的方向滑动，并得到每次滑动后的窗口区域，保证待检测栅线的边缘位于窗口区域，然后，基于栅线与单晶片表面的灰度不相同的特性获取空缺像素点，以根据空缺像素点在窗口区域内的数量获取每个窗口区域的像素空缺率，然后利用像素空缺率相似的窗口区域的特点对窗口区域进行层次聚类，从而获得聚类簇的像素空缺率，然后在基于每个聚类簇的像素空缺率，对窗口区域内的待检测栅线进行精确提取，即根据模板栅线两侧堆成的聚类簇的像素空缺率获取待检测栅线边缘的不规则程度，从而依据待检测栅线边缘的不规则程度确定结构元的尺寸，然后获取最终待检测栅线，即避免了实现了清晰的栅线，最后根据最终待检测栅线对应实际单晶片区域的像素点的数量、最终待检测栅线对应的模板栅线所在的模板单晶片区域的像素点的数量，来获取最终待检测栅线的不规则程度，从而根据不规则程度判断最终待检测栅线是否存在异常，本发明通过获取清晰的最终待检测栅线，从而提高栅线异常检测的准确度。
Claims (10)
1.一种太阳能电池板的栅线检测方法，其特征在于，包括：
获取太阳能电池板的表面灰度图像；
获取表面灰度图像中的亮点并将亮点作为栅线定位点，根据栅线定位点获取太阳能电池板的模板栅线；
在模板栅线两侧设置关于模板栅线对称的滑窗，其中，滑窗从栅线定位点开始沿模板栅线的方向滑动，并得到每次滑动后的窗口区域；
根据窗口区域内的空缺像素点在窗口区域内的数量获取每个窗口区域的像素空缺率；对每条模板栅线两侧的窗口区域的像素空缺率进行层次聚类，得到多个聚类簇，根据每个聚类簇内的所有窗口区域的像素空缺率获取聚类簇的像素空缺率；
根据每个聚类簇的像素空缺率、聚类簇内关于模板栅线对称的每两个窗口区域的像素空缺率的差值，获取每个聚类簇所对应的待检测栅线边缘的不规则程度；
根据聚类簇所对应的待检测栅线边缘的不规则程度，获取聚类簇的结构元的尺寸，对聚类簇的结构元的尺寸对应的区域进行形态学腐蚀，获得最终待检测栅线；
根据最终待检测栅线所在的实际单晶片区域的像素点的数量、最终待检测栅线对应的模板栅线所在的模板单晶片区域的像素点的数量，获取实际单晶片区域对应的最终待检测栅线的不规则程度，并根据最终待检测栅线的不规则程度判断每个实际单晶片区域的最终待检测栅线是否存在异常。
2.根据权利要求1所述的一种太阳能电池板的栅线检测方法，其特征在于，获取每个窗口区域的像素空缺率，包括：
获取窗口区域的所有空缺像素点的灰度均值；
将窗口区域的所有空缺像素点的灰度均值作为窗口区域的像素空缺率。
3.根据权利要求1所述的一种太阳能电池板的栅线检测方法，其特征在于，获取聚类簇的像素空缺率，包括：
将聚类簇内所有窗口区域的像素空缺率的均值，作为聚类簇的像素空缺率。
4.根据权利要求1所述的一种太阳能电池板的栅线检测方法，其特征在于，获取每个聚类簇所对应的待检测栅线边缘的不规则程度，包括：
获取聚类簇内关于模板栅线对称的每两个窗口区域的像素空缺率的差值绝对值；
将聚类簇内所有关于模板栅线对称的两个窗口区域的像素空缺率的差值绝对值的和值，与对于聚类簇的像素空缺率相乘得到第一目标值；
对第一目标值进行归一化计算得到聚类簇所对应的待检测栅线边缘的不规则程度。
5.根据权利要求1所述的一种太阳能电池板的栅线检测方法，其特征在于，获取聚类簇的结构元的尺寸，包括：
对聚类簇所对应的待检测栅线边缘的不规则程度乘以预设的阈值，得到第二目标值；
对第二目标值向上取整得到对应聚类簇的结构元的边长；
根据聚类簇的结构元的边长得到聚类簇的结构元的尺寸。
6.根据权利要求1所述的一种太阳能电池板的栅线检测方法，其特征在于，得到最终待检测栅线的不规则程度，包括：
获取最终待检测栅线所在的实际单晶片区域的像素点，与最终待检测栅线对应的模板栅线所在的模板单晶片区域的像素点的总数量差值；
对每个实际单晶片区域与对应的模板单晶片区域对应的总数量差值进行归一化，得到实际单晶片区域对应的最终待检测栅线的不规则程度。
7.根据权利要求1所述的一种太阳能电池板的栅线检测方法，其特征在于，获取表面灰度图像中的亮点，包括：
对表面灰度图像进行阈值分割，得到栅线像素点；
对栅线像素点进行边缘检测得到待检测栅线；
待检测栅线的交点即为表面灰度图像中的亮点。
8.根据权利要求1所述的一种太阳能电池板的栅线检测方法，其特征在于，获取太阳能电池板的模板栅线，包括：
在表面灰度图像上设置相互垂直的两条直线，其中一条直线与表面灰度图像的边垂直；
分别沿着表面灰度图像的水平方向或竖直方向上移动，在直线经过栅线定位点时，则将直线作为一条模板栅线；
依次遍历滑动，直至所有的栅线定位点都处于直线上，即获得了太阳能电池板的所有模板栅线。
9.根据权利要求1所述的一种太阳能电池板的栅线检测方法，其特征在于，模板栅线为单像素线。
10.根据权利要求1所述的一种太阳能电池板的栅线检测方法，其特征在于，将窗口区域内像素点的灰度值大于窗口区域对应的灰度均值的像素点作为空缺像素点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311442938.4A CN117173164B (zh) | 2023-11-02 | 2023-11-02 | 太阳能电池板的栅线检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311442938.4A CN117173164B (zh) | 2023-11-02 | 2023-11-02 | 太阳能电池板的栅线检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117173164A true CN117173164A (zh) | 2023-12-05 |
| CN117173164B CN117173164B (zh) | 2023-12-26 |
Family
ID=88947157
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311442938.4A Active CN117173164B (zh) | 2023-11-02 | 2023-11-02 | 太阳能电池板的栅线检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117173164B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016127883A1 (zh) * | 2015-02-12 | 2016-08-18 | 阿里巴巴集团控股有限公司 | 一种图像区域检测方法及装置 |
| CN116309417A (zh) * | 2023-03-08 | 2023-06-23 | 广州大学 | 太阳能电池片的栅线检测方法及装置 |
| CN116977329A (zh) * | 2023-09-21 | 2023-10-31 | 江苏惠汕新能源集团有限公司 | 一种基于机器视觉的光伏板栅线检测方法 |
-
2023
- 2023-11-02 CN CN202311442938.4A patent/CN117173164B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016127883A1 (zh) * | 2015-02-12 | 2016-08-18 | 阿里巴巴集团控股有限公司 | 一种图像区域检测方法及装置 |
| CN116309417A (zh) * | 2023-03-08 | 2023-06-23 | 广州大学 | 太阳能电池片的栅线检测方法及装置 |
| CN116977329A (zh) * | 2023-09-21 | 2023-10-31 | 江苏惠汕新能源集团有限公司 | 一种基于机器视觉的光伏板栅线检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117173164B (zh) | 2023-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tsai et al. | Defect detection in solar modules using ICA basis images | |
| CN111179225B (zh) | 一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法 | |
| US11144778B2 (en) | Descriptor guided fast marching method for analyzing images and systems using the same | |
| CN107727662B (zh) | 一种基于区域生长算法的电池片el黑斑缺陷检测方法 | |
| CN116596936B (zh) | 基于图像数据的太阳翼帆板质量检测方法 | |
| CN115100199B (zh) | 一种晶圆低纹理缺陷的检测方法 | |
| Li et al. | Automatic saw-mark detection in multicrystalline solar wafer images | |
| WO2021168733A1 (zh) | 缺陷图像的缺陷检测方法、装置及计算机可读存储介质 | |
| Spataru et al. | Automatic detection and evaluation of solar cell micro-cracks in electroluminescence images using matched filters | |
| CN112508090A (zh) | 一种外包装缺陷检测方法 | |
| CN117132844B (zh) | 一种基于图像处理的光伏板裂纹与划痕的分类方法 | |
| CN110443278B (zh) | 一种太阳能电池片栅线粗细异常的检测方法、装置及设备 | |
| CN114820625B (zh) | 一种汽车顶块缺陷检测方法 | |
| CN115049645B (zh) | 一种太阳能电池板表面缺陷检测方法 | |
| CN115115643A (zh) | 一种光伏电池板生产缺陷检测方法 | |
| CN110738205A (zh) | 一种基于机器视觉的电芯正负极识别设备及方法 | |
| CN114926406A (zh) | 基于霍夫变换的光伏电池板异常检测方法 | |
| CN117036341A (zh) | 一种基于图像处理的路面裂缝检测方法 | |
| CN111860531A (zh) | 一种基于图像处理的扬尘污染识别方法 | |
| 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 | |
| CN115099290A (zh) | 一种太阳能电池板生产质量检测方法 | |
| CN117173164B (zh) | 太阳能电池板的栅线检测方法 | |
| CN107545565B (zh) | 一种太阳能网版检测方法 | |
| CN115330768B (zh) | 一种太阳能电池板质量分级方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |