CN118090753B - 一种基于视觉的激光打印光伏板极小缺陷检测装置及方法 - Google Patents
一种基于视觉的激光打印光伏板极小缺陷检测装置及方法 Download PDFInfo
- Publication number
- CN118090753B CN118090753B CN202410457942.6A CN202410457942A CN118090753B CN 118090753 B CN118090753 B CN 118090753B CN 202410457942 A CN202410457942 A CN 202410457942A CN 118090753 B CN118090753 B CN 118090753B
- Authority
- CN
- China
- Prior art keywords
- photovoltaic panel
- image
- adjusting
- photovoltaic
- detection
- 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 57
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000007648 laser printing Methods 0.000 title claims abstract description 15
- 230000007246 mechanism Effects 0.000 claims abstract description 86
- 238000001514 detection method Methods 0.000 claims abstract description 65
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 238000012937 correction Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims description 40
- 238000013507 mapping Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 230000033001 locomotion Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 abstract description 3
- 238000005286 illumination Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 239000013589 supplement Substances 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 239000000758 substrate Substances 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000007650 screen-printing Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 238000006467 substitution reaction 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 Processing (AREA)
Abstract
本发明提供的一种基于视觉的激光打印光伏板极小缺陷检测装置及方法,属于生产自动监测装备技术领域,其利用姿态检测机构和姿态校正装置对传送过程中光伏板的姿态进行检测及矫正;同时利用调节装置调节面阵相机、线阵相机到光伏板的距离和角度,实现不同尺寸光伏板的图像采集,并减少系统误差;另外利用高亮度光源进行补光并调整光照角度,使得采集的图像质量更高,便于后续拼接并提高检测精度;再之采用线阵相机组错位式布局,实现了光伏板中栅线高分辨率、高行频的图像采集;最终采用实时图像预处理技术、图像拼接技术和极小缺陷目标检测技术,对采集到的图像进行了综合处理,保证了检测结果的实时性和鲁棒性。
Description
技术领域
本发明属于生产自动监测装备技术领域,尤其涉及一种基于视觉的激光打印光伏板极小缺陷检测装置及方法。
背景技术
现代社会中随着科技和工业的快速发展,太阳能作为一种绿色清洁可再生的能源,已经逐渐成为能源结构中不可或缺的重要成分。光伏板作为太阳能发电的核心部件,它的质量直接会影响整个发电系统的效率。目前工业上比较先进的生产光伏板的方法是激光打印技术,它是利用激光器将光伏材料直接蒸发或者烧蚀在基板上来实现光伏板的制造,与传统的丝网印刷技术相比,其具有印刷一致性高、耗银量少和能量转换效率高等优点。然而由于生产失误、误操作、运输过程不规范等因素不可避免地会对光伏板造成损伤,导致光伏板出现断栅、漏浆、粗线、划痕等缺陷。对于光伏板中最关键的栅线部位,其缺陷会直接对整个光伏板发电状态造成极大的损害。此外,激光打印技术在实现高效率生产光伏板的同时也使光伏板中的缺陷变得更加细微,光伏板中的栅线宽度和高度为微米级,出现的栅线缺陷可能更加细微,这就给光伏板的缺陷检测带来新的挑战。
目前,部分光伏板生产厂家以人工检测为主,依赖于检测人员的肉眼识别,该方式不仅存在准确度低、人力成本高等问题,还会随着检测人员视疲劳的出现,导致效率降低无法适应当前快节奏的自动化生产环境。部分光伏板生产厂家采用了基于视觉的缺陷检测装置,但其主要是采用面阵相机对整个视野面内的缺陷进行整体识别和检测,受相机分辨率等因素的制约导致其对极小尺寸缺陷的识别有一定的局限性。因此亟需一种针对光伏板中极小缺陷目标的检测装置和方法来解决上述技术问题。
发明内容
为解决现有技术的缺点和不足,提供一种基于视觉的激光打印光伏板极小缺陷检测装置及方法,从而解决人工检测存在的准确性低、人力成本高、检测效率不稳定以及现有基于视觉的缺陷检测装置对极小尺寸缺陷识别存在局限的问题。
为实现本发明目的而提供的一种基于视觉的激光打印光伏板极小缺陷检测装置,包括有传送机构、姿态检测机构、光源调节机构、拍摄机构和姿态校正机构,所述传送机构的正上方自左向右依次设置有姿态检测机构、光源调节机构和拍摄机构,所述姿态检测机构与光源调节机构之间设置有姿态校正机构,且所述姿态校正机构安装在传送机构上;
所述姿态检测机构、光源调节机构和拍摄机构均包括有对称设置的机架、连接板和调节装置,所述对称设置的机架之间设置有连接板,所述连接板上安装有调节装置,所述调节装置包括有基板,所述基板的底部与连接板固定,所述基板的顶部水平设置有电动丝杠和滑轨,所述滑轨上套设有滑块,所述电动丝杠与滑块通过螺纹配合实现滑块位置的移动,所述滑块的上表面安装有固定板;
在所述姿态检测机构中,所述连接板为一个,所述调节装置中的固定板上安装有面阵相机;
在所述光源调节机构中,所述连接板为三个,所述调节装置中的固定板上对称设置有光源角度调节板,对称设置的所述光源角度调节板之间设置有高亮度光源;
在所述拍摄机构中,所述连接板为三个,所述调节装置中的固定板上安装有线阵相机。
作为上述方案的进一步改进,所述传送机构包括有底板,所述底板的前后板之间自左向右依次设置有三根转轴,三根所述转轴的外部套设有传输带,其中一根所述转轴的一端与驱动电机的动力轴连接。
作为上述方案的进一步改进,所述姿态校正机构包括有底座,所述底座固定在底板上,所述底座上安装有对称设置的气缸和对称设置的调节板,对称设置的所述气缸相对的活动端安装有推送板,对称设置的所述调节板相对的端部均设置有侧面板。
一种基于视觉的激光打印光伏板缺陷检测方法,包括以下步骤:
步骤1,将面阵相机、线阵相机、高亮度光源、姿态检测机构与姿态校正机构调节到合适位置;
步骤2,使用面阵相机对光伏板进行图像采集,采集得到的图像通过霍夫变换算法进行栅线直线位置检测,判断光伏板的传输方向是否符合采集要求,若符合采集要求,则直接进行光伏板图像采集,若不符合,则先进行光伏板传输方向调节再进行光伏板姿态校正;
步骤3,根据光伏板的运动速度变化规律和线阵相机内部参数确定线阵相机的工作行频,同时利用三个线阵相机对视野范围内的光伏板进行图像采集,得到指定数量的行线阵图像;
步骤4,分别对三个线阵相机连续采集指定数量的行线阵图像进行一次拼接,得到光伏板图像的左侧、中部和右侧三部分,然后对光伏板图像的左侧、中部和右侧三部分进行二次拼接,得到完整的光伏板栅线图像;
步骤5,对完整的光伏板栅线图像进行预处理,通过中值滤波算法消除图像拼接所带来的瑕疵、细节模糊和随机噪声的干扰;
步骤6,利用极小缺陷目标检测算法对预处理后的光伏板栅线图像进行缺陷检测,识别光伏板栅线图像中存在的缺陷。
作为上述方案的进一步改进,所述步骤2中使用面阵相机对光伏板进行图像采集,采集得到的图像通过霍夫变换算法进行栅线直线位置检测,具体步骤为:
步骤2.1,对采集得到的图像进行预处理,包括去噪、灰度化、边缘增强;
步骤2.2,对预处理后的图像进行霍夫变换;
步骤2.3,分析霍夫变换的输出结果,识别出图像中的直线,根据直线斜率检测的结果,若直线斜率为0时,则光伏板的传输方向符合采集要求,若直线斜率不为0时,则光伏板的传输方向不符合采集要求;
步骤2.4,若符合采集要求,则直接进行光伏板图像采集,若不符合,则先进行光伏板传输方向调节再进行光伏板姿态校正。
作为上述方案的进一步改进,所述步骤4中对光伏板图像的左侧、中部和右侧三部分进行二次拼接的具体步骤为:
步骤4.1,对光伏板图像的左侧、中部、右侧的三部分利用ORB算法进行特征点提取;
步骤4.2,通过计算特征点的描述符,对步骤4.1中提取出的特征点进行匹配,得到光伏板图像的左侧与中部、中部与右侧的匹配特征点对;
步骤4.3,采用RANSAC算法计算步骤4.2得到的匹配特征点对之间的单应矩阵H,H表达式如下:
式中,h 11,h 12,h 13是光伏板图像中特征点经过单应变换后x方向上的映射变换值,包括旋转、缩放和平移;h 21,h 22,h 23是光伏板图像中特征点经过单应变换后y方向上的映射变换值,包括旋转、缩放和平移;h 31,h 32是光伏板图像中特征点经投影变换后的归一化系数值;
步骤4.4,利用步骤4.3得到的单应矩阵H对光伏板图像的左侧、中部和右侧三部分进行变换与融合,得到完整的光伏板栅线图像,变换关系如下:
具体表达式为:
展开可得:
式中,x 1 表示一幅图像上特征点的位置,x 2 表示另一幅图像上同一特征点的位置,(x 1 ,y 1)和(x 2 ,y 2 )是匹配特征点对。
作为上述方案的进一步改进,所述步骤6中极小缺陷目标检测算法为频域分析方法,利用极小缺陷目标检测算法对预处理后的光伏板栅线图像进行缺陷检测,具体步骤为:
步骤6.1,将预处理后的光伏板栅线图像转化为灰度图像;
步骤6.2,根据光伏板的特点,构建一组Gabor滤波器,其数学表达式如下:
转化为实部和虚部的形式,则实部为:
虚部为:
其中:
。
式中,x,y表示图像像素的坐标值;λ表示Gabor滤波器的波长;θ表示Gabor滤波器方向;φ表示相位偏移;γ表示空间的长宽比,与核函数的椭圆率有关;σ表示高斯核函数的标准差;
步骤6.3,对输入的灰度图像进行Gabor变换,通过Gabor滤波器对灰度图像的多个方向进行滤波操作,得到灰度图像在不同尺度和方向上的Gabor响应,从而得到多幅滤波响应图像;
步骤6.4,将步骤6.3得到的多幅滤波响应图像进行加权合并,得到完整的加权合并图像,该加权合并图像包含缺陷信息;
步骤6.5,利用阈值处理将步骤6.4得到的加权合并图像转换为二值图像,然后再利用形态学操作突出缺陷区域得到理想的检测结果。
本发明的有益效果是:
与现有技术相比,本发明提供的一种基于视觉的激光打印光伏板极小缺陷检测装置及方法,利用姿态检测机构和姿态校正机构对传送过程中光伏板的姿态进行检测及矫正,便于后续图像数据的标准化采集;同时利用调节装置调节面阵相机、线阵相机到光伏板的距离和角度,实现不同尺寸光伏板的图像采集,并减少采集时的系统误差;另外利用高亮度光源进行补光并调整光照角度,使得采集的图像质量更高,便于后续拼接并提高检测精度;再之采用线阵相机组错位式布局,实现了光伏板中栅线高分辨率、高行频的图像采集,且避免了面阵相机视野拼图完整性难题;最终采用实时图像预处理技术、图像拼接技术和极小缺陷目标检测技术,对采集到的图像进行了综合处理,保证了检测结果的实时性和鲁棒性。
综上所述,本发明提供的检测装置及方法解决了人工检测存在的准确性低、人力成本高、检测效率不稳定的问题,同时通过线阵相机组错位式布局对图像进行采集和一系列图像处理算法解决了现有基于视觉的缺陷检测装置对极小尺寸缺陷识别存在的局限性。
附图说明
图1 为本发明的总体结构示意图;
图2为本发明中传送机构的结构示意图;
图3为本发明中姿态检测机构的结构示意图;
图4为本发明中光源调节机构的结构示意图;
图5为本发明中拍摄机构的结构示意图;
图6为本发明中姿态校正机构的结构示意图;
图7为本发明中调节装置的连接示意图;
图8为本发明中光源调节机构的结构示意图;
图9为本发明提供的基于视觉的激光打印光伏板极小缺陷检测方法流程图。
其中,
1-传送机构;11-底板;12-转轴;13-驱动电机;14-传输带;
2-姿态检测机构; 21-面阵相机;
3-光源调节机构;31-光源角度调节板;32-高亮度光源;
4-拍摄机构;41-线阵相机;
5-姿态校正机构;51-底座;52-气缸;53-推送板;54-侧面板;55-调节板;
7-机架;
8-连接板;
9-调节装置;91-基板;92-电动丝杠;93-滑块;94-滑轨;95-固定板。
具体实施方式
以下结合附图对本发明的具体实施方式作进一步的详细说明:
根据图1-图8所示,本发明提供一种基于视觉的激光打印光伏板极小缺陷检测装置,包括有传送机构1、姿态检测机构2、光源调节机构3、拍摄机构4和姿态校正机构5,传送机构1的正上方自左向右依次设置有姿态检测机构2、光源调节机构3和拍摄机构4,姿态检测机构2与光源调节机构3之间设置有姿态校正机构5,且姿态校正机构5安装在传送机构1上;
姿态检测机构2、光源调节机构3和拍摄机构4均包括有对称设置的机架7、连接板8和调节装置9,对称设置的机架7之间设置有连接板8,连接板8上安装有调节装置9,调节装置9包括有基板91,基板91的底部与连接板8固定,基板91的顶部水平设置有电动丝杠92和滑轨94,滑轨94上套设有滑块93,电动丝杠92与滑块93通过螺纹配合实现滑块93位置的移动,滑块93的上表面安装有固定板95;
在姿态检测机构2中,连接板8为一个,调节装置9中的固定板95上安装有面阵相机21;
在光源调节机构3中,连接板8为三个,调节装置9中的固定板95上对称设置有光源角度调节板31,对称设置的光源角度调节板31之间设置有高亮度光源32;
在拍摄机构4中,连接板8为三个,调节装置9中的固定板95上安装有线阵相机41。
传送机构1包括有底板11,底板11的前后板之间自左向右依次设置有三根转轴12,三根转轴12的外部套设有传输带14,其中一根转轴12的一端与驱动电机13的动力轴连接。
姿态校正机构5包括有底座51,底座51固定在底板11上,底座51上安装有对称设置的气缸52和对称设置的调节板55,对称设置的气缸52相对的活动端安装有推送板53,对称设置的调节板55相对的端部均设置有侧面板54。
根据图9所示,一种基于视觉的激光打印光伏板缺陷检测方法,包括以下步骤:
步骤1,将面阵相机21、线阵相机41、高亮度光源32、姿态检测机构2与姿态校正机构5调节到合适位置。
步骤2,使用面阵相机21对光伏板进行图像采集,采集得到的图像通过霍夫变换算法进行栅线直线位置检测,判断光伏板的传输方向是否符合采集要求,若符合采集要求,则直接进行光伏板图像采集,若不符合,则先进行光伏板传输方向调节再进行光伏板姿态校正。
其中步骤2中使用面阵相机21对光伏板进行图像采集,采集得到的图像通过霍夫变换算法进行栅线直线位置检测,具体步骤为:
步骤2.1,对采集得到的图像进行预处理,包括去噪、灰度化、边缘增强;
步骤2.2,对预处理后的图像进行霍夫变换;在该步骤中,使用霍夫变换算法来检测图像中的直线,特别是水平线是否符合后续的图像拼接与缺陷检测要求,霍夫变换的基本原理公式如下:
霍夫变换就是把图像中的一个特征点从笛卡尔坐标系变换到霍夫空间中的一条直线,对图像中给定直线的所有特征点进行霍夫变换,变换结果会在霍夫空间中的某个特殊点处形成一个峰值点,霍夫空间中的峰值点就表示了在图像中存在的直线;其中,ρ表示直线到原点的垂线距离,θ表示直线到原点的垂线与x轴的夹角;
步骤2.3,分析霍夫变换的输出结果,识别出图像中的直线,根据直线斜率检测的结果,若直线斜率为0时,则光伏板的传输方向符合采集要求,若直线斜率不为0时,则光伏板的传输方向不符合采集要求;
步骤2.4,若符合采集要求,则直接进行下一步,若不符合,则先进行光伏板传输方向调节再进行光伏板姿态校正。
步骤3,根据光伏板的运动速度变化规律和线阵相机41内部参数确定线阵相机41的工作行频,同时利用三个线阵相机41对视野范围内的光伏板进行图像采集,得到指定数量的行线阵图像。
步骤4,分别对三个线阵相机41连续采集指定数量的行线阵图像进行一次拼接,得到光伏板图像的左侧、中部和右侧三部分,然后对光伏板图像的左侧、中部和右侧三部分进行二次拼接,得到完整的光伏板栅线图像。
其中步骤4中对光伏板图像的左侧、中部和右侧三部分进行二次拼接的具体步骤为:
步骤4.1,对光伏板图像的左侧、中部、右侧的三部分利用ORB算法进行特征点提取;
步骤4.2,通过计算特征点的描述符,对步骤4.1中提取出的特征点进行匹配,得到光伏板图像的左侧与中部、中部与右侧的匹配特征点对;
步骤4.3,采用RANSAC算法计算步骤4.2得到的匹配特征点对之间的单应矩阵H,H表达式如下:
式中,h 11,h 12,h 13是光伏板图像中特征点经过单应变换后x方向上的映射变换值,包括旋转、缩放和平移;h 21,h 22,h 23是光伏板图像中特征点经过单应变换后y方向上的映射变换值,包括旋转、缩放和平移;h 31,h 32是光伏板图像中特征点经投影变换后的归一化系数值。
步骤4.4,利用步骤4.3得到的单应矩阵H对光伏板图像的左侧、中部和右侧三部分进行变换与融合,得到完整的光伏板栅线图像,变换关系如下:
具体表达式为:
展开可得:
式中,x 1 表示一幅图像上特征点的位置,x 2 表示另一幅图像上同一特征点的位置,(x 1 ,y 1)和(x 2 ,y 2 )是匹配特征点对。
步骤5,对完整的光伏板栅线图像进行预处理,通过中值滤波算法消除图像拼接所带来的瑕疵、细节模糊和随机噪声的干扰;
步骤6,利用极小缺陷目标检测算法对预处理后的光伏板栅线图像进行缺陷检测,识别光伏板栅线图像中存在的缺陷。其中具体步骤为:
步骤6.1,将预处理后的光伏板栅线图像转化为灰度图像;
步骤6.2,根据光伏板的特点,构建一组Gabor滤波器,其数学表达式如下:
转化为实部和虚部的形式,则实部为:
虚部为:
其中:
式中,x,y表示图像像素的坐标值;λ表示Gabor滤波器的波长;θ表示Gabor滤波器方向;φ表示相位偏移;γ表示空间的长宽比,与核函数的椭圆率有关;σ表示高斯核函数的标准差;
步骤6.3,对输入的灰度图像进行Gabor变换,通过Gabor滤波器对灰度图像的多个方向进行滤波操作,得到灰度图像在不同尺度和方向上的Gabor响应,从而得到多幅滤波响应图像;
步骤6.4,将步骤6.3得到的多幅滤波响应图像进行加权合并,得到完整的加权合并图像,该加权合并图像包含缺陷信息;
步骤6.5,利用阈值处理将步骤6.4得到的加权合并图像转换为二值图像,然后再利用形态学操作突出缺陷区域得到理想的检测结果。
以上实施例不局限于该实施例自身的技术方案,实施例之间可以相互结合成新的实施例。以上实施例仅用以说明本发明的技术方案而并非对其进行限制,凡未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明技术方案的范围内。
Claims (6)
1.一种基于视觉的激光打印光伏板极小缺陷检测装置,其特征在于:包括有传送机构(1)、姿态检测机构(2)、光源调节机构(3)、拍摄机构(4)和姿态校正机构(5),所述传送机构(1)的正上方自左向右依次设置有姿态检测机构(2)、光源调节机构(3)和拍摄机构(4),所述姿态检测机构(2)与光源调节机构(3)之间设置有姿态校正机构(5),且所述姿态校正机构(5)安装在传送机构(1)上;
所述姿态检测机构(2)、光源调节机构(3)和拍摄机构(4)均包括有对称设置的机架(7)、连接板(8)和调节装置(9),所述对称设置的机架(7)之间设置有连接板(8),所述连接板(8)上安装有调节装置(9),所述调节装置(9)包括有基板(91),所述基板(91)的底部与连接板(8)固定,所述基板(91)的顶部水平设置有电动丝杠(92)和滑轨(94),所述滑轨(94)上套设有滑块(93),所述电动丝杠(92)与滑块(93)通过螺纹配合实现滑块(93)位置的移动,所述滑块(93)的上表面安装有固定板(95);
在所述姿态检测机构(2)中,所述连接板(8)为一个,所述调节装置(9)中的固定板(95)上安装有面阵相机(21);
在所述光源调节机构(3)中,所述连接板(8)为三个,所述调节装置(9)中的固定板(95)上对称设置有光源角度调节板(31),对称设置的所述光源角度调节板(31)之间设置有高亮度光源(32);
在所述拍摄机构(4)中,所述连接板(8)为三个,所述调节装置(9)中的固定板(95)上安装有线阵相机(41);
所述姿态校正机构(5)包括有底座(51),所述底座(51)固定在底板(11)上,所述底座(51)上安装有对称设置的气缸(52)和对称设置的调节板(55),对称设置的所述气缸(52)相对的活动端安装有推送板(53),对称设置的所述调节板(55)相对的端部均设置有侧面板(54)。
2.根据权利要求1所述的一种基于视觉的激光打印光伏板极小缺陷检测装置,其特征在于:所述传送机构(1)包括有底板(11),所述底板(11)的前后板之间自左向右依次设置有三根转轴(12),三根所述转轴(12)的外部套设有传输带(14),其中一根所述转轴(12)的一端与驱动电机(13)的动力轴连接。
3.一种根据权利要求2所述基于视觉的激光打印光伏板极小缺陷检测装置的基于视觉的激光打印光伏板极小缺陷检测方法,其特征在于:包括以下步骤:
步骤1,将面阵相机(21)、线阵相机(41)、高亮度光源(32)、姿态检测机构(2)与姿态校正机构(5)调节到合适位置;
步骤2,使用面阵相机(21)对光伏板进行图像采集,采集得到的图像通过霍夫变换算法进行栅线直线位置检测,判断光伏板的传输方向是否符合采集要求,若符合采集要求,则直接进行光伏板图像采集,若不符合,则先进行光伏板传输方向调节再进行光伏板姿态校正;
步骤3,根据光伏板的运动速度变化规律和线阵相机(41)内部参数确定线阵相机(41)的工作行频,同时利用三个线阵相机(41)对视野范围内的光伏板进行图像采集,得到指定数量的行线阵图像;
步骤4,分别对三个线阵相机(41)连续采集指定数量的行线阵图像进行一次拼接,得到光伏板图像的左侧、中部和右侧三部分,然后对光伏板图像的左侧、中部和右侧三部分进行二次拼接,得到完整的光伏板栅线图像;
步骤5,对完整的光伏板栅线图像进行预处理,通过中值滤波算法消除图像拼接所带来的瑕疵、细节模糊和随机噪声的干扰;
步骤6,利用极小缺陷目标检测算法对预处理后的光伏板栅线图像进行缺陷检测,识别光伏板栅线图像中存在的缺陷。
4.根据权利要求3所述的一种基于视觉的激光打印光伏板极小缺陷检测方法,其特征在于:所述步骤2中使用面阵相机(21)对光伏板进行图像采集,采集得到的图像通过霍夫变换算法进行栅线直线位置检测,具体步骤为:
步骤2.1,对采集得到的图像进行预处理,包括去噪、灰度化、边缘增强;
步骤2.2,对预处理后的图像进行霍夫变换;
步骤2.3,分析霍夫变换的输出结果,识别出图像中的直线,根据直线斜率检测的结果,若直线斜率为0时,则光伏板的传输方向符合采集要求,若直线斜率不为0时,则光伏板的传输方向不符合采集要求;
步骤2.4,若符合采集要求,则直接进行光伏板图像采集,若不符合,则先进行光伏板传输方向调节再进行光伏板姿态校正。
5.根据权利要求3所述的一种基于视觉的激光打印光伏板极小缺陷检测方法,其特征在于:所述步骤4中对光伏板图像的左侧、中部和右侧三部分进行二次拼接的具体步骤为:
步骤4.1,对光伏板图像的左侧、中部、右侧的三部分利用ORB算法进行特征点提取;
步骤4.2,通过计算特征点的描述符,对步骤4.1中提取出的特征点进行匹配,得到光伏板图像的左侧与中部、中部与右侧的匹配特征点对;
步骤4.3,采用RANSAC算法计算步骤4.2得到的匹配特征点对之间的单应矩阵H,H表达式如下:
;
式中,h 11,h 12,h 13是光伏板图像中特征点经过单应变换后x方向上的映射变换值,包括旋转、缩放和平移;h 21,h 22,h 23是光伏板图像中特征点经过单应变换后y方向上的映射变换值,包括旋转、缩放和平移;h 31,h 32是光伏板图像中特征点经投影变换后的归一化系数值;
步骤4.4,利用步骤4.3得到的单应矩阵H对光伏板图像的左侧、中部和右侧三部分进行变换与融合,得到完整的光伏板栅线图像,变换关系如下:
;
具体表达式为:
;
展开可得:
;
式中,x 1 表示一幅图像上特征点的位置,x 2 表示另一幅图像上同一特征点的位置, (x 1 ,y 1)和(x 2 ,y 2 )是匹配特征点对。
6.根据权利要求3所述的一种基于视觉的激光打印光伏板极小缺陷检测方法,其特征在于:所述步骤6中极小缺陷目标检测算法为频域分析方法,利用极小缺陷目标检测算法对预处理后的光伏板栅线图像进行缺陷检测,具体步骤为:
步骤6.1,将预处理后的光伏板栅线图像转化为灰度图像/>;
步骤6.2,根据光伏板的特点,构建一组Gabor滤波器,其数学表达式如下:
;
转化为实部和虚部的形式,则实部为:
;
虚部为:
;
其中:
;
;
式中,x,y表示图像像素的坐标值;λ表示Gabor滤波器的波长;θ表示Gabor滤波器方向;φ表示相位偏移;γ表示空间的长宽比,与核函数的椭圆率有关;σ表示高斯核函数的标准差;
步骤6.3,对输入的灰度图像进行Gabor变换,通过Gabor滤波器对灰度图像的多个方向进行滤波操作,得到灰度图像在不同尺度和方向上的Gabor响应,从而得到多幅滤波响应图像;
步骤6.4,将步骤6.3得到的多幅滤波响应图像进行加权合并,得到完整的加权合并图像,该加权合并图像包含缺陷信息;
步骤6.5,利用阈值处理将步骤6.4得到的加权合并图像转换为二值图像,然后再利用形态学操作突出缺陷区域得到理想的检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410457942.6A CN118090753B (zh) | 2024-04-17 | 2024-04-17 | 一种基于视觉的激光打印光伏板极小缺陷检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410457942.6A CN118090753B (zh) | 2024-04-17 | 2024-04-17 | 一种基于视觉的激光打印光伏板极小缺陷检测装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118090753A CN118090753A (zh) | 2024-05-28 |
CN118090753B true CN118090753B (zh) | 2024-06-25 |
Family
ID=91149928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410457942.6A Active CN118090753B (zh) | 2024-04-17 | 2024-04-17 | 一种基于视觉的激光打印光伏板极小缺陷检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118090753B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN216747483U (zh) * | 2021-08-02 | 2022-06-14 | 深圳市伯为智能设备有限公司 | 一种玻璃盖板外观检测设备 |
CN218847997U (zh) * | 2022-03-21 | 2023-04-11 | 昆明理工大学 | 一种镍板表面检测识别装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN207250461U (zh) * | 2017-10-25 | 2018-04-17 | 米亚索乐装备集成(福建)有限公司 | 一种光伏组件检测装置 |
CN219104756U (zh) * | 2022-12-09 | 2023-05-30 | 聚时科技(上海)有限公司 | 一种光伏组件图像采集装置及光伏组件外观检测系统 |
CN117876308A (zh) * | 2023-12-25 | 2024-04-12 | 杭州当虹科技股份有限公司 | 基于图像分析的光伏板检测方法 |
-
2024
- 2024-04-17 CN CN202410457942.6A patent/CN118090753B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN216747483U (zh) * | 2021-08-02 | 2022-06-14 | 深圳市伯为智能设备有限公司 | 一种玻璃盖板外观检测设备 |
CN218847997U (zh) * | 2022-03-21 | 2023-04-11 | 昆明理工大学 | 一种镍板表面检测识别装置 |
Also Published As
Publication number | Publication date |
---|---|
CN118090753A (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108355981B (zh) | 一种基于机器视觉的电池连接器质量检测方法 | |
Stromer et al. | Enhanced crack segmentation (eCS): a reference algorithm for segmenting cracks in multicrystalline silicon solar cells | |
CN107966454A (zh) | 一种基于fpga的端塞缺陷检测装置及检测方法 | |
CN106248686A (zh) | 基于机器视觉的玻璃表面缺陷检测装置及方法 | |
CN109215042B (zh) | 一种基于计算机视觉的光伏电池板热斑效应检测系统及其计算方法 | |
CN113608378B (zh) | 一种基于lcd制程的全自动缺陷检测方法和系统 | |
CN110517265A (zh) | 一种产品表面缺陷的检测方法、装置及存储介质 | |
CN111260788A (zh) | 一种基于双目视觉的配电柜开关状态识别方法 | |
CN107796826A (zh) | 基于齿心距离曲线分析的微型双联齿轮断齿缺陷检测方法 | |
CN114136975A (zh) | 一种微波裸芯片表面缺陷智能检测系统和方法 | |
CN116448769A (zh) | 一种多模态信息融合的板材缺陷检测系统及其检测方法 | |
CN112489042A (zh) | 基于超分辨重建的金属品印刷缺陷与表面损伤的检测方法 | |
CN116864409A (zh) | 一种基于cuda加速的高精度晶圆表面缺陷实时检测方法 | |
CN113983934B (zh) | 一种基于双线阵相机的覆铜板在线高速尺寸测量方法及装置 | |
CN112710670A (zh) | 一种太阳能电池涂层检测装置及控制方法 | |
Wu et al. | An end-to-end learning method for industrial defect detection | |
CN115115643A (zh) | 一种光伏电池板生产缺陷检测方法 | |
CN118090753B (zh) | 一种基于视觉的激光打印光伏板极小缺陷检测装置及方法 | |
CN110082362A (zh) | 电表外观的检测方法及装置 | |
CN112415013A (zh) | 一种铜箔缺陷检测系统 | |
CN113705564A (zh) | 一种指针式仪表识别读数方法 | |
CN110766675B (zh) | 太阳能电池板缺陷检测方法 | |
CN112288682A (zh) | 基于图像配准的电力设备缺陷定位方法 | |
Tribak et al. | Remote solar panels identification based on patterns localization | |
CN115457276A (zh) | 基于视觉检测的输配电变压器高压绕组缠绕角度检测方法 |
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 | ||
GR01 | Patent grant |