CN208314857U - 面向光伏电池在线位置检测的人工智能图像识别装置 - Google Patents
面向光伏电池在线位置检测的人工智能图像识别装置 Download PDFInfo
- Publication number
- CN208314857U CN208314857U CN201721742923.XU CN201721742923U CN208314857U CN 208314857 U CN208314857 U CN 208314857U CN 201721742923 U CN201721742923 U CN 201721742923U CN 208314857 U CN208314857 U CN 208314857U
- Authority
- CN
- China
- Prior art keywords
- photovoltaic cell
- image
- pixel
- detection
- transmission belt
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本实用新型公开了一种面向光伏电池在线位置检测的人工智能图像识别装置。本实用新型包括工业相机、图像数据采集卡、光伏电池位置传感器、面向光伏电池位置检测的图像识别模块、检测传输带;当光伏电池位置传感器感应到光伏电池置放于检测传输带的视觉检测工位的时候,工业相机拍摄光伏电池区域原始图像,原始图像经信号线传输给图像数据采集卡并数字信号转换为基于像素的像素图像,然后再将像素图像进一步传输给微处理期内运行的面向光伏电池位置检测的图像识别模块,对光伏电池的坐标误差与角度误差进行特征提取。本实用新型能够测量出光伏电池相对于传输带的位置偏差和角度偏差得到精确测量,能够大幅度提升光伏电池位置在线无损检测的精度和效率。
Description
技术领域
本实用新型属于工业人工智能领域,具体涉及一种面向光伏电池在线位置检测的人工智能图像识别装置,能够大幅度提升光伏电池位置在线无损检测的精度和效率,可以广泛应用于工业界。
背景技术
太阳能可再生能源正逐步替代常规能源,成为保护地球生态环境的清洁能源之一。太阳能电池是光伏发电系统的重要组成部分,与系统的工作效率和发电量有密切关系,提高太阳能电池的能量转换效率可以增加太阳能的利用率。由于实际应用中存在一些因素会对太阳能电池的特性产生影响,这些电池单元之间的特性或者性能不一致或不相近,就可能导致不必要的能源浪费,甚至会出现减少电池寿命的现象。因此,在配置光伏电池阵列时,需要对其特性进行测试,选择满足要求的电池阵列,提高光伏发电系统的工作效率。
太阳能电池光伏器件伏安特性测试系统,属于光电测试装置,能够解决现有测试系统必须采用人工操作的方式设定辐照度值、测定辐照度值与测试样品电池过程不能同时进行的问题。
已有市场产品,针对光伏电池的特性分析和检测方法研究的基础上,设计了基于低功耗单片机的便携式特性测试仪,对光伏电池单元特性进行测量分析,为各种光伏电池的组装提供科学的数据。然而,这类简易装置无法与规模化光伏电池生产配套,仅适用于抽样检测。近期,我们公布了一种全自动智能光伏电池检测与分拣设备的控制系统架构与控制流程,是实现光伏检测与分拣系统的智能化与自动化的核心架构与技术基础。
当前,人工智能2.0在我国兴起,图像识别是一种典型的人工智能技术,它利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对像的技术。一般工业使用中,采用工业相机拍摄图片,然后再利用软件根据图片灰阶差做进一步识别处理。如果能够结合图像识别技术进行光伏电池位置检测对光伏电池产业升级有推动作用。
这里,公布一种面向光伏电池在线位置检测的图像识别人工智能方法,基于光伏电池和传输带的几何特征,采用了图像分割技术、区域描述技术、中轴线特征提取技术以及像素坐标化技术的图像处理方法,精确地测量出光伏电池相对于传输带的位置偏差和角度偏差得到精确测量,能够大幅度提升光伏电池位置在线无损检测的精度和效率,可以广泛应用于工业界。
发明内容
本实用新型的目的是针对现有技术的不足,提出一种面向光伏电池在线位置检测的人工智能图像识别装置。
本实用新型包括工业相机、图像数据采集卡、光伏电池位置传感器、面向光伏电池位置检测的图像识别模块、检测传输带。
当光伏电池位置传感器感应到光伏电池置放于检测传输带的视觉检测工位的时候,工业相机拍摄光伏电池区域原始图像,原始图像经信号线传输给图像数据采集卡,图像数据采集卡将数字信号转换为基于像素的像素图像,然后再将像素图像进一步传输给微处理期内运行的面向光伏电池位置检测的图像识别模块,对光伏电池的坐标误差与角度误差进行特征提取。
所述原始图像包括光伏电池和带刻度特征的传输带的图像信息。光伏电池通常为蓝色的单晶硅材料,光伏电池通常为规则的方形或长方形。工业用检测传输带用绿色或黑色等颜色,由橡胶材料制成。因此,光伏电池和带刻度特征的传输带有一定色差,而且光学特征不一样。
所述的面向光伏电池位置检测的图像识别模块,具体实现如下:
首先:基于图像分割技术和区域描述技术对像素图像进行方法。采用边缘提取、区域分割将光伏电池的区域从原始图像中提取出来,作为关键特征;同时提取皮带的边缘特征以及检测传输带的刻度特征;从视觉处理上,辨识出什么像素属于光伏电池,什么像素属于皮带边缘,什么像素属于刻度信息。
其次:基于中轴线特征提取技术,利用采用边缘提取特征辨识出光伏电池的四条片,相对应边做统计中值处理,处理完后进行边缘锐化,提取出光伏电池的两条中轴线;并辨识出皮带的中轴线特征,然后保留三条线的特征像素。
然后:利用传输带的刻度特征,对传输带中轴线特征像素通过基于像素坐标化技术进行坐标化处理,使得像素具有坐标特征。
再然后:利用光伏电池的中轴线像素特征以及检测传输带中轴线的像素特征,在光伏电池的中轴线上确定一个特征点,并计算该特征点到中轴线的像素数量n,以及沿着检测传输带中轴线对应的像素数量m;再利用反切弦函数arctan(n/m)计算出光伏电池的中轴线与传输带中轴线的角度偏差Δθ。
最后:提取出光伏电池的两条中轴线特征的交叉点作为新的特征像素,并计算该特征点到中轴线的像素数量n,以及沿着传输带中轴线对应的半个跨度刻度值的像素数量m;再利用正比关系计算出光伏电池的中心点到传输带中轴线的位置偏差Δx,即:Δθ=(n/m)*0.5刻度。
上述图像识别技术达到了本实用新型架构所需要的基于图像人工智能技术的光伏电池位置传感的技术要求,可以应用于各种光伏电池的检测设备之中。
本实用新型的有益效果如下:
(1)提出了基于图像分割技术和区域描述技术的图像处理方法进行了光伏电池的图像识别,以及传输带的图像识别;
(2)提出了基于中轴线特征提取技术的图像处理方法简化了光伏电池与传输带的图像特征;
(3)提出了基于像素坐标化技术的图像处理方法,能够测量像素所代表的坐标量;
(4)提出了基于图像特征像素的角度偏差特征提取方法和平移偏差特征提取方法,使得光伏电池相对于传输带的位置偏差和角度偏差得到精确测量;
(5)综合上述方法的图像识别人工智能,能够提升光伏电池位置在线无损检测的精度和效率,可以广泛应用于工业界。
附图说明
图1本实用新型的架构示意图。
图2本实用新型的机器手末端执行器布局示意图。
图3本实用新型的机器手末端执行器矫正光伏电池过程示意图。
图4本实用新型基于中轴线特征提取技术的图像处理示意图。
图5本实用新型基于像素坐标化技术的图像示意图。
图6本实用新型基于图像特征像素的角度特征提取过程示意图。
图7本实用新型基于图像特征像素的位置平移特征提取过程示意图。
图8本实用新型的获得光伏电池平移偏差量和转动偏差量示意图。
具体实施方式
下面结合附图对本实用新型作进一步说明。
如图1所示,面向光伏电池在线位置检测的人工智能图像识别装置,包括工业相机、图像数据采集卡、光伏电池位置传感器、面向光伏电池位置检测的图像识别模块、检测传输带。
当光伏电池位置传感器感应到光伏电池置放于检测传输带的视觉检测工位的时候,工业相机拍摄光伏电池区域原始图像,原始图像经信号线传输给图像数据采集卡,图像数据采集卡将数字信号转换为基于像素的像素图像,然后再将像素图像进一步传输给微处理期内运行的面向光伏电池位置检测的图像识别模块,对光伏电池的坐标误差与角度误差进行特征提取。
结合图2,说明原始数据采集后的图像特征。所述原始图像包括光伏电池和带刻度特征的传输带的图像信息。光伏电池通常为蓝色的单晶硅材料,光伏电池通常为规则的方形或长方形。工业用传输带常常用绿色或黑色等颜色,由橡胶材料制成。因此,光伏电池和带刻度特征的传输带有一定色差,而且光学特征不一样。
结合图3,说明基于图像分割技术和区域描述技术的图像处理方法。采用边缘提取、区域分割等图像分割处理方法,将光伏电池的区域从原始图像中提取出来,作为关键特征;同时提取皮带的边缘特征以及传输带的刻度特征;从视觉处理上,辨识出什么像素属于光伏电池,什么像素属于皮带边缘,什么像素属于刻度信息。
结合图4,说明基于中轴线特征提取技术的图像处理方法。利用采用边缘提取特征辨识出光伏电池的四条片,相对应边做统计中值处理,处理完后进行边缘锐化,提取出光伏电池的两条中轴线;采用类似的方法辨识出皮带的中轴线特征。保留三条线的特征像素。
结合图5,说明基于像素坐标化技术的图像处理方法。利用传输带的刻度特征,对传输带中轴线特征像素进行坐标化处理。使得像素具有一定的坐标特征。
结合图6,说明基于图像特征像素的角度特征提取方法。利用光伏电池的中轴线像素特征以及传输带中轴线的像素特征,在光伏电池的中轴线上确定一个特征点,并计算该特征点到中轴线的像素数量n,以及沿着传输带中轴线对应的像素数量m;然后,利用反切弦函数arctan(n/m)计算出光伏电池的中轴线与传输带中轴线的角度偏差Δθ。
结合图7,说明基于图像特征像素的位置平移特征提取方法。提取出光伏电池的两条中轴线特征的交叉点作为新的特征像素,并计算该特征点到中轴线的像素数量n,以及沿着传输带中轴线对应的半个跨度刻度值的像素数量m;然后,利用正比关系计算出光伏电池的中心点到传输带中轴线的位置偏差Δx,即:(n/m)*0.5刻度。
结合图8,说明采用图像识别后可获得光伏电池平移偏差量和转动偏差量的精确检测。
综上所述,上述图像识别技术达到了本实用新型架构所需要的基于图像人工智能技术的光伏电池位置传感的技术要求,可以应用于各种光伏电池的检测设备之中。
Claims (1)
1.面向光伏电池在线位置检测的人工智能图像识别装置,其特征在于包括工业相机、图像数据采集卡、光伏电池位置传感器、面向光伏电池位置检测的图像识别模块、检测传输带;
当光伏电池位置传感器感应到光伏电池置放于检测传输带的视觉检测工位的时候,工业相机拍摄光伏电池区域原始图像,原始图像经信号线传输给图像数据采集卡,图像数据采集卡将数字信号转换为基于像素的像素图像,然后再将像素图像进一步传输给图像识别模块;
所述原始图像包括光伏电池和带刻度特征的传输带的图像信息;
所述的光伏电池为蓝色的单晶硅材料;光伏电池为规则的方形或长方形;工业用检测传输带用绿色或黑色,由橡胶材料制成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201721742923.XU CN208314857U (zh) | 2017-12-14 | 2017-12-14 | 面向光伏电池在线位置检测的人工智能图像识别装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201721742923.XU CN208314857U (zh) | 2017-12-14 | 2017-12-14 | 面向光伏电池在线位置检测的人工智能图像识别装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN208314857U true CN208314857U (zh) | 2019-01-01 |
Family
ID=64724684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201721742923.XU Active CN208314857U (zh) | 2017-12-14 | 2017-12-14 | 面向光伏电池在线位置检测的人工智能图像识别装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN208314857U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117635605A (zh) * | 2024-01-23 | 2024-03-01 | 宁德时代新能源科技股份有限公司 | 电池目检确认方法、装置、电子设备和存储介质 |
-
2017
- 2017-12-14 CN CN201721742923.XU patent/CN208314857U/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117635605A (zh) * | 2024-01-23 | 2024-03-01 | 宁德时代新能源科技股份有限公司 | 电池目检确认方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106238350B (zh) | 一种基于机器视觉的太阳能电池片分选方法与系统 | |
CN106935683B (zh) | 一种太阳能电池片高速视觉定位及矫正系统及其方法 | |
CN103017869B (zh) | 一种基于数字图像处理的水位测定系统及方法 | |
CN201421436Y (zh) | 一种产品表面污点和尺寸检测装置 | |
CN103776841B (zh) | 合成革缺陷自动检测装置及检测方法 | |
CN102393181B (zh) | 角钢几何参数自动在线检测方法及装置 | |
CN105548216B (zh) | 一种半成品电池外观视觉检测方法 | |
CN108380509A (zh) | 基于机器视觉的led灯盘分拣与检测系统 | |
CN101561262B (zh) | 一种不确定环境下表面粗糙度在线测量方法 | |
CN106643965B (zh) | 一种利用模板匹配精确识别液位的方法 | |
CN110473806A (zh) | 光伏电池分拣的深度学习识别与控制方法及装置 | |
CN103149087B (zh) | 一种基于随动视窗与数字图像的非接触式实时应变测量方法 | |
CN208314857U (zh) | 面向光伏电池在线位置检测的人工智能图像识别装置 | |
CN106018179A (zh) | 一种基于图像处理的胶料表面黏性测量方法及装置 | |
CN108827915B (zh) | 一种基于光电传感阵列测量折射率的亚像素位置获取方法 | |
CN113554667A (zh) | 一种基于图像识别的三维位移检测方法及装置 | |
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 | |
CN206056509U (zh) | 轴类零件机器视觉尺寸检测装置 | |
CN202216911U (zh) | 一种混凝土表面微小裂缝的定位系统 | |
CN207779356U (zh) | 一种大幅面瓷砖检测数据采集分析系统 | |
CN108022266B (zh) | 面向光伏电池在线位置检测的人工智能图像识别方法 | |
Yao et al. | Halcon-based solar panel crack detection | |
Li et al. | Insulator infrared image segmentation algorithm based on dynamic mask and box annotation | |
CN204313793U (zh) | 一种非接触式检测工件形位公差的装置 | |
CN109967374A (zh) | 一种基于三维机器视觉的连接器插针尺寸检测系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |