WO2018131737A1 - 불량 패널 검사 장치 - Google Patents

불량 패널 검사 장치 Download PDF

Info

Publication number
WO2018131737A1
WO2018131737A1 PCT/KR2017/000499 KR2017000499W WO2018131737A1 WO 2018131737 A1 WO2018131737 A1 WO 2018131737A1 KR 2017000499 W KR2017000499 W KR 2017000499W WO 2018131737 A1 WO2018131737 A1 WO 2018131737A1
Authority
WO
WIPO (PCT)
Prior art keywords
window
average
pixels
thermal image
candidate
Prior art date
Application number
PCT/KR2017/000499
Other languages
English (en)
French (fr)
Inventor
장재호
유연걸
백영민
송무경
배순민
신학철
Original Assignee
한화테크윈 주식회사
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 한화테크윈 주식회사 filed Critical 한화테크윈 주식회사
Publication of WO2018131737A1 publication Critical patent/WO2018131737A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/48—Thermography; Techniques using wholly visual means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L31/00—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
    • H01L31/04—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof adapted as photovoltaic [PV] conversion devices
    • H01L31/042—PV modules or arrays of single PV cells
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/30—Transforming light or analogous information into electric information
    • H04N5/33—Transforming infrared radiation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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

Definitions

  • the present invention relates to a defective panel inspection apparatus, and more particularly, to a defective panel inspection apparatus capable of detecting a defective position of a solar panel by analyzing an image obtained by photographing a solar panel by an unmanned moving object.
  • Photovoltaic power generation uses solar cells to convert received sunlight into electrical energy. So, a solar panel with a plurality of solar cells is installed in a location that is good for sunlight. Produces energy.
  • solar panels are installed in a very large area for a lot of energy production, or on the roof or roof of a building that is good for sunlight.
  • the solar panel since the solar panel is installed and operated outdoors in this way, it is directly exposed to the influence of the external environment. Therefore, the lifespan of the solar panel is shortened, and thus, the amount of photovoltaic power generation is sharply lowered or there is a high risk of fire. Therefore, it is important to quickly replace the solar panel in which an abnormality is determined by determining the state of the solar panel.
  • a solar panel inspection technique using an unmanned moving object photographs a thermal image of a solar panel in which current flows, and detects only a position higher than an ambient temperature as a position where a defect occurs.
  • the temperature measured in the thermal imaging may be somewhat different from the actual temperature. Therefore, there is a need for a more accurate and robust solar panel inspection apparatus and method.
  • the problem to be solved by the present invention by statistically analyzing the pixel values of the pixels of the thermal image obtained by photographing the solar panel unmanned moving object, to determine whether or not the failure of the solar panel, the failure of the defective panel It is to provide a defective panel inspection device for detecting the position.
  • an apparatus for detecting a defective panel may include: a window search unit configured to scan the thermal image by sliding a first window on a thermal image acquired by a camera photographing a solar panel; Each time the first window slides, a variance of pixel values of pixels in a specific area surrounded by the first window is derived, and when the first window completes scanning of the thermal image, an average of all the variances derived is obtained.
  • An operation unit calculating a first average and determining the first average based on a value obtained by multiplying the first average by a weight; And a candidate selector configured to select a center pixel among the pixels in the specific area having a dispersion larger than the reference as a final candidate of the defective panel.
  • Defect panel detection method for solving the above problems is the step of obtaining a thermal image by the camera photographing the solar panel; Scanning the thermal image by sliding a first window on the obtained thermal image; Deriving a variance of pixel values of pixels in a specific area surrounded by the first window each time the first window slides; Calculating a first average that is an average of all the variances derived when the first window completes scanning of the thermal image; Determining the first average based on a value multiplied by a weight; And selecting a center pixel among the pixels in the specific region having a variance greater than the reference as the final candidate of the defective panel.
  • the unmanned moving object When inspecting the defective panel of the solar panel, the unmanned moving object is statistically analyzed by the pixel value of the pixels of the thermal image obtained by photographing the solar panel, thereby failing to change the performance of the thermal imager or the change of the surrounding environment. It can reduce false detection of panels and inspect defective panels more accurately and robustly.
  • FIG. 1 is a block diagram of a solar panel inspection system 1 according to an embodiment of the present invention.
  • FIG. 2 is a plan view illustrating an internal configuration of a general solar panel 30.
  • FIG. 3 is a cross-sectional view of the general solar panel 30 before lamination.
  • FIG. 4 is a block diagram showing the configuration of the integrated control device 10 according to an embodiment of the present invention.
  • FIG. 5 is a block diagram showing the configuration of the defective panel inspection apparatus 14 according to an embodiment of the present invention.
  • FIG. 6 is a block diagram illustrating a more detailed configuration of the controller 141 in FIG. 5.
  • FIG. 7 is a part of a flowchart illustrating a method of inspecting a defective panel by the defective panel inspecting apparatus 14 according to an exemplary embodiment of the present invention.
  • FIG. 9 is a diagram illustrating a thermal image obtained by photographing the normal solar panel 30 by the thermal imaging camera 22.
  • FIG. 10 is a diagram illustrating a thermal image obtained by photographing the solar panel 30 including the defective panel by the thermal imaging camera 22.
  • FIG. 11 is a diagram illustrating a histogram of the thermal image of FIG. 10.
  • FIG. 12 is a diagram illustrating a first candidate 304 selected in the thermal image of FIG. 10.
  • FIG. 13 is a diagram illustrating a second candidate 305 selected in the thermal image of FIG. 10.
  • FIG. 14 is a diagram illustrating a state in which the window search unit 1414 generates the first window 306 on a thermal image according to an embodiment of the present invention.
  • 15 is a diagram illustrating in detail the first window 306 generated by the window search unit 1414 according to an embodiment of the present invention.
  • FIG. 16 is a diagram illustrating a final candidate 308 selected in the thermal image of FIG. 10.
  • FIG. 17 is a diagram illustrating a state in which a defective panel is detected in the thermal image of FIG. 10.
  • FIG. 1 is a block diagram of a solar panel inspection system 1 according to an embodiment of the present invention.
  • the unmanned moving object 20 may fly only once over an area where the solar panel 30 is installed to inspect a defective panel. have.
  • the solar panel inspection system 1 is an unmanned moving object flying over a solar panel (Panel) 30 that receives sunlight and generates power, and an area in which the solar panel 30 is installed. 20, an integrated control device 10 that controls the unmanned moving object 20 and inspects the solar panel 30.
  • a solar panel Panel
  • an integrated control device 10 that controls the unmanned moving object 20 and inspects the solar panel 30.
  • the unmanned moving object 20 may fly over an area where the plurality of solar panels 30 are installed and acquire an image of the solar panel 30 using the camera 22.
  • the unmanned aerial vehicle 20 is preferably an unmanned aerial vehicle (UAV) capable of capturing an image by photographing the solar panel 30 in the air, and a drone is typically used for the unmanned aerial vehicle.
  • UAV unmanned aerial vehicle
  • the unmanned moving object 20 according to an embodiment of the present invention will be described as a drone.
  • the unmanned moving object 20 includes a camera 22 which captures a specific area to acquire an image.
  • the camera 22 acquires an image of the solar panel 30 by photographing the solar panel 30 when the unmanned moving object 20 flies over an area where the solar panel 30 is installed.
  • the camera 22 may face any direction from the main body 21, but it is preferable to face downward in order to easily photograph the solar panel 30 installed on the ground.
  • the camera 22 may be installed inside the main body 21.
  • the camera 22 may include a lens or a floodlight cover of the camera 22 so that the outside of the main body 21 may be photographed outside the main body 21. Is exposed to the installation.
  • the present invention is not limited thereto, and the camera 22 itself may be installed in various ways such as being exposed to the outside of the main body 21.
  • the camera 22 of the unmanned moving object 20 is preferably a thermal imaging camera.
  • the thermal imaging camera detects infrared rays emitted from the object, converts the amount of energy into temperature, and converts the temperature distribution of the object into an image.
  • An image representing this temperature distribution is called a thermal image. That is, the image data acquired by the thermal imaging camera includes thermal image data.
  • the integrated control apparatus 10 determines the defective panel of the solar panel 30 by grasping the distribution of heat through pixel values. You can check.
  • the defective panel inspection is to inspect a panel in which a defect has occurred, and determines whether a defect has occurred in the panel, and if a defect occurs in a specific panel, detects a position thereof.
  • the integrated control device 10 analyzes the image data acquired by the camera 22 of the unmanned moving object 20 to determine whether or not the failure of the solar panel 30 occurs, and determine the defective position of the solar panel 30. Detect.
  • the integrated control device 10 may be formed as a separate device from the unmanned mobile body 20, but may be included in the unmanned mobile body 20 as a component of the unmanned mobile body 20. That is, if the solar panel 30 can be inspected by analyzing the image data, it may be variously formed. Detailed description of the integrated control device 10 will be described later.
  • FIG. 2 is a plan view showing the internal configuration of a general solar panel 30, and FIG. 3 is a cross sectional view of the general solar panel 30 before lamination processing.
  • the solar panel 30 as an inspection target for which the integrated control device 10 according to an embodiment of the present invention performs inspection will be described.
  • the plurality of solar cells 38 are connected in series with the lead wires 39 to form the string 35.
  • the plurality of strings 35 are connected to the lead wires 39 and arranged in a line.
  • the solar panels 30 are formed by connecting the electrodes 36 and 37 at both ends.
  • the solar panel 30 is manufactured as follows. As shown in FIG. 3, the filler 33 is first disposed on the transparent cover glass 31, and a plurality of serially connected strings 35 shown in FIG. 2 are disposed thereon. Then, the filler 33 is again placed thereon, and the backing material 32 formed of an opaque material is disposed.
  • EVA ethylene vinyl acetate
  • lamination is performed by crosslinking the EVA resin by applying heat and pressure in a vacuum state using a lamination apparatus.
  • the solar panel 30 as an inspection target inspected by the integrated control device 10 is not limited to the above-described solar panel 30 and may have various forms such that the solar cell 38 may be configured as one. Can be. Moreover, it can be a test
  • the preparation step is a task for generating a precise flight path of the unmanned moving object 20, and is a preceding step for checking whether or not the solar panel 30 is defective.
  • the inspecting step is a step in which the unmanned moving object 20 photographs the solar panel 30 and acquires an image while flying along the precision flight path generated in the preparation step, and inspects the solar panel 30.
  • the preparation step does not need to perform the preparation step again if the precision flight path of the unmanned vehicle 20 is generated once. This is because when the solar panel 30 is inspected later, the unmanned moving object 20 may fly along the generated precision flight path. However, there may be a need to change the precision flight path of the unmanned vehicle 20. For example, there is a case in which the solar panel 30 installed in the solar power plant is newly added or removed. In this case, the preparation step must be performed again to change the precision flight path. That is, the preparation step is performed only once except in a special case in which the precision flight path of the unmanned vehicle 20 should be changed.
  • the inspection step inspects the solar panel 30 periodically or at a time desired by the user while the unmanned vehicle 20 flies along the generated precise flight path.
  • a full coverage flight path is first generated (S401).
  • the global flight path refers to a rough flight path that the unmanned vehicle 20 will fly to obtain current map data of the entire solar power plant.
  • the unmanned vehicle 20 To create a precision flight path, you must first obtain current map data for the entire solar power plant. Therefore, in order to acquire the current map data of the entire solar power plant, first, the unmanned vehicle 20 must fly roughly along the full coverage flight path.
  • the integrated control device 10 may receive the initial map data of the entire photovoltaic power plant from the main server or the outside. Upon receiving the initial map data of the entire power plant, the polygons expected by the solar panel 30 on the map are extracted, and a global flight path is automatically generated to pass through all of the centers of the polygons.
  • the method of extracting the polygon or the method of generating a path passing through the center of the polygons is not limited and may use various methods.
  • the unmanned vehicle 20 may have been inspected by the solar panel 30 through the inspection step.
  • the previously generated global flight path or precision flight path may be used as the current global flight path. That is, if the unmanned vehicle 20 can fly through the entire photovoltaic power plant, the global flight path can be generated in various ways.
  • the map generation data refers to data necessary for generating a current map of a solar power plant.
  • the map generation data includes image data obtained by photographing the entire photovoltaic power plant with the camera 22, location data obtained by using GPS or an Inertial Measurement Unit (IMU).
  • IMU Inertial Measurement Unit
  • GIS Geographic Information System
  • the current map of the generated photovoltaic power plant has the form of a numerical map
  • all the solar panels 30 are found on the map through image processing technology, and the GPS coordinate information is stored (S405).
  • the solar panel 30 thus found is indexed and displayed on a map, and its GPS coordinate information is stored in metadata.
  • the precise flight path of the unmanned moving object 20 is generated using the GPS coordinate information of the found solar panels 30 (S406).
  • the precision flight path refers to a flight path in which the unmanned moving object 20 flies over the solar power plant in order to photograph the solar panel 30 and acquire an image. Acquiring an image of the solar panel 30 in the inspection step is to examine whether the defect of the solar panel 30 by analyzing the image.
  • the precision flight path has less error than the global flight path and can fly over all current solar panels 30.
  • the preparation step is completed. And a precise flight path is created. After that, the inspection step for checking whether or not the solar panel 30 is defective is entered.
  • GPS coordinate correction is first performed (S407).
  • a GPS Global Positioning System
  • GPS Global Positioning System
  • a GPS is a satellite navigation system that receives a signal transmitted from a GPS satellite and calculates a current position by coordinates with a GPS receiver. That is, the GPS receiver receives GPS coordinates from the GPS satellites in real time. However, there may be a time difference between the timing of generating the GPS numerical map in preparation and the time of entering the inspection phase. And during the time difference, GPS satellites revolve around the earth, changing their position. Therefore, the GPS coordinates received at each time may be different from each other. In order to accurately locate the photovoltaic panel 30 and fly over the actual photovoltaic panel 30, correction must be performed first to remove the error of GPS coordinates.
  • the inspection data refers to data necessary for analyzing an image of the solar panel 30 to inspect a defective panel.
  • the inspection data includes image data obtained by photographing the solar panel 30 with the camera 22, position data obtained by using GPS or an Inertial Measurement Unit (IMU).
  • IMU Inertial Measurement Unit
  • the solar panel 30 is detected in the image data (S410). Then, the detected solar panel 30 is inspected to determine whether a defect occurs, and a defective position of the defective panel is detected (S411). When the inspection of all the solar panels 30 is completed, the result report is reported to the user (S412).
  • the inspection step is completed when the steps S407 through S412 are completed. And, all the processes of the inspection step can be made automatically.
  • FIG. 4 is a block diagram showing the configuration of the integrated control device 10 according to an embodiment of the present invention.
  • the integrated control device 10 controls the unmanned moving object 20, analyzes an image of the solar panel 30 obtained by the camera 22 of the unmanned moving object 20, and analyzes the solar panel ( It is possible to determine whether or not the failure of the 30), it is possible to detect the defective position of the solar panel (30).
  • the integrated control device 10 includes a flight path generation device 11, a map generation device 12, a solar panel detection device 13, and a bad panel inspection device 14.
  • the flight path generation device 11 performs steps S401 and S405 in the preparation step. That is, the unmanned vehicle 20 generates a full coverage flight path and a precision flight path for flight.
  • the map generating device 12 performs step S404 in the preparation step. That is, a current map of the entire photovoltaic power plant as a digital map is generated based on the acquired map generation data.
  • the solar panel detecting apparatus 13 performs step S405 in the preparation step and step S410 in the inspection step. That is, in the preparation step, all the solar panels 30 are found on the current map of the entire solar power plant and the GPS coordinate information is stored. In the inspecting step, the solar panel 30 is detected in the image based on the acquired inspection data.
  • the defective panel inspection apparatus 14 performs step S411 in the inspection step. In other words, it is determined whether the detected photovoltaic panel 30 is defective, and if there is a defective panel, the defective position of the defective panel is detected.
  • the flight path generation device 11, the map generation device 12, the solar panel detection device 13, and the defective panel inspection device 14 included in the integrated control device 10 may be formed as separate modules, respectively. Although not limited thereto, the present invention may also perform various functions in one module. That is, if the integrated control device 10 can generate a flight path, generate a map, detect the solar panel 30, and inspect the defective panel, it may be formed in various ways.
  • the defect panel inspection apparatus 14 determines whether the defect of the detected solar panel 30 occurs in step S411 in the inspection step, and detects the defective position of the defective panel. .
  • FIG. 5 is a block diagram showing the configuration of the defective panel inspection apparatus 14 according to an embodiment of the present invention.
  • the defective panel inspection apparatus 14 checks whether the solar panel 30 is a defective panel. That is, it is determined whether the detected solar panel 30 is defective, and if there is a defective panel, the defective position of the defective panel is detected. In order to examine the defective panels, the pixel values of the pixels of the thermal image are statistically analyzed. To this end, the defective panel inspection apparatus 14 includes a control unit 141, a storage unit 142, a screen unit 143, and an input unit 144. In addition, these components may be connected and communicate with each other through the bus 145. All components included in the controller 141 may be connected to the bus 145 through at least one interface or adapter, or may be directly connected to the bus 145. The bus 145 may also be connected to other subsystems in addition to the components described above. The bus 145 includes a memory bus, a memory controller, a peripheral bus, and a local bus.
  • the controller 141 controls the overall operation of the defective panel inspection device 14. For example, a histogram representing a distribution of each pixel value is generated in the thermal image of the solar panel 30.
  • the thermal image may be scanned by sliding the first window 306 and the second window on the thermal image, and candidates that may be defective panels may be selected from the thermal image of the solar panel 30, and the average and deviation may be selected. It also performs operations to find the variance, etc.
  • controller 141 a central processing unit (CPU), a micro controller unit (MCU), a digital signal processor (DSP), or the like is preferably used, but various logic operation processors may be used without being limited thereto. Detailed description of the control unit 141 will be described later.
  • CPU central processing unit
  • MCU micro controller unit
  • DSP digital signal processor
  • the storage unit 142 stores various object information, and a database is constructed by the control unit 141.
  • the storage unit 142 includes a nonvolatile memory device and a volatile memory device.
  • the nonvolatile memory device is a NAND flash memory which is small in size, light in weight and resistant to external shock, and the volatile memory device is preferably DDR SDRAM.
  • the defective panel inspection apparatus 14 may be connected to the network 40. Therefore, the defective panel inspection apparatus 14 may be connected to other devices through the network 40 to transmit and receive various data and signals including metadata.
  • the network interface 41 receives communication data in the form of one or more packets from the network 40, and the bad panel inspecting device 14 stores the received communication data for processing by the controller 141. Can be.
  • the bad panel inspection apparatus 14 may store the transmitted communication data in the storage unit 142 in the form of one or more packets, and the network interface 41 may transmit the communication data to the network 40.
  • the network interface 41 may include a network interface card, a modem, and the like, and the network 40 may include various wired and wireless communication methods such as the Internet, a wide area network (WAN), a local area network (LAN), a telephone network, and direct connection communication. It may include.
  • WAN wide area network
  • LAN local area network
  • telephone network and direct connection communication. It may include.
  • the screen unit 143 displays the search results performed according to the search condition input by the user so that the user can view them. If the bad panel inspecting device 14 does not provide a touch function, the input unit 144 is separately provided. In general, the input unit 144 most commonly used includes a mouse, a keyboard, a joystick, a remote controller, and the like. The input unit 144 may be connected to the bus 145 through an input interface 1441 including a serial port, a parallel port, a game port, a USB, and the like. However, if the bad panel inspection apparatus 14 provides a touch function, the screen unit 143 may include a touch sensor. In this case, the input unit 144 does not need to be separately provided, and the user may directly input the touch signal through the screen unit 143.
  • the touch may be performed using a finger, but is not limited thereto, and may be performed using a stylus pen or the like equipped with a tip through which a minute current may flow. Even if the bad panel inspection apparatus 14 provides a touch function, if the screen unit 143 does not include a touch sensor, a separate touch pad may be provided as the input unit 144.
  • the display unit 143 may use various methods such as a liquid crystal display (LCD), an organic liquid crystal display (OLED), a cathode ray tube (CRT), a plasma display panel (PDP), and the like.
  • the screen unit 143 is connected to the bus 145 through the video interface 1431, and data transmission between the screen unit 143 and the bus 145 may be controlled by the graphic controller 1432.
  • FIG. 6 is a block diagram illustrating a more detailed configuration of the controller 141 in FIG. 5.
  • the controller 141 included in the defective panel inspecting apparatus 14 may include a histogram generator 1411, a candidate selector 1412, a calculator 1413, And a window searcher 1414.
  • the histogram generator 1411 generates a histogram indicating a distribution of each pixel value in the thermal image of the solar panel 30.
  • the histogram is a graph showing the distribution of total variables through the relationship between class values and variables.
  • the image is composed of pixels, each pixel has a pixel value of 0 to 255.
  • the histogram generator 1411 analyzes respective pixel values of all pixels in the thermal image of the solar panel 30 to generate a histogram of which the pixel value is a rank value and the number of pixels is a variable.
  • the candidate selecting unit 1412 selects candidates that may be positions where a defect occurs in the thermal image of the solar panel 30. That is, the candidate selecting unit 1412 selects the first candidate 304 through the generated histogram. The second candidate 305 is selected through an average operation of the calculator 1413, and the final candidate 308 is selected through a dispersion operation of the calculator 1413. Also, a defective position is detected by comparing the pixel sizes of the window search unit 1414. The detailed description of the candidate selecting unit 1412 will be described later.
  • the calculating unit 1413 performs an operation for obtaining an average, a deviation, a variance, and the like. That is, the calculator 1413 calculates an average of pixel values of the pixels that have become the first candidate 304. In addition, when the window search unit 1414 slides the first window 306 and scans the thermal image, the window search unit 1414 calculates an average of pixel values of the pixels in the first window 306. Then, the deviations of the pixels in the first window 306 are calculated using the same, and the variance in the first window 306 is calculated. The detailed description of the operation unit 1413 will be described later.
  • the window search unit 1414 generates the first window 306 and the second window, and scans the thermal image by sliding the first window 306 and the second window on the thermal image.
  • the window search unit 1414 will be described in detail later.
  • Each component of the defective panel inspection apparatus 14 described so far is a software (such as a task, a class, a subroutine, a process, an object, an execution thread, a program) performed in a predetermined area on a memory, or an FPGA (Field-).
  • Hardware may be implemented, such as a programmable gate array (ASC) or an application-specific integrated circuit (ASIC), or may be a combination of software and hardware.
  • the components may be included in a computer readable storage medium or a part of the components may be distributed and distributed among a plurality of computers.
  • each block may represent a portion of a module, segment, or code that includes one or more executable instructions for executing a specified logical function (s). It is also possible in some alternative implementations that the functions mentioned in the blocks occur out of order. For example, the two blocks shown in succession may in fact be executed substantially concurrently, and the blocks may sometimes be executed in the reverse order, depending on the corresponding function.
  • FIG. 7 is a part of a flowchart illustrating a method for inspecting a bad panel by the bad panel inspecting apparatus 14 according to an exemplary embodiment
  • FIG. 8 is a part of the flowchart of FIG. 7.
  • the defective panel inspection apparatus 14 inspects whether the solar panel 30 is a defective panel. That is, it is determined whether a failure of the solar panel 30 occurs in the thermal image, and a defective position of the defective panel is detected. In order to check whether or not a defect has occurred, the pixel value of the pixels of the thermal image is statistically analyzed, and specifically, according to the flowchart shown in FIG. 7.
  • FIG. 9 is a diagram illustrating a thermal image obtained by photographing the normal solar panel 30 by the thermal imaging camera 22.
  • a plurality of solar cells 38 constitute a single solar module 301.
  • the plurality of solar modules 301 constitute one array 302.
  • a total of 20 solar modules 301 are arranged in two rows and ten columns and connected to each other, thereby forming an array 302.
  • the number and sorting methods of the solar modules 301 forming one array 302 may be various without being limited thereto.
  • the thermal image analyzed by the defective panel inspection apparatus 14 may display only one array 302 of the solar panel 30.
  • the solar panel detecting apparatus 13 detects only one array 302 in a thermal image of the plurality of solar panels 30.
  • the defective panel inspection device 14 analyzes the thermal image that detects only one array 302 and inspects the defective panel.
  • the solar panel 30 is formed by connecting a plurality of solar cells 38 to the lead wires 39. Then, when the electrode is connected to the current flows, the normal solar panel 30 emits heat of uniform temperature as a whole. However, even though the solar panel 30 actually emits heat of a uniform temperature as a whole, the temperature measured in the thermal image may be somewhat different from the actual temperature depending on the performance of the thermal imaging camera 22 or the surrounding environment. have. For example, as shown in FIG.
  • the lower right side of the solar panel 30 shows a brighter color, and the upper left side of the solar panel 30 is relatively Darker color. Therefore, it can be recognized that the lower right side of the solar panel 30 has a high temperature and the upper left side of the solar panel 30 has a relatively low temperature.
  • FIG. 10 is a diagram illustrating a thermal image obtained by photographing the solar panel 30 including the defective panel by the thermal imaging camera 22.
  • a failure such as a defect or crack occurs in the solar panel 30, generally, a failure does not occur in one entire array 302, and a failure occurs in some solar modules 301 constituting the array 302. This happens. In particular, a failure occurs in some of the strings 35 to which the plurality of solar cells 38 are connected. For example, as illustrated in FIG. 10, in the right portion of the solar module 301 located in two rows and five columns in one array 302, an area having a higher pixel value than the surroundings is vertically formed. This portion is the portion 303 where the defect has occurred.
  • FIG. 11 is a diagram illustrating a histogram of the thermal image of FIG. 10
  • FIG. 12 is a diagram illustrating a first candidate 304 selected in the thermal image of FIG. 10.
  • the background may be included together. This background is considerably lower in temperature than the solar panel 30. Therefore, it is desirable to first exclude a part of the thermal image which is surely low in the candidates to be a defective panel.
  • the thermal image is composed of pixels, each of which has a pixel value of 0 to 255.
  • the histogram generator 1411 generates a histogram indicating a distribution of pixel values of pixels constituting the thermal image illustrated in FIG. 10 (S801).
  • the rank value of the histogram is a pixel value
  • the variable is the number of pixels.
  • the rank value is shown at the bottom and the variable is shown at the height. Accordingly, pixel values from 0 to 255 are shown as rank values at the bottom of the histogram shown in FIG. 11. For each pixel value, the number of pixels having the pixel value is shown as the height of the histogram.
  • the candidate selecting unit 1412 finds pixel values of the most pixels in the histogram shown in FIG. 11. This value is called the maximum pixel value.
  • the maximum pixel value becomes a first threshold for the candidate selecting unit 1412 to select the first candidate 304.
  • the area of the top panel will generally be larger than the bad panel.
  • the highest pixel value is more likely to be the pixel value of the pixel representing the normal panel than the bad panel.
  • the candidate selecting unit 1412 sets the maximum pixel value as a first reference (S802), and as illustrated in FIG. 12, pixels having a pixel value larger than the first reference may be a position where a failure occurs.
  • One candidate 304 is selected (S803).
  • FIG. 13 is a diagram illustrating a second candidate 305 selected in the thermal image of FIG. 10.
  • the selected first candidate 304 is pixels having a pixel value larger than the largest pixel value. However, as shown in FIG. 12, the first candidate 304 still occupies a considerable area of the entire thermal image. The first candidate 304 will have considerably more pixels representing normal panels than bad panels. Accordingly, in order to exclude more normal panel portions from the thermal panel, the calculator 1413 calculates an average of pixel values of pixels of the selected first candidate 304. This is called a first average (S804).
  • the candidate selecting unit 1412 sets the first average as a second threshold (S805), and as illustrated in FIG. 13, the first candidate 304 has a pixel value larger than the second standard.
  • the pixels are selected as the second candidate 305 which may be a position where a failure occurs (S806).
  • FIG. 14 is a diagram illustrating a state in which the window search unit 1414 generates the first window 306 on a thermal image according to an embodiment of the present invention.
  • pixels selected as the second candidate 305 are mainly distributed at the lower right side of the thermal image.
  • the solar panel 30 actually emits heat of a uniform temperature as a whole, the temperature measured in the thermal image is different from the actual state depending on the performance of the thermal imaging camera 22 or the surrounding environment. This is because some errors may occur.
  • the second candidate 305 may have a large number of pixels representing the normal panel.
  • it is not only using absolute pixel values of a thermal image, but also using relative pixel values. This is because the defective panel is higher than the temperature of the surroundings, although it is higher than the temperature of heat emitted from the normal panel.
  • the window search unit 1414 generates a first window 306 and scans the thermal image by sliding the first window 306 on the thermal image (S807).
  • a window refers to a boundary surrounding some specific range of a thermal image.
  • the operation unit 1413 performs an operation of averaging, variance, and the like using only pixel values of pixels included in a specific range surrounded by the first window 306. And each time the first window 306 slides, the specific range that the window 306 encompasses varies.
  • the window has a certain width and preferably has a square shape, but is not limited thereto and may have various shapes. When the first window 306 slides, the first window 306 slides in units of pixels on the thermal image.
  • FIG. 15 is a diagram illustrating in detail a first window 306 generated by the window searcher 1414 according to an embodiment of the present invention.
  • FIG. 16 is a diagram illustrating a final candidate 308 selected in the thermal image of FIG. 10. It is a figure showing the state.
  • the size of the first window 306 preferably has a size similar to that of one solar cell 38 in the thermal image. This is because when a failure occurs in the solar panel 30, a failure occurs in some strings 35 to which the plurality of solar cells 38 are connected. For example, if the size of one cell 38 on the thermal image has a size of 10 ⁇ 10 pixels, the size of the first window 306 is 9 ⁇ 9 to 11 ⁇ 11 pixels. It is preferable to have.
  • the size of one cell 38 on the thermal image is stored in advance.
  • the present invention is not limited thereto, and the first window 306 may have various sizes.
  • the size of the first window 306 is 9 ⁇ 9, 81 pixels are included in the first window 306.
  • the calculator 1413 calculates an average of pixel values of 81 pixels included in the first window 306. . This is called a second average (S809).
  • the calculator 1413 After calculating the second average, the calculator 1413 subtracts the second average from the pixel values of the pixels included in the first window 306. That is, a deviation for each pixel included in the first window 306 is obtained (S810).
  • the calculator 1413 calculates a variance of the first window 306 (S901).
  • the variance can be found by calculating the average of the squared deviations.
  • one variance is derived from one particular range that the first window 306 encompasses.
  • the derived variance is defined as a variance of the center pixel 307 in a specific range surrounded by the first window 306 (S902). For example, if the size of the first window 306 is 9 ⁇ 9, in one particular range that the first window 306 encompasses, the center pixel 307 is a pixel located in five rows and five columns.
  • the derived variance is a variance of pixels located in 5 rows and 5 columns.
  • the operation unit 1413 skips without calculating the second average in a specific range designated by the first window 306. It is preferable to (Skip) (S811).
  • the calculation unit 1413 repeats the above-described operations every time the first window 306 slides by one pixel on the thermal image, and scans all regions of the thermal image (S903). As a result, when the window searching unit 1414 completes scanning of the thermal image, many variances are derived. The calculator 1413 calculates an average of these variances. This is called a third average (S904).
  • the calculator 1413 multiplies the calculated third average by a weight.
  • the candidate selecting unit 1412 determines a value obtained by multiplying the third average by a weight as a third threshold (S905). As illustrated in FIG. 16, the candidate selecting unit 1412 selects pixels having a variance larger than the third criterion among the second candidates 305 as the final candidate 308 that may become a location where a failure occurs. (S906).
  • the weight is a sensitivity parameter arbitrarily determined by the user and has a value greater than one. If the weight is less than 1, it may be erroneously determined that the defect exists even in a normal panel having no defect at all.
  • the third criterion increases. That is, the number of pixels selected as the final candidates 308 is reduced. Thus, if the weight is too large, there are no pixels remaining as the final candidate 308, so that no defective position can be detected. In contrast, as the weight decreases, the third criterion decreases. That is, the number of pixels selected as the final candidate 308 increases. Thus, if the weight is too small, there is no difference between the second candidate 305 and the final candidate 308, so that the bad panel inspection method is not robust.
  • the weight is preferably 1.2 to 1.5, but since the user can experimentally adjust the weight, the weight may have various values without being limited.
  • FIG. 17 is a diagram illustrating a state in which a defective panel is detected in the thermal image of FIG. 10.
  • the final candidate 308 may be selected by only performing the processes S809 to S814 and S901 to S903 for all regions. Even the pixels selected as the final candidates 308 may immediately become the defective parts 303.
  • the failure occurs as described above, it is common that the failure occurs in some of the strings 35 to which the plurality of solar cells 38 are connected. In other words, a failure rarely occurs in only one cell 38. Thus, if a failure occurs, the area of the defective area will be larger than the width of the at least one cell 38. In addition, the shape of the region where the defect has occurred is likely to have a polygonal shape that is a combination of the rectangular shapes of one solar cell 38.
  • the window search unit 1414 generates a window again. It is preferable that the size of the second window at this time also has a size similar to that of one solar cell 38. For example, if the size of one cell 38 on a thermal image has a size of 10 ⁇ 10 pixels, the size of the second window may have a size of 9 ⁇ 9 to 11 ⁇ 11 pixels. desirable.
  • the window search unit 1414 surrounds the specific range to include the pixels selected as the final candidates 308 as the generated second window (S907). If all pixels included in the window are selected as the final candidates 308 (S908), the specific range surrounded by the second window is determined as a defective position (S909). However, if at least one pixel that is not selected as the final candidate 308 is included in the second window, it is skipped without being determined as a defective position (S910). Through such a process, the defective panel detection apparatus may determine whether a defect occurs in the thermal image and detect a defective position.
  • the process for detecting the defective panel by the defective panel detecting apparatus described above includes: selecting the first candidate 304 (S801 through SS803), selecting the second candidate 305 (S804 through S806), and finally The process of selecting the candidate 308 (S807 to S811 and S901 to S906) and the process of detecting the location 303 where the defect is generated (S907 to S910) are largely performed in four steps. However, if the performance of the camera 22 is excellent and there is no adverse effect from the surrounding environment, the pixel values of the pixels of the thermal image are formed evenly as a whole. In this case, some of the above four steps may be omitted without having to go through all four steps. You can even perform only one step.
  • the process of selecting the second candidate 305 (S804 to S806) may be performed. That is, the average of pixel values of the pixels may be calculated, and pixels having a larger pixel value may be determined as a location where a failure occurs.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Electromagnetism (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Photovoltaic Devices (AREA)

Abstract

상기 과제를 해결하기 위한 본 발명의 실시예에 따른 불량 패널 검출 장치는 카메라가 태양광 패널을 촬영하여 획득한 열영상 상에서 제1 윈도우를 슬라이딩시켜, 상기 열영상을 스캔하는 윈도우 탐색부; 상기 제1 윈도우가 슬라이딩 할 때마다 상기 제1 윈도우에 포위된 특정 영역 내 픽셀들의 픽셀값의 분산을 도출하고, 상기 제1 윈도우가 상기 열영상의 스캔을 완료하면 도출된 모든 상기 분산들의 평균인 제1 평균을 연산하며, 상기 제1 평균에 가중치를 곱한 값을 기준으로 정하는 연산부; 및 상기 기준보다 큰 분산을 갖는 상기 특정 영역 내 상기 픽셀들 중에서 중심 픽셀을, 불량 패널의 최종 후보로 선정하는 후보 선정부를 포함한다.

Description

불량 패널 검사 장치
본 발명은 불량 패널 검사 장치에 관한 것으로서, 보다 상세하게는 무인 이동체가 태양광 패널을 촬영하여 획득한 영상을 분석함으로써, 태양광 패널의 불량 위치를 검출할 수 있는 불량 패널 검사 장치에 관한 것이다.
최근 석유나 석탄과 같은 화석 에너지를 대체하는 친환경 에너지원으로 태양광 발전에 대한 관심이 급증하고, 기술 개발이 활발하게 이루어지고 있다. 태양광 발전은 수광한 태양광을 전기 에너지로 변환하는 솔라셀 (Solar Cell)을 이용하여 에너지를 생산하는 것으로, 복수의 솔라셀을 배열한 태양광 패널을 태양광을 채광하기 좋은 위치에 설치하여 에너지를 생산하고 있다.
일반적으로, 태양광 패널은 많은 에너지 생산을 위해 매우 넓은 구역에 다수 설치되거나, 태양광을 채광하기 좋은 건물의 옥상이나 지붕 등에 설치된다. 그러나 태양광 패널)은 이와 같이 야외에 설치되어 운용되므로, 외부 환경에 따른 영향에 직접적으로 노출된다. 따라서 태양광 패널의 수명이 단축되며, 이로 인해 태양광 발전량이 급격히 저하되거나 화재 발생의 우려가 높다. 이에, 태양광 패널의 상태를 판단하여 이상이 발생한 태양광 패널을 신속하게 교체하는 것이 중요하다.
그러나, 관리자가 태양광 패널의 이상 동작이나 고장을 직접 검사한다면, 넓은 영역을 돌아다녀야 하므로 노력과 시간이 상당히 많이 소모된다. 또는, 건물의 옥상이나 지붕에 올라가게 된다면 매우 어렵고 위험한 작업이 될 수 있다.
최근에는 태양광 패널의 용이한 검사를 위해서 다양한 기술이 도입되고 있는데, 그 중 하나가 태양광 패널이 설치된 영역 위로 무인 이동체를 비행시켜, 상공에서 태양광 패널을 촬영한 영상을 분석하여 검사하는 기법이다.
종래에 무인 이동체를 이용한 태양광 패널 검사 기법은 전류가 흐르는 태양광 패널의 열영상을 촬영하여, 단순히 주변 온도보다 높은 위치만을 불량이 발생한 위치로 검출하였다. 그러나, 열영상 카메라의 성능 또는 주변 환경에 따라서 열영상에서 측정되는 온도는 실제와 어느 정도 오차가 발생할 수 있다. 따라서, 더욱 정확하고 강인한 태양광 패널 검사 장치 및 방법이 필요하였다.
본 발명이 해결하고자 하는 과제는, 무인 이동체가 태양광 패널을 촬영하여 획득한 열영상의 픽셀들이 갖는 픽셀값을 통계학적으로 분석함으로써, 태양광 패널의 불량 발생 여부를 판단하고, 불량 패널의 불량 위치를 검출하는 불량 패널 검사 장치를 제공하는 것이다.
본 발명의 과제들은 이상에서 언급한 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 해결하기 위한 본 발명의 실시예에 따른 불량 패널 검출 장치는 카메라가 태양광 패널을 촬영하여 획득한 열영상 상에서 제1 윈도우를 슬라이딩시켜, 상기 열영상을 스캔하는 윈도우 탐색부; 상기 제1 윈도우가 슬라이딩 할 때마다 상기 제1 윈도우에 포위된 특정 영역 내 픽셀들의 픽셀값의 분산을 도출하고, 상기 제1 윈도우가 상기 열영상의 스캔을 완료하면 도출된 모든 상기 분산들의 평균인 제1 평균을 연산하며, 상기 제1 평균에 가중치를 곱한 값을 기준으로 정하는 연산부; 및 상기 기준보다 큰 분산을 갖는 상기 특정 영역 내 상기 픽셀들 중에서 중심 픽셀을, 불량 패널의 최종 후보로 선정하는 후보 선정부를 포함한다.
상기 과제를 해결하기 위한 본 발명의 실시예에 따른 불량 패널 검출 방법은 카메라가 태양광 패널을 촬영하여 열영상을 획득하는 단계; 상기 획득한 열영상 상에서 제1 윈도우를 슬라이딩시켜, 상기 열영상을 스캔하는 단계; 상기 제1 윈도우가 슬라이딩 할 때마다 상기 제1 윈도우에 포위된 특정 영역 내 픽셀들의 픽셀값의 분산을 도출하는 단계; 상기 제1 윈도우가 상기 열영상의 스캔을 완료하면 도출된 모든 상기 분산들의 평균인 제1 평균을 연산하는 단계; 상기 제1 평균에 가중치를 곱한 값을 기준으로 정하는 단계; 및 상기 기준보다 큰 분산을 갖는 상기 특정 영역 내 상기 픽셀들 중에서 중심 픽셀을, 불량 패널의 최종 후보로 선정하는 단계를 포함한다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 실시예들에 의하면 적어도 다음과 같은 효과가 있다.
태양광 패널의 불량 패널을 검사할 때, 무인 이동체가 태양광 패널을 촬영하여 획득한 열영상의 픽셀들이 갖는 픽셀값을 통계학적으로 분석함으로써, 열영상 카메라의 성능 변화 또는 주변 환경의 변화에도 불량 패널의 오검출을 감소시키고, 더욱 정확하고 강인하게 불량 패널을 검사할 수 있다.
본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 명세서 내에 포함되어 있다.
도 1은 본 발명의 일 실시예에 따른 태양광 패널 검사 시스템(1)의 구성도이다.
도 2는 일반적인 태양광 패널(30)의 내부 구성을 나타내는 평면도이다.
도 3은 일반적인 태양광 패널(30)의 라미네이트 가공 전 단면도이다.
도 4는 본 발명의 일 실시예에 따른 통합 관제 장치(10)의 구성을 나타낸 블록도이다.
도 5는 본 발명의 일 실시예에 따른 불량 패널 검사 장치(14)의 구성을 나타낸 블록도이다.
도 6은 도 5에서 제어부(141)의 더욱 상세한 구성을 나타낸 블록도이다.
도 7은 본 발명의 일 실시예에 따른 불량 패널 검사 장치(14)가 불량 패널을 검사하는 방법을 나타낸 흐름도의 일부이다.
도 8은 도 7의 흐름도의 나머지 일부이다.
도 9는 열영상 카메라(22)가 정상적인 태양광 패널(30)을 촬영하여 획득한 열영상을 나타낸 도면이다.
도 10은 열영상 카메라(22)가 불량 패널을 포함하는 태양광 패널(30)을 촬영하여 획득한 열영상을 나타낸 도면이다.
도 11은 도 10의 열영상의 히스토그램을 나타낸 도면이다.
도 12는 도 10의 열영상에서 제1 후보(304)가 선정된 모습을 나타낸 도면이다.
도 13은 도 10의 열영상에서 제2 후보(305)가 선정된 모습을 나타낸 도면이다.
도 14는 본 발명의 일 실시예에 따른 윈도우 탐색부(1414)가 열영상 상에서 제1 윈도우(306)를 생성한 모습을 나타낸 도면이다.
도 15는 본 발명의 일 실시예에 따른 윈도우 탐색부(1414)가 생성한 제1 윈도우(306)를 더욱 상세히 나타낸 도면이다.
도 16은 도 10의 열영상에서 최종 후보(308)가 선정된 모습을 나타낸 도면이다.
도 17은 도 10의 열영상에서 불량 패널의 위치가 검출된 모습을 나타낸 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 태양광 패널 검사 시스템(1)의 구성도이다.
본 발명의 일 실시예에 따른 태양광 패널 검사 시스템(1)을 이용하면, 무인 이동체(20)가 태양광 패널(30)이 설치된 영역의 상공을 단 한 번 비행하여, 불량 패널을 검사할 수 있다.
태양광 패널 검사 시스템(1)은 도 1에 도시된 바와 같이, 태양광을 받아 전력을 생산하는 태양광 패널(Panel, 30), 태양광 패널(30)이 설치된 영역의 상공을 비행하는 무인 이동체(20), 무인 이동체(20)를 제어하고 태양광 패널(30)을 검사하는 통합 관제 장치(10)를 포함한다.
무인 이동체(20)는 복수의 태양광 패널(30)이 설치된 영역의 상공을 비행하고, 카메라(22)를 이용하여 태양광 패널(30)에 대한 영상을 획득할 수 있다. 여기서 무인 이동체(20)는 상공에서 태양광 패널(30)을 촬영하여 영상을 획득할 수 있는 무인 항공체(UAV: Unmanned Aerial Vehicle)인 것이 바람직하며, 무인 항공체에는 대표적으로 드론(Drone)이 있다. 이하, 본 발명의 일 실시예에 따른 무인 이동체(20)는 드론인 것으로 설명한다.
무인 이동체(20)는 특정 영역을 촬영하여 영상을 획득하는 카메라(22)를 포함한다. 카메라(22)는 무인 이동체(20)가 태양광 패널(30)이 설치된 영역의 상공을 비행할 때, 태양광 패널(30)을 촬영하여 태양광 패널(30)에 대한 영상을 획득한다. 카메라(22)는 본체(21)로부터 임의의 방향을 향할 수 있으나, 지상에 설치된 태양광 패널(30)을 용이하게 촬영하기 위해 하방을 향하는 것이 바람직하다. 카메라(22)는 본체(21)의 내부에 설치될 수 있고, 이 경우 카메라(22)는 본체(21)의 외부를 촬영할 수 있도록 카메라(22)의 렌즈 또는 투광 커버가 본체(21)의 외부에 노출되어 설치된다. 그러나, 이에 제한되지 않고 카메라(22) 자체가 본체(21)의 외부에 노출되어 설치되는 등 다양한 방식으로 설치될 수 있다.
본 발명의 일 실시예에 따르면, 무인 이동체(20)의 카메라(22)는 열영상 카메라인 것이 바람직하다. 열영상 카메라는 대상물에서 방출되는 적외선을 검출하고, 그 에너지량을 온도로 환산하여 대상물의 온도 분포를 영상으로 변환한다. 이러한 온도 분포를 나타내는 영상을 열영상이라 한다. 즉, 열영상 카메라가 획득하는 영상 데이터는 열영상 데이터를 포함한다.
한편, 태양광 패널(30)의 일부분에서 결함 또는 크랙(Crack) 등의 불량이 발생한 경우, 태양광 패널(30)의 전극층 사이에 전압이 인가되면, 결함 또는 크랙 등의 불량이 발생한 부분에서는 일반적으로 주위 영역에 비해 전기장이 불안정해진다. 이러한 불안정한 전기장에 의해, 결함 또는 크랙이 발생한 부분의 전극층 사이에는, 주위 영역에 비해 더 많은 전류가 흐른다. 그리고, 전류가 많이 흐를수록 열이 많이 발생한다. 열영상에서는, 온도가 높을수록 픽셀값이 높고, 온도가 낮을수록 픽셀값이 낮다. 따라서, 열영상 카메라(22)가 태양광 패널(30)을 촬영하여 적외선 열영상을 획득하면, 픽셀값들을 통해 열의 분포를 파악함으로써 통합 관제 장치(10)가 태양광 패널(30)의 불량 패널 검사를 할 수 있다. 여기서 불량 패널 검사란 불량이 발생한 패널을 검사하는 것으로, 패널에 불량이 발생하였는지 여부를 판단하고, 만약 특정 패널에 불량이 발생하였다면 그 위치를 검출하는 것이다.
통합 관제 장치(10)는 무인 이동체(20)의 카메라(22)가 획득한 영상 데이터를 분석하여, 태양광 패널(30)의 불량 발생 여부를 판단하고, 태양광 패널(30)의 불량 위치를 검출한다. 통합 관제 장치(10)는 무인 이동체(20)와 별도의 장치로 형성될 수 있으나, 무인 이동체(20)를 이루는 구성요소로서 무인 이동체(20)의 내부에 포함될 수도 있다. 즉, 상기 영상 데이터를 분석하여 태양광 패널(30)을 검사할 수 있다면 다양하게 형성될 수 있다. 통합 관제 장치(10)에 대한 자세한 설명은 후술한다.
도 2는 일반적인 태양광 패널(30)의 내부 구성을 나타내는 평면도이고, 도 3은 일반적인 태양광 패널(30)의 라미네이트 가공 전 단면도이다.
우선, 본 발명의 일 실시예에 따른 통합 관제 장치(10)가 검사를 하는 검사 대상으로서의 태양광 패널(30)에 대해 설명한다.
도 2에 도시된 바와 같이, 복수의 솔라셀(38)이 리드선(39)으로 직렬로 연결되어 스트링(35)을 형성한다. 그리고, 복수의 스트링(35)이 리드선(39)으로 연결되어 일렬로 나열된다. 여기서 양단에 전극(36, 37)을 연결함으로써, 태양광 패널(30)이 형성된다.
태양광 패널(30)은 다음과 같이 제조한다. 도 3에 도시된 바와 같이, 우선 투명한 커버 유리(31)의 상측에 충전재(33)를 배치하고, 그 위에 도 2에 도시된 복수개의 직렬로 연결된 스트링(35)을 배치한다. 그리고 그 위에 다시 충전재(33)를 배치하고, 불투명한 소재로 형성된 이면재(32)를 배치한다. 여기서 충전재(33)로는 EVA(에틸렌 비닐 아세테이트) 수지를 사용할 수 있다. 상기 기술한 바와 같이 적층한 후, 라미네이트 장치를 이용하여 진공 상태에서 열과 압력을 가하여 EVA 수지를 가교 반응시킴으로써 라미네이트 가공을 한다.
통합 관제 장치(10)가 검사하는 검사 대상으로서의 태양광 패널(30)은, 상기 기술한 태양광 패널(30)에 제한되지 않고, 솔라셀(38)이 하나로 구성될 수도 있는 등 다양한 형태를 가질 수 있다. 또한, 라미네이트 가공의 전후를 불문하고 검사 대상이 될 수 있다.
본 발명의 일 실시예에 따른 태양광 패널 검사 시스템(1)이 동작하기 위해, 준비 단계(Preparation Stage) 및 검사 단계(Inspection Stage) 등 크게 2 단계를 수행해야 한다.
무인 이동체(20)가 태양광 패널(30)의 불량 발생 여부를 검사하기 위해서는, 먼저 무인 이동체(20)가 비행할 정밀 비행 경로(Precise Flight Path)가 설정되어야 한다. 준비 단계는 이러한 무인 이동체(20)의 정밀 비행 경로를 생성하기 위한 작업으로, 태양광 패널(30)의 불량 발생 여부를 검사하기 위한 선행 단계이다. 그리고, 검사 단계는 무인 이동체(20)가 상기 준비 단계에서 생성된 정밀 비행 경로를 따라 비행하면서 태양광 패널(30)을 촬영하고 영상을 획득하여, 태양광 패널(30)을 검사하는 단계이다.
준비 단계는 무인 이동체(20)의 정밀 비행 경로가 한 번 생성되었다면, 준비 단계를 다시 수행할 필요가 없다. 추후에 태양광 패널(30)을 검사할 때는, 무인 이동체(20)는 상기 생성된 정밀 비행 경로대로 비행을 하면 되기 때문이다. 그러나 무인 이동체(20)의 정밀 비행 경로가 변경될 필요성이 발생할 수 있다. 예를 들어, 태양광 발전소에 설치된 태양광 패널(30)이 새롭게 추가 설치되거나 철거되는 경우가 있다. 이러한 경우에는, 상기 준비 단계를 다시 수행하여 정밀 비행 경로를 변경해야 한다. 즉, 준비 단계는 무인 이동체(20)의 정밀 비행 경로가 변경되어야 할 특별한 경우를 제외하고는 한 번만 수행된다.
그러나, 검사 단계는 정기적으로, 또는 사용자가 원하는 시기에 무인 이동체(20)가 상기 생성된 정밀 비행 경로를 따라 비행을 하며 태양광 패널(30)을 검사한다.
구체적으로 설명하면 준비 단계에서는 먼저 전역 비행 경로(Full Coverage Flight Path)를 생성한다(S401). 전역 비행 경로란, 태양광 발전소 전체의 현재 지도 데이터를 획득하기 위해, 무인 이동체(20)가 비행할 개략적인 비행 경로를 말한다.
정밀 비행 경로(Precise Flight Path)를 생성하기 위해서는, 먼저 태양광 발전소 전체의 현재 지도 데이터를 획득해야 한다. 따라서, 태양광 발전소 전체의 현재 지도 데이터를 획득하기 위해서, 먼저 무인 이동체(20)는 전역 비행 경로(Full Coverage Flight Path)를 따라 개략적으로 비행을 하여야 한다.
이러한 전역 비행 경로를 생성하는 방법으로는 여러 가지가 있을 수 있다. 예를 들어 만약, 태양광 발전소가 처음으로 건설되어, 지금까지 무인 이동체(20)의 비행 경로(전역 비행 경로 또는 정밀 비행 경로)를 생성해 본 적이 한 번도 없는 경우가 있다. 이러한 경우, 통합 관제 장치(10)는 태양광 발전소 전체의 초기 지도 데이터를 메인 서버 또는 외부에서 전송받을 수 있다. 발전소 전체의 초기 지도 데이터를 전송받으면, 지도 상에서 태양광 패널(30)로 예상되는 다각형들을 추출하고, 그 다각형들의 중심을 모두 지나도록 전역 비행 경로가 자동으로 생성된다. 상기 다각형을 추출하는 방법, 또는 다각형들의 중심을 지나는 경로가 생성되는 방법은 제한되지 않고 다양한 방법을 사용할 수 있다.
그러나 만약, 이전에 정밀 비행 경로가 생성되어 무인 이동체(20)가 검사 단계를 거쳐 태양광 패널(30) 검사를 수행한 적이 있을 수 있다. 다만, 태양광 발전소에 설치된 태양광 패널(30)이 새로 추가 설치되거나 철거되는 등의 원인으로, 정밀 비행 경로를 새롭게 생성해야 하는 경우가 있다. 이러한 경우에는, 이전에 생성되었던 전역 비행 경로 또는 정밀 비행 경로를 현재 전역 비행 경로로 사용할 수도 있다. 즉, 무인 이동체(20)가 태양광 발전소 전체를 개략적으로 비행할 수 있다면, 다양한 방법으로 전역 비행 경로를 생성할 수 있다.
전역 비행 경로를 생성하면, 무인 이동체(20)는 전역 비행 경로를 따라 태양광 발전소의 상공을 비행한다(S402). 그리고, 지도 생성용 데이터를 획득한다(S403). 지도 생성용 데이터란, 태양광 발전소의 현재 지도를 생성하기 위해 필요한 데이터들을 말한다. 이러한 지도 생성용 데이터에는 카메라(22)로 태양광 발전소 전체를 촬영하여 획득한 영상 데이터, GPS 또는 IMU(Inertial Measurement Unit, 관성측정장치)를 이용하여 획득한 위치 데이터 등을 포함한다.
지도 생성용 데이터를 획득하면, 이를 토대로 태양광 발전소 전체의 현재 지도를 생성한다(S404). 태양광 발전소 전체의 현재 지도를 생성하기 위해 GIS(Geographic Information System, 지리 정보 시스템)을 이용할 수 있으며, 이렇게 생성된 태양광 발전소 전체의 현재 지도는 수치 지도(Digital Map)의 형태를 가질 수 있다.
상기 생성된 태양광 발전소 전체의 현재 지도는 수치 지도의 형태를 가지므로, 영상처리 기술을 통해 지도 상에서 모든 태양광 패널(30)을 찾고, 그 GPS 좌표 정보를 저장한다(S405). 이와 같이 찾은 태양광 패널(30)을 지도 상에서 인덱싱되어 표시되고, 그 GPS 좌표 정보들은 메타데이터에 저장된다.
상기 찾은 태양광 패널(30)들의 GPS 좌표 정보들을 이용하여 무인 이동체(20)의 정밀 비행 경로를 생성한다(S406). 상기 기술한 바와 같이, 정밀 비행 경로란, 검사 단계에서 무인 이동체(20)가 태양광 패널(30)을 촬영하고 영상을 획득하기 위해, 태양광 발전소의 상공을 비행하는 비행 경로를 말한다. 검사 단계에서 태양광 패널(30)의 영상을 획득하는 것은, 상기 영상을 분석하여 태양광 패널(30)의 불량 발생 여부를 검사하기 위함이다. 따라서, 정밀 비행 경로는 전역 비행 경로보다 오차가 적고, 현재의 모든 태양광 패널(30)의 상공을 비행할 수 있다.
상기 S401 단계부터 S406 단계를 모두 거치면 준비 단계가 완료된다. 그리고, 정밀 비행 경로가 생성된다. 그 이후, 태양광 패널(30)의 불량 발생 여부를 검사하는 검사 단계로 진입한다.
검사 단계에서는 먼저 무인 이동체(20)가 비행을 하기 전에, GPS 좌표 보정을 먼저 수행한다(S407). GPS(Global Positioning System)란, GPS 위성에서 전송하는 신호를 GPS 수신기가 수신하여 현재 위치를 좌표로 계산하는 위성항법시스템이다. 즉, GPS 수신기는 실시간으로 GPS 위성으로부터 GPS 좌표를 수신하게 된다. 그런데 준비 단계에서 GPS 수치 지도를 생성하는 시기와, 검사 단계에 진입하는 시기는 시간적인 차이가 존재할 수 있다. 그리고 상기 시간적인 차이 동안 GPS 위성들이 지구 주위를 공전하여 위치가 변한다. 따라서, 상기 각각의 시기에 수신한 GPS 좌표들이 서로 상이할 수 있다. 태양광 패널(30)의 위치를 정확하게 파악하여 실제 태양광 패널(30)의 상공을 비행하기 위해서는, 이러한 GPS 좌표의 오차를 제거하는 보정을 먼저 수행해야 한다.
GPS 좌표가 보정되면, 무인 이동체(20)가 준비 단계에서 생성되었던 정밀 비행 경로를 따라 태양광 발전소의 상공을 비행한다(S408). 그리고, 카메라(22)를 이용하여 현재의 태양광 패널(30)들을 모두 촬영하여, 태양광 패널(30)에 대한 검사용 데이터를 획득한다(S409). 검사용 데이터란, 태양광 패널(30)의 영상을 분석하여 불량 패널을 검사하기 위해 필요한 데이터들을 말한다. 이러한 검사용 데이터에는 카메라(22)로 태양광 패널(30)을 촬영하여 획득한 영상 데이터, GPS 또는 IMU(Inertial Measurement Unit, 관성측정장치)를 이용하여 획득한 위치 데이터 등을 포함한다.
태양광 패널(30)에 대한 검사용 데이터를 획득하면, 영상 데이터 내에서 태양광 패널(30)을 검출한다(S410). 그리고, 상기 검출한 태양광 패널(30)을 검사하여 불량 발생 여부를 판단하고, 불량 패널의 불량 위치를 검출한다(S411). 모든 태양광 패널(30)의 검사가 완료되면, 그에 대한 결과 레포트가 사용자에게 출력되어 보고된다(S412).
상기 S407 단계부터 S412 단계를 모두 거치면 검사 단계가 완료된다. 그리고, 검사 단계의 모든 과정은 자동으로 이루어질 수 있다.
도 4는 본 발명의 일 실시예에 따른 통합 관제 장치(10)의 구성을 나타낸 블록도이다.
통합 관제 장치(10)는 상기 기술한 바와 같이, 무인 이동체(20)를 제어하고, 무인 이동체(20)의 카메라(22)가 획득한 태양광 패널(30)의 영상을 분석하여 태양광 패널(30)의 불량 발생 여부를 판단하며, 태양광 패널(30)의 불량 위치를 검출할 수 있다.
통합 관제 장치(10)는 도 4에 도시된 바와 같이, 비행 경로 생성 장치(11), 지도 생성 장치(12), 태양광 패널 검출 장치(13), 불량 패널 검사 장치(14)를 포함한다.
비행 경로 생성 장치(11)는 상기 준비 단계에서 S401, S405 단계를 수행한다. 즉, 무인 이동체(20)가 비행할 전역 비행 경로(Full Coverage Flight Path) 및 정밀 비행 경로(Precise Flight Path)를 생성한다.
지도 생성 장치(12)는 상기 준비 단계에서 S404 단계를 수행한다. 즉, 상기 획득한 지도 생성용 데이터를 토대로 수치 지도인 태양광 발전소 전체의 현재 지도를 생성한다.
태양광 패널 검출 장치(13)는 상기 준비 단계에서 S405 단계, 상기 검사 단계에서 S410 단계를 수행한다. 즉, 준비 단계에서, 태양광 발전소 전체의 현재 지도 상에서 모든 태양광 패널(30)을 찾고 그 GPS 좌표 정보를 저장한다. 또한, 검사 단계에서, 상기 획득한 검사용 데이터를 토대로, 영상 내에서 태양광 패널(30)을 검출한다.
불량 패널 검사 장치(14)는 상기 검사 단계에서 S411 단계를 수행한다. 즉, 상기 검출된 태양광 패널(30)의 불량 발생 여부를 검사하고, 불량 패널이 존재한다면 그 불량 패널의 불량 위치를 검출한다.
통합 관제 장치(10)가 포함하는 비행 경로 생성 장치(11), 지도 생성 장치(12), 태양광 패널 검출 장치(13), 불량 패널 검사 장치(14)들은, 각각 별도의 모듈들로 형성될 수도 있으나, 이에 제한되지 않고 하나의 모듈 내에서 여러 기능을 수행하는 것일 수도 있다. 즉, 통합 관제 장치(10)가 비행 경로를 생성하고, 지도도 생성하며, 태양광 패널(30)도 검출하고, 불량 패널도 검사할 수 있다면, 다양한 방식으로 형성될 수 있다.
이하, 불량 패널 검사 장치(14)가 상기 검사 단계에서 S411 단계, 즉 검출된 태양광 패널(30)의 불량 발생 여부를 판단하고, 불량 패널의 불량 위치를 검출하는 과정에 대한 내용을 자세히 설명한다.
도 5는 본 발명의 일 실시예에 따른 불량 패널 검사 장치(14)의 구성을 나타낸 블록도이다.
불량 패널 검사 장치(14)는 태양광 패널(30)이 불량 패널인지 검사한다. 즉, 상기 검출된 태양광 패널(30)의 불량 발생 여부를 판단하고, 불량 패널이 존재한다면 그 불량 패널의 불량 위치를 검출한다. 그리고 불량 패널을 검사하기 위해, 열영상의 픽셀들이 갖는 픽셀값을 통계학적으로 분석한다. 이를 위해, 불량 패널 검사 장치(14)는 제어부(141), 저장부(142), 화면부(143), 입력부(144)를 포함한다. 그리고, 이들 구성요소들은 버스(145)를 통해 상호간에 연결되어 통신할 수 있다. 제어부(141)에 포함된 모든 구성요소들은 적어도 하나의 인터페이스 또는 어댑터를 통해 버스(145)에 접속되거나, 직접 버스(145)에 연결될 수 있다. 또한, 버스(145)는 상기 기술한 구성요소 외에 다른 서브 시스템들과 연결될 수도 있다. 버스(145)는 메모리 버스, 메모리 컨트롤러, 주변 버스(Peripheral Bus), 로컬 버스를 포함한다.
제어부(141)는 불량 패널 검사 장치(14)의 전반적인 동작을 제어한다. 예를 들어, 태양광 패널(30)의 열영상에서 각각의 픽셀값들의 분포도를 나타내는 히스토그램을 생성한다. 그리고, 열영상 상에서 제1 윈도우(306) 및 제2 윈도우를 슬라이딩시켜 열영상을 스캔하기도 하며, 상기 태양광 패널(30)의 열영상에서 불량 패널이 될 수 있는 후보들을 선정하고, 평균, 편차, 분산 등을 구하기 위한 연산을 수행하기도 한다.
제어부(141)로는 CPU(Central Processing Unit), MCU(Micro Controller Unit) 또는 DSP(Digital Signal Processor) 등을 사용하는 것이 바람직하나, 이에 제한되지 않고 다양한 논리 연산 프로세서가 사용될 수 있다. 제어부(141)에 대한 자세한 설명은 후술한다.
저장부(142)는 각종 객체 정보들을 저장하고, 제어부(141)에 의해 데이터베이스가 구축된다. 저장부(142)는 비휘발성 메모리 장치 및 휘발성 메모리 장치를 포함한다. 비휘발성 메모리 장치는 부피가 작고 가벼우며 외부의 충격에 강한 NAND 플래시 메모리이고, 휘발성 메모리 장치는 DDR SDRAM인 것이 바람직하다.
불량 패널 검사 장치(14)는 네트워크(40)에 연결될 수도 있다. 따라서 불량 패널 검사 장치(14)는 다른 장치들과 네트워크(40)를 통하여 연결되어, 메타데이터를 포함한 각종 데이터 및 신호들을 송수신할 수 있다. 이 때, 네트워크 인터페이스(41)는 네트워크(40)로부터 하나 이상의 패킷의 형태로 된 통신 데이터를 수신하고, 불량 패널 검사 장치(14)는 제어부(141)의 처리를 위해 상기 수신된 통신 데이터를 저장할 수 있다. 마찬가지로, 불량 패널 검사 장치(14)는 송신한 통신 데이터를 하나 이상의 패킷 형태로 저장부(142)에 저장하고, 네트워크 인터페이스(41)는 상기 통신 데이터를 네트워크(40)로 송신할 수 있다.
네트워크 인터페이스(41)는 네트워크 인터페이스 카드, 모뎀 등을 포함할 수 있고, 네트워크(40)는 인터넷, WAN(wide area network), LAN(local area network), 전화 네트워크, 직접 연결 통신 등 다양한 유무선 통신 방법을 포함할 수 있다.
화면부(143)는 사용자가 입력한 검색 조건에 따라 수행한 검색 결과를, 사용자가 볼 수 있도록 디스플레이한다. 만약, 불량 패널 검사 장치(14)가 터치 기능을 제공하지 않는다면, 입력부(144)가 별도로 마련된다. 일반적으로 가장 많이 사용되는 입력부(144)로는 마우스, 키보드, 조이스틱, 리모콘 등이 있다. 이러한 입력부(144)는 직렬 포트, 병렬포트, 게임 포트, USB 등을 포함하는 입력 인터페이스(1441)를 통해 버스(145)에 연결될 수 있다. 그러나 만약 불량 패널 검사 장치(14)가 터치 기능을 제공한다면, 화면부(143)는 터치 센서를 포함할 수 있다. 이 경우에는 입력부(144)가 별도로 마련될 필요가 없고, 사용자가 화면부(143)를 통해 직접 터치 신호를 입력할 수 있다. 터치는 손가락을 이용하여 수행될 수도 있으나, 이에 제한되지 않고, 미세 전류가 흐를 수 있는 팁이 장착된 스타일러스 펜 등을 이용하여 수행될 수도 있다. 불량 패널 검사 장치(14)가 터치 기능을 제공하더라도, 화면부(143)가 터치 센서를 포함하지 않는다면 별도의 터치 패드가 입력부(144)로서 마련될 수도 있다.
화면부(143)는 LCD(Liquid Crystal Display), OLED(Organic Liquid Crystal Display), CRT(Cathode Ray Tube), PDP(Plasma Display Panel) 등 다양한 방식이 사용될 수 있다. 이러한 화면부(143)는 비디오 인터페이스(1431)를 통하여 버스(145)에 연결되고, 화면부(143)와 버스(145) 간의 데이터 전송은 그래픽 컨트롤러(1432)에 의해 제어될 수 있다.
도 6은 도 5에서 제어부(141)의 더욱 상세한 구성을 나타낸 블록도이다.
본 발명의 일 실시예에 따른 불량 패널 검사 장치(14)에 포함된 제어부(141)는 도 6에 도시된 바와 같이, 히스토그램 생성부(1411), 후보 선정부(1412), 연산부(1413), 윈도우 탐색부(1414)를 포함한다.
히스토그램 생성부(1411)는 태양광 패널(30)의 열영상에서 각각의 픽셀값들의 분포도를 나타내는 히스토그램을 생성한다. 히스토그램은 계급값과 변량의 관계를 통해 전체 변량의 분포도를 나타내는 그래프이다. 한편, 영상은 픽셀들로 이루어지며, 각각의 픽셀들은 0 내지 255까지의 픽셀값을 가진다. 히스토그램 생성부(1411)는 태양광 패널(30)의 열영상에서 모든 픽셀들이 가지는 각각의 픽셀값들을 분석하여, 픽셀값을 계급값으로 하고, 픽셀의 수를 변량으로 하는 히스토그램을 생성한다.
후보 선정부(1412)는 상기 태양광 패널(30)의 열영상에서 불량이 발생한 위치가 될 수 있는 후보들을 선정한다. 즉, 후보 선정부(1412)는 상기 생성된 히스토그램을 통해 제1 후보(304)를 선정한다. 그리고, 연산부(1413)의 평균 연산을 통해 제2 후보(305)를 선정하고, 연산부(1413)의 분산 연산을 통해 최종 후보(308)를 선정한다. 또한, 윈도우 탐색부(1414)의 픽셀 크기의 비교를 통해 불량 위치를 검출한다. 후보 선정부(1412)에 대한 자세한 설명은 후술한다.
연산부(1413)는 평균, 편차, 분산 등을 구하기 위한 연산을 수행한다. 즉, 연산부(1413)는 상기 제1 후보(304)가 된 픽셀들의 픽셀값의 평균을 연산한다. 또한, 윈도우 탐색부(1414)가 제1 윈도우(306)를 슬라이딩하며 열영상을 스캔할 때, 상기 제1 윈도우(306) 내의 픽셀들의 픽셀값의 평균을 연산한다. 그리고, 이를 이용하여 상기 제1 윈도우(306) 내의 픽셀들의 편차를 각각 연산하며, 상기 제1 윈도우(306) 내의 분산을 연산한다. 연산부(1413)에 대한 자세한 설명은 후술한다.
윈도우 탐색부(1414)는 제1 윈도우(306) 및 제2 윈도우를 생성하여, 열영상 상에서 제1 윈도우(306)및 제2 윈도우를 슬라이딩시켜 열영상을 스캔한다. 윈도우 탐색부(1414)에 대한 자세한 설명은 후술한다.
지금까지 기술한 불량 패널 검사 장치(14)의 각 구성요소들은 메모리 상의 소정 영역에서 수행되는 태스크, 클래스, 서브 루틴, 프로세스, 오브젝트, 실행 쓰레드, 프로그램과 같은 소프트웨어(Software)나, FPGA(Field-Programmable Gate Array)나 ASIC(Application-Specific Integrated Circuit)과 같은 하드웨어(Hardware)로 구현될 수 있으며, 또한 상기 소프트웨어 및 하드웨어의 조합으로 이루어질 수도 있다. 상기 구성요소들은 컴퓨터로 판독 가능한 저장 매체에 포함되어 있을 수도 있고, 복수의 컴퓨터에 그 일부가 분산되어 분포될 수도 있다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능하다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
도 7은 본 발명의 일 실시예에 따른 불량 패널 검사 장치(14)가 불량 패널을 검사하는 방법을 나타낸 흐름도의 일부이고, 도 8은 도 7의 흐름도의 나머지 일부이다.
본 발명의 일 실시예에 따른 불량 패널 검사 장치(14)는, 태양광 패널(30)이 불량 패널인지 검사한다. 즉, 열영상에서 태양광 패널(30)의 불량 발생 여부를 판단하고, 불량 패널의 불량 위치를 검출한다. 그리고 불량 발생 여부를 검사하기 위해, 열영상의 픽셀들이 갖는 픽셀값을 통계학적으로 분석하며, 구체적으로는 도 7에 도시된 흐름도에 따라 수행된다.
이하, 도 7 및 도 8에 도시된 흐름도의 각 단계들을 도 9 내지 도 17을 참조하여 설명한다.
도 9는 열영상 카메라(22)가 정상적인 태양광 패널(30)을 촬영하여 획득한 열영상을 나타낸 도면이다.
태양광 패널(30)은 복수의 솔라셀(Solar Cell, 38)들이 하나의 솔라 모듈(Solar Module, 301)을 구성한다. 그리고 도 9에 도시된 바와 같이, 복수의 솔라 모듈(301)들이 하나의 어레이(Array, 302)를 구성한다. 도 9에 도시된 태양광 패널(30)로 예를 들면, 총 20개의 솔라 모듈(301)이 2행 10열로 나열되어 서로 연결됨으로써, 하나의 어레이(302)를 형성한다. 다만, 하나의 어레이(302)를 형성하는 솔라 모듈(301)의 개수 및 나열 방법은 이에 제한되지 않고 다양할 수 있다.
불량 패널 검사 장치(14)가 분석하는 열영상은 도 9에 도시된 바와 같이, 태양광 패널(30)의 하나의 어레이(Array, 302)만을 표시하는 것이 바람직하다. 이를 위해 검사 단계에서 태양광 패널 검출 장치(13)는, 복수의 태양광 패널(30)들을 촬영한 열영상에서 하나의 어레이(302)만을 검출한다. 그리고, 불량 패널 검사 장치(14)는, 하나의 어레이(302)만을 검출한 열영상을 분석하여, 불량 패널을 검사한다.
한편, 열영상에서는, 온도가 높을수록 픽셀값이 높아 밝은 색을 나타내고, 온도가 낮을수록 픽셀값이 낮아 어두운 색을 나타낸다. 그런데 상기 기술한 바와 같이, 태양광 패널(30)은 복수의 솔라셀(38)이 리드선(39)으로 연결되어 형성된다. 그리고, 전극이 연결되어 전류가 흐르면, 정상적인 태양광 패널(30)은 전체적으로 균일한 온도의 열을 방출한다. 다만, 태양광 패널(30)이 실제로는 전체적으로 균일한 온도의 열을 방출한다 하더라도, 열영상 카메라(22)의 성능 또는 주변 환경에 따라서 열영상에서 측정되는 온도는 실제와 어느 정도 오차가 발생할 수 있다. 예를 들어 도 9에 도시된 바와 같이, 태양광 패널(30)의 열영상 상에서, 태양광 패널(30)의 우측 하단은 더 밝은 색을 나타내고, 상대적으로 태양광 패널(30)의 좌측 상단은 더 어두운 색을 나타낸다. 따라서 태양광 패널(30)의 우측 하단은 온도가 높고, 상대적으로 태양광 패널(30)의 좌측 상단은 온도가 낮은 것으로 인식할 수 있다.
도 10은 열영상 카메라(22)가 불량 패널을 포함하는 태양광 패널(30)을 촬영하여 획득한 열영상을 나타낸 도면이다.
상기 기술한 바와 같이, 태양광 패널(30)의 일부분에서 결함 또는 크랙(Crack)과 같은 불량이 발생한 경우, 불량이 발생한 부분(303)의 전극층 사이에는, 주위 영역에 비해 더 많은 전류가 흐른다. 그리고, 전류가 많이 흐를수록 열이 많이 발생한다. 한편 열영상에서는, 온도가 높을수록 픽셀값이 높고, 온도가 낮을수록 픽셀값이 낮다. 따라서, 열영상을 획득하면 불량이 발생한 부분(303)에서 열이 많이 발생한다는 것을 확인할 수 있다.
태양광 패널(30)에서 결함 또는 크랙 등의 불량이 발생하면, 일반적으로 하나의 어레이(302) 전체에서 불량이 발생하는 경우는 드물고, 어레이(302)를 구성하는 일부 솔라 모듈(301)에서 불량이 발생한다. 특히, 복수의 솔라셀(38)이 연결된 일부의 스트링(35)에서 불량이 발생하는 것이 일반적이다. 예를 들어 도 10에 도시된 바와 같이, 하나의 어레이(302)에서 2행 5열에 위치한 솔라 모듈(301)의 우측 부분에서 픽셀값이 주위보다 높은 영역이 세로로 길게 형성되어 있다. 이 부분이 바로 불량이 발생한 부분(303)이다.
도 11은 도 10의 열영상의 히스토그램을 나타낸 도면이고, 도 12는 도 10의 열영상에서 제1 후보(304)가 선정된 모습을 나타낸 도면이다.
태양광 패널(30)에서 하나의 어레이(302)가 표시되는 열영상에는, 도 10에 도시된 바와 같이, 배경이 함께 포함될 수 있다. 이러한 배경은 태양광 패널(30)에 비하여 온도가 상당히 낮다. 따라서, 전체 열영상에서 온도가 확실히 낮은 부분은 불량 패널이 될 후보에서 우선적으로 제외하는 것이 바람직하다.
열영상은 픽셀들로 이루어지며, 각각의 픽셀들은 0 내지 255까지의 픽셀값을 가진다. 히스토그램 생성부(1411)는 도 11에 도시된 바와 같이, 도 10에 도시된 열영상을 구성하는 픽셀들의 픽셀값의 분포도를 나타내는 히스토그램을 생성한다(S801). 이 때, 히스토그램의 계급값은 픽셀값이고, 변량은 픽셀의 수이다. 그리고, 계급값을 밑변에 도시하고, 변량을 높이에 도시한다. 따라서, 도 11에 도시된 히스토그램의 밑변에는 0 내지 255까지의 픽셀값이 계급값으로 도시되어 있다. 그리고 각각의 픽셀값마다, 해당 픽셀값을 가지는 픽셀들의 수가 히스토그램의 높이로 도시되어 있다.
후보 선정부(1412)는 도 11에 도시된 히스토그램에서, 가장 많은 픽셀들이 가지는 픽셀값을 찾는다. 이 값을 최다 픽셀값이라 한다. 그리고 최다 픽셀값은 후보 선정부(1412)가 제1 후보(304)를 선정하기 위한 제1 기준(Threshold)이 된다.
상기 기술한 바와 같이, 태양광 패널(30)에서 결함 또는 크랙 등의 불량이 발생하면, 일반적으로 어레이(302)를 구성하는 일부 솔라 모듈(301)에서 불량이 발생한다. 따라서, 태양광 패널(30)의 하나의 어레이(302)에서는, 일반적으로 불량 패널보다 정상 패널의 면적이 넓을 것이다. 그리고 상기 최다 픽셀값은, 불량 패널보다는 정상 패널을 나타내는 픽셀의 픽셀값일 확률이 더 높을 것이다.
그런데 상기 기술한 바와 같이, 불량 패널은 정상 패널보다 온도가 더 높다. 따라서, 열영상에서 불량 패널은 도 11의 히스토그램에서 최다 픽셀값보다 큰 픽셀값을 가질 것이다. 후보 선정부(1412)는 상기 최다 픽셀값을 제1 기준으로 정하고(S802), 도 12에 도시된 바와 같이, 제1 기준보다 큰 픽셀값을 가지는 픽셀들을, 불량이 발생한 위치가 될 수 있는 제1 후보(304)로 선정한다(S803).
도 13은 도 10의 열영상에서 제2 후보(305)가 선정된 모습을 나타낸 도면이다.
상기 선정된 제1 후보(304)는, 최다 픽셀값보다 큰 픽셀값을 가지는 픽셀들이다. 그런데, 도 12에 도시된 바와 같이, 제1 후보(304)는 여전히 전체 열영상에서 상당히 많은 영역을 차지하고 있다. 제1 후보(304)에는 불량 패널보다는, 정상 패널을 나타내는 픽셀들이 상당히 많을 것이다. 따라서, 열영상에서 더욱 많은 정상 패널 부분을 불량 패널의 후보에서 제외하기 위해, 연산부(1413)는 상기 선정된 제1 후보(304)의 픽셀들의 픽셀값의 평균을 연산한다. 이를 제1 평균이라 한다(S804).
후보 선정부(1412)는 상기 제1 평균을 제2 기준(Threshold)으로 정하고(S805), 도 13에 도시된 바와 같이, 상기 제1 후보(304) 중에서 상기 제2 기준보다 큰 픽셀값을 가지는 픽셀들을, 불량이 발생한 위치가 될 수 있는 제2 후보(305)로 선정한다(S806).
도 14는 본 발명의 일 실시예에 따른 윈도우 탐색부(1414)가 열영상 상에서 제1 윈도우(306)를 생성한 모습을 나타낸 도면이다.
도 13에 도시된 바와 같이, 제2 후보(305)로 선정된 픽셀들은 열영상에서 주로 우측 하단에 분포되어 있다. 이는 상기 기술한 바와 같이, 태양광 패널(30)이 실제로는 전체적으로 균일한 온도의 열을 방출한다 하더라도, 열영상 카메라(22)의 성능 또는 주변 환경에 따라서 열영상에서 측정되는 온도는 실제와 달리, 어느 정도 오차가 발생할 수 있기 때문이다.
그런데 제2 후보(305)에도 정상 패널을 나타내는 픽셀들이 상당히 많을 것이다. 본 발명의 일 실시예에 따르면, 불량 패널 검사 방법이 더욱 강인하도록(Robust), 단순히 열영상의 절대적인 픽셀값을 이용하는 것에 그치지 않고, 상대적인 픽셀값도 이용한다. 불량 패널은, 정상 패널에서 방출되는 열의 온도보다 높기도 하지만, 주변의 온도보다도 높기 때문이다.
도 14에 도시된 바와 같이, 윈도우 탐색부(1414)는 제1 윈도우(306)를 생성하고, 상기 제1 윈도우(306)를 열영상 상에서 슬라이딩시켜 열영상을 스캔한다(S807). 윈도우란, 열영상의 일부 특정 범위를 포위하는 경계(Boundary)를 말한다. 그리고 연산부(1413)는 제1 윈도우(306)에 의해 포위된 특정 범위에 포함되는 픽셀들의 픽셀값만을 이용하여 평균, 분산 등의 연산을 수행한다. 그리고, 제1 윈도우(306)가 슬라이딩할 때마다, 윈도우(306)가 포위하는 특정 범위는 달라진다. 일반적으로 윈도우는 일정한 넓이를 가지며, 정사각형의 형상을 가지는 것이 바람직하나, 이에 제한되지 않고 다양한 형상을 가질 수 있다. 그리고 제1 윈도우(306)가 슬라이딩할 때에는, 열영상 상에서 픽셀 단위로 슬라이딩한다.
도 15는 본 발명의 일 실시예에 따른 윈도우 탐색부(1414)가 생성한 제1 윈도우(306)를 더욱 상세히 나타낸 도면이고, 도 16은 도 10의 열영상에서 최종 후보(308)가 선정된 모습을 나타낸 도면이다.
제1 윈도우(306)의 크기는 열영상에서 하나의 솔라셀(38)의 크기와 유사한 크기를 갖는 것이 바람직하다. 태양광 패널(30)에 불량이 발생하면, 복수의 솔라셀(38)이 연결된 일부의 스트링(35)에서 불량이 발생하는 것이 일반적이기 때문이다. 예를 들어, 열영상 상에서 하나의 솔라셀(38)의 크기가 10×10의 픽셀 수의 크기를 가진다면, 제1 윈도우(306)의 크기는 9×9 내지 11×11의 픽셀 수의 크기를 가지는 것이 바람직하다. 여기서 열영상 상에서 하나의 솔라셀(38)의 크기는 미리 저장되어 있다. 다만 이에 제한되지 않고, 제1 윈도우(306)의 크기는 다양하게 형성될 수 있다.
예를 들어 도 15에 도시된 바와 같이, 제1 윈도우(306)의 크기가 9×9라 한다면, 제1 윈도우(306) 내에는 81개의 픽셀들이 포함되어 있다. 상기 제1 윈도우(306)가 열영상의 특정 범위를 스캔할 때 마다, 제1 윈도우(306) 내에 포함된 픽셀이 모두 제2 후보(305)로 선정되었는지 판단한다(S808). 만약, 제1 윈도우(306) 내에 포함된 픽셀이 모두 제2 후보(305)로 선정되었다면, 연산부(1413)는 상기 제1 윈도우(306) 내에 포함된 81개의 픽셀들의 픽셀값의 평균을 연산한다. 이를 제2 평균이라 한다(S809).
Figure PCTKR2017000499-appb-M000001
제2 평균을 연산한 후, 연산부(1413)는 상기 제1 윈도우(306) 내에 포함된 픽셀들의 픽셀값에서 상기 제2 평균을 각각 뺀다. 즉, 제1 윈도우(306) 내에 포함된 픽셀들 각각에 대한 편차(Deviation)를 구한다(S810).
Figure PCTKR2017000499-appb-M000002
연산부(1413)는 상기 제1 윈도우(306)의 분산(Variance)을 연산한다(S901). 분산은 상기 연산된 편차의 제곱의 평균을 연산하면 구할 수 있다.
Figure PCTKR2017000499-appb-M000003
이와 같이, 제1 윈도우(306)가 포위한 하나의 특정 범위에서 하나의 분산이 도출된다. 상기 도출된 분산은, 제1 윈도우(306)가 포위한 특정 범위에서, 중심 픽셀(307)이 가지는 분산으로 정의한다(S902). 예를 들어, 제1 윈도우(306)의 크기가 9×9인 경우, 제1 윈도우(306)가 포위한 하나의 특정 범위에서, 중심 픽셀(307)은 5행 5열에 위치한 픽셀이다. 그리고 상기 도출된 분산은 5행 5열에 위치한 픽셀이 가지는 분산이다.
만약, 제2 후보(305)로 선정되지 않은 픽셀이 제1 윈도우(306) 내에 하나라도 포함된다면, 연산부(1413)는 제1 윈도우(306)가 지정한 특정 범위에서는 제2 평균을 연산하지 않고 스킵(Skip)하는 것이 바람직하다(S811).
연산부(1413)는 상기 기술한 연산의 과정들을, 제1 윈도우(306)가 열영상 상에서 하나의 픽셀 단위로 슬라이딩할 때마다 반복하여, 열영상의 모든 영역을 스캔한다(S903). 결과적으로, 윈도우 탐색부(1414)가 열영상의 스캔을 완료하면, 많은 분산들이 도출된다. 연산부(1413)는 이러한 분산들의 평균을 구한다. 이를 제3 평균이라 한다(S904).
Figure PCTKR2017000499-appb-M000004
연산부(1413)는 상기 연산한 제3 평균에 가중치를 곱한다. 그리고, 후보 선정부(1412)는 상기 제3 평균에 가중치를 곱한 값을 제3 기준(Threshold)으로 정한다(S905). 후보 선정부(1412)는 도 16에 도시된 바와 같이, 상기 제2 후보(305) 중에서 상기 제3 기준보다 큰 분산을 가지는 픽셀들을, 불량이 발생한 위치가 될 수 있는 최종 후보(308)로 선정한다(S906).
여기서 가중치란, 사용자가 임의로 정한 민감도 파라미터로서 1보다 큰 값을 가진다. 만약, 가중치가 1보다 작다면, 불량이 전혀 없는 정상적인 패널에서도 불량이 존재하는 것으로 잘못 판단할 수 있다.
가중치는 증가할수록, 제3 기준이 증가한다. 즉, 최종 후보(308)로 선정되는 픽셀의 수가 감소한다. 따라서, 가중치가 너무 크면, 최종 후보(308)로 남는 픽셀이 전혀 없어 불량 위치를 검출할 수 없다. 이와 반대로, 가중치가 감소할수록, 제3 기준이 감소한다. 즉, 최종 후보(308)로 선정되는 픽셀의 수가 증가한다. 따라서, 가중치가 너무 작으면 제2 후보(305)와 최종 후보(308) 간의 차이가 없으므로, 불량 패널 검사 방법이 강인(Robust)하지 않게 된다. 상기 가중치는 1.2 내지 1.5인 것이 바람직하나, 사용자는 실험적으로 가중치를 조절할 수 있으므로, 가중치는 제한되지 않고 다양한 값을 가질 수 있다.
도 17은 도 10의 열영상에서 불량 패널의 위치가 검출된 모습을 나타낸 도면이다.
만약, 카메라(22)의 성능이 좋아서 열영상의 상태가 매우 좋고, 주변 환경의 영향이 매우 적다면, 상기 제1 및 제2 후보(304, 305)를 선정할 필요가 없이, 곧바로 열영상의 모든 영역에 대하여 S809 내지 S814 및 S901 내지 S903 과정만을 진행하여 최종 후보(308)를 선정할 수 있다. 심지어, 상기 최종 후보(308)로 선정된 픽셀들이 곧바로 불량이 발생한 부분(303)이 될 수도 있다.
그러나 도 16에 도시된 바와 같이, 최종 후보(308)로 선정된 픽셀들 중에서도, 여전히 정상 패널에 속하는 부분들이 존재할 수 있다. 정상 패널에서 균일하게 열이 방출되더라도, 정상 패널에서 온도가 주위보다 높은 일부분이 존재하기 때문이다. 예를 들어, 도 16에서 각각의 솔라 모듈(301)들을 연결하는 단자부분은 정상이더라도 주위보다 온도가 높을 수 있다. 따라서, 이러한 부분은 불량 위치를 최종적으로 검출할 때, 제외되어야 한다.
상기 기술한 바와 같이 불량이 발생한다면, 복수의 솔라셀(38)이 연결된 일부의 스트링(35)에서 불량이 발생하는 것이 일반적이다. 즉, 하나의 솔라셀(38)에서만 불량이 발생하는 경우는 드물다. 따라서, 불량이 발생한다면, 불량이 발생한 영역의 넓이는 적어도 하나의 솔라셀(38)의 넓이보다 클 것이다. 그리고, 불량이 발생한 영역의 형상은 하나의 솔라셀(38)의 사각형 형상들의 조합인 다각형의 형상을 가질 가능성이 높다.
윈도우 탐색부(1414)는 다시 윈도우를 생성한다. 이 때의 제2 윈도우의 크기도 하나의 솔라셀(38)의 크기와 유사한 크기를 갖는 것이 바람직하다. 예를 들어, 열영상 상에서 하나의 솔라셀(38)의 크기가 10×10의 픽셀 수의 크기를 가진다면, 제2 윈도우의 크기는 9×9 내지 11×11의 픽셀 수의 크기를 가지는 것이 바람직하다.
윈도우 탐색부(1414)는 상기 생성된 제2 윈도우로, 상기 최종 후보(308)로 선정된 픽셀들을 포함하도록 특정 범위를 포위한다(S907). 그리고, 윈도우 내에 포함된 픽셀들이 모두 최종 후보(308)로 선정되었다면(S908), 상기 제2 윈도우에 포위된 특정 범위를 불량 위치로 판단한다(S909). 그러나, 최종 후보(308)로 선정되지 않은 픽셀이 제2 윈도우 내에 하나라도 포함된다면, 불량 위치로 판단하지 않고 스킵(Skip)한다(S910). 이와 같은 과정을 거치면서, 불량 패널 검출 장치는 열영상 내에서 불량 발생 여부를 판단하고 불량 위치를 검출할 수 있다.
지금까지 기술한 불량 패널 검출 장치가 불량 패널을 검출하는 과정은, 제1 후보(304)를 선정하는 과정(S801 내지 SS803), 제2 후보(305)를 선정하는 과정(S804 내지 S806), 최종 후보(308)를 선정하는 과정(S807 내지 S811 및 S901 내지 S906) 및 불량이 발생한 위치(303)를 검출하는 과정(S907 내지 S910) 등 크게 4 단계의 과정을 거친다. 그러나, 만약 카메라(22)의 성능이 우수하고, 주변 환경으로부터 악영향이 없다면, 열영상의 픽셀들의 픽셀값이 전체적으로 고르게 형성된다. 이러한 경우에는 상기의 4 단계를 모두 거칠 필요가 없이, 상기의 4 단계 중에서 일부 과정은 생략할 수 있다. 심지어는 하나의 단계만을 수행할 수도 있다. 이러한 경우, 적어도 최종 후보(308)를 선정하는 과정(S807 내지 S811 및 S901 내지 S906)은 포함되는 것이 바람직하다. 또는, 단순히 제2 후보(305)를 선정하는 과정(S804 내지 S806) 만을 수행할 수도 있다. 즉, 픽셀들의 픽셀값의 평균을 연산하고, 이보다 큰 픽셀값을 가지는 픽셀들을, 불량이 발생한 위치로 판단할 수도 있다.
본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (20)

  1. 카메라가 태양광 패널을 촬영하여 획득한 열영상 상에서 제1 윈도우를 슬라이딩시켜, 상기 열영상을 스캔하는 윈도우 탐색부;
    상기 제1 윈도우가 슬라이딩 할 때마다 상기 제1 윈도우에 포위된 특정 영역 내 픽셀들의 픽셀값의 분산을 도출하고, 상기 제1 윈도우가 상기 열영상의 스캔을 완료하면 도출된 모든 상기 분산들의 평균인 제1 평균을 연산하며, 상기 제1 평균에 가중치를 곱한 값을 기준으로 정하는 연산부; 및
    상기 기준보다 큰 분산을 갖는 상기 특정 영역 내 상기 픽셀들 중에서 중심 픽셀을, 불량 패널의 최종 후보로 선정하는 후보 선정부를 포함하는 불량 패널 검출 장치.
  2. 제1항에 있어서,
    상기 윈도우 탐색부가 제2 윈도우를 생성하면,
    상기 후보 선정부는,
    상기 제2 윈도우에 포함된 픽셀들이 모두 상기 최종 후보로 선정된 경우, 상기 제2 윈도우에 포함된 상기 픽셀들을 불량 위치로 판단하는, 불량 패널 검출 장치.
  3. 제1항에 있어서,
    상기 연산부는,
    상기 열영상에 포함된 픽셀들의 평균인 제2 평균을 연산하고,
    상기 후보 선정부는,
    상기 제2 평균보다 큰 픽셀값을 가지는 픽셀들을 제1 후보로 선정하는, 불량 패널 검출 장치.
  4. 제3항에 있어서,
    상기 윈도우 탐색부는,
    상기 제1 후보로 선정된 픽셀들에 대하여만 상기 제1 윈도우를 슬라이딩시키는, 불량 패널 검출 장치.
  5. 제4항에 있어서,
    상기 후보 선정부는,
    최다 픽셀값보다 큰 픽셀값을 가지는 픽셀들을 제2 후보로 선정하는, 불량 패널 검출 장치.
  6. 제5항에 있어서,
    상기 연산부는,
    싱기 제2 평균을 상기 제2 후보로 선정된 픽셀들의 평균으로 연산하는, 불량 패널 검출 장치.
  7. 제5항에 있어서,
    상기 최다 픽셀값은,
    상기 열영상에서 가장 많은 픽셀들이 가지는 픽셀값인, 불량 패널 검출 장치.
  8. 제1항에 있어서,
    상기 가중치는,
    1.2 내지 1.5의 값을 가지는, 불량 패널 검출 장치.
  9. 제1항에 있어서,
    상기 열영상에 포함된 모든 픽셀들의 픽셀값의 분포도에 대한 히스토그램을 생성하는 히스토그램 생성부를 더 포함하는 불량 패널 검출 장치.
  10. 제1항에 있어서,
    상기 연산부는,
    상기 특정 영역 내 상기 픽셀들의 상기 픽셀값의 평균인 제3 평균을 연산하고, 각각의 상기 픽셀값에서 상기 제3 평균을 빼서 편차를 연산하며, 상기 편차의 제곱의 평균을 연산함으로써 상기 분산을 도출하는, 불량 패널 검출 장치.
  11. 카메라가 태양광 패널을 촬영하여 열영상을 획득하는 단계;
    상기 획득한 열영상 상에서 제1 윈도우를 슬라이딩시켜, 상기 열영상을 스캔하는 단계;
    상기 제1 윈도우가 슬라이딩 할 때마다 상기 제1 윈도우에 포위된 특정 영역 내 픽셀들의 픽셀값의 분산을 도출하는 단계;
    상기 제1 윈도우가 상기 열영상의 스캔을 완료하면 도출된 모든 상기 분산들의 평균인 제1 평균을 연산하는 단계;
    상기 제1 평균에 가중치를 곱한 값을 기준으로 정하는 단계; 및
    상기 기준보다 큰 분산을 갖는 상기 특정 영역 내 상기 픽셀들 중에서 중심 픽셀을, 불량 패널의 최종 후보로 선정하는 단계를 포함하는 불량 패널 검출 방법.
  12. 제11항에 있어서,
    상기 최종 후보로 선정하는 단계에 있어서,
    제2 윈도우를 생성하는 단계;
    상기 생성된 제2 윈도우에 포함된 픽셀들이 모두 상기 최종 후보로 선정된 경우, 상기 제2 윈도우에 포함된 상기 픽셀들을 불량 위치로 판단하는 단계를 더 포함하는, 불량 패널 검출 방법.
  13. 제11항에 있어서,
    상기 열영상을 획득하는 단계에 있어서,
    상기 열영상에 포함된 픽셀들의 평균인 제2 평균을 연산하는 단계;
    상기 제2 평균보다 큰 픽셀값을 가지는 픽셀들을 제1 후보로 선정하는 단계를 더 포함하는 불량 패널 검출 방법.
  14. 제13항에 있어서,
    상기 열영상을 스캔하는 단계에 있어서,
    상기 제1 후보로 선정된 픽셀들에 대하여만 상기 제1 윈도우를 슬라이딩시키는, 불량 패널 검출 방법.
  15. 제14항에 있어서,
    상기 열영상을 획득하는 단계에 있어서,
    최다 픽셀값보다 큰 픽셀값을 가지는 픽셀들을 제2 후보로 선정하는 단계를 더 포함하는, 불량 패널 검출 방법.
  16. 제15항에 있어서,
    상기 제2 평균을 연산하는 단계에 있어서,
    싱기 제2 평균은,
    상기 제2 후보로 선정된 픽셀들의 평균으로 연산되는, 불량 패널 검출 방법.
  17. 제15항에 있어서,
    상기 제2 후보로 선정하는 단계에 있어서,
    상기 최다 픽셀값은,
    상기 열영상에서 가장 많은 픽셀들이 가지는 픽셀값인, 불량 패널 검출 방법.
  18. 제11항에 있어서,
    상기 가중치는,
    1.2 내지 1.5의 값을 가지는, 불량 패널 검출 방법.
  19. 제11항에 있어서,
    상기 열영상을 획득하는 단계에 있어서,
    상기 열영상에 포함된 모든 픽셀들의 픽셀값의 분포도에 대한 히스토그램을 생성하는 단계를 더 포함하는, 불량 패널 검출 방법.
  20. 제11항에 있어서,
    상기 분산은,
    상기 특정 영역 내 상기 픽셀들의 상기 픽셀값의 평균인 제3 평균을 연산하고, 각각의 상기 픽셀값에서 상기 제3 평균을 빼서 편차를 연산하며, 상기 편차의 제곱의 평균을 연산함으로써 도출되는, 불량 패널 검출 방법.
PCT/KR2017/000499 2017-01-10 2017-01-13 불량 패널 검사 장치 WO2018131737A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170003523A KR20180082169A (ko) 2017-01-10 2017-01-10 불량 패널 검사 장치
KR10-2017-0003523 2017-01-10

Publications (1)

Publication Number Publication Date
WO2018131737A1 true WO2018131737A1 (ko) 2018-07-19

Family

ID=62840618

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2017/000499 WO2018131737A1 (ko) 2017-01-10 2017-01-13 불량 패널 검사 장치

Country Status (2)

Country Link
KR (1) KR20180082169A (ko)
WO (1) WO2018131737A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10896341B2 (en) 2018-11-15 2021-01-19 International Business Machines Corporation Efficient defect localization/segmentation for surface defect inspection

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111740699A (zh) * 2020-05-29 2020-10-02 南京航空航天大学 一种光伏板故障检测识别方法、装置和无人机
KR20220055082A (ko) 2020-10-26 2022-05-03 (주)메타파스 열화상 이미지의 태양광 모듈 단위 데이터 학습을 통한 딥러닝 기반 결함 검출 시스템 및 방법
KR102635774B1 (ko) * 2021-02-01 2024-02-13 에너지엑스 주식회사 건물 외벽의 선형 열교 인식 시스템 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030099392A1 (en) * 2001-11-28 2003-05-29 Evgeni Levin Method for detecting defects
KR20060058532A (ko) * 2004-11-25 2006-05-30 주식회사 에이디피엔지니어링 스트레칭 기법을 활용한 평판 디스플레이 패널의 화상결함 검사 방법 및 기록매체
KR20130098379A (ko) * 2010-09-28 2013-09-04 쌩-고벵 글래스 프랑스 서모그래피를 사용한 광발전 층 시스템의 분석 방법
KR101480478B1 (ko) * 2013-08-30 2015-01-08 (주)하이레벤 태양광발전설비의 열화모듈 검출 시스템 및 이를 이용한 검출방법
WO2015120193A1 (en) * 2014-02-06 2015-08-13 Kla-Tencor Corporation Defect detection and classification based on attributes determined from a standard reference image

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030099392A1 (en) * 2001-11-28 2003-05-29 Evgeni Levin Method for detecting defects
KR20060058532A (ko) * 2004-11-25 2006-05-30 주식회사 에이디피엔지니어링 스트레칭 기법을 활용한 평판 디스플레이 패널의 화상결함 검사 방법 및 기록매체
KR20130098379A (ko) * 2010-09-28 2013-09-04 쌩-고벵 글래스 프랑스 서모그래피를 사용한 광발전 층 시스템의 분석 방법
KR101480478B1 (ko) * 2013-08-30 2015-01-08 (주)하이레벤 태양광발전설비의 열화모듈 검출 시스템 및 이를 이용한 검출방법
WO2015120193A1 (en) * 2014-02-06 2015-08-13 Kla-Tencor Corporation Defect detection and classification based on attributes determined from a standard reference image

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10896341B2 (en) 2018-11-15 2021-01-19 International Business Machines Corporation Efficient defect localization/segmentation for surface defect inspection

Also Published As

Publication number Publication date
KR20180082169A (ko) 2018-07-18

Similar Documents

Publication Publication Date Title
WO2018131737A1 (ko) 불량 패널 검사 장치
WO2017039259A1 (ko) 열화상 카메라를 이용한 전력설비 진단 장치 및 방법
WO2014163375A1 (ko) 기판의 이물질 검사방법
CN111507958B (zh) 目标检测方法、检测模型的训练方法及电子设备
KR20180082258A (ko) 태양광 패널 검사 시스템
US11150498B2 (en) Detection method and device of display panel and automatic optic inspection apparatus
WO2021125395A1 (ko) 인공 신경망 기반으로 광학적 항법을 위하여 특이 영역을 결정하는 방법, 온보드 맵 생성 장치, 및 착륙선의 방향을 결정하는 방법
CN107833843A (zh) 缺陷来源的分析方法及分析系统、缺陷检测装置
KR101664909B1 (ko) 태양광 패널의 형상을 활용한 태양광 패널 감시용 무인 비행체 및 그의 자세 제어 방법
CN108445010A (zh) 自动光学检测方法及装置
WO2021006379A1 (ko) 디스플레이 화소 자동 검사 시스템 및 방법
CN113077416A (zh) 一种基于图像处理的焊点焊接缺陷检测方法与系统
KR20140075042A (ko) 표시패널 검사 장치 및 그 방법
CN113554667A (zh) 一种基于图像识别的三维位移检测方法及装置
JPH05322778A (ja) 建造物のリモートセンシング方法
KR20180015024A (ko) 온-셀 터치 유기발광다이오드 표시 장치의 터치 감지용 전극 검사 방법 및 장치
KR20120105149A (ko) 평판패널 기판의 자동광학검사 방법 및 그 장치
KR20180082166A (ko) 태양광 패널 검출 장치
JP2019096151A (ja) 画像解析装置、画像解析方法及び画像解析プログラム
KR20100126015A (ko) 화상처리를 이용한 디스플레이 패널의 픽셀 불량 검사 방법
Wang et al. Insulator defect detection based on improved YOLOv5 algorithm
KR20180082265A (ko) 태양광 패널 검출 장치
CN110672631B (zh) 面板缺陷拍照方法和面板缺陷拍照装置
WO2017007047A1 (ko) 불규칙 비교를 이용하는 공간적 깊이 불균일성 보상 방법 및 장치
CN117078682B (zh) 一种大规模网格化空气质量等级精准评估方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17890998

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17890998

Country of ref document: EP

Kind code of ref document: A1