本发明涉及光伏电池片分选技术领域，尤其涉及一种基于rgb通道的光伏电池片色差检测及颜色分类的算法。
背景技术：
当前，由于环境逐渐恶化，能源不断枯竭，使得以太阳能光伏发电等可再生清洁能源的发展潮流势不可挡，我国光伏发电的形势更是空前大好。光伏发电的效率和品质正在不断提升，成本也在持续稳定下降。但光伏电池的生产工艺过程复杂，由于电池镀膜工艺会导致生产出的电池片颜色各异，在行业内被称之为电池片颜色色差，之后将这些颜色不一的电池片焊接在一块组件上也会影响组件整体外观。现阶段国内对光伏电池片色差检测及颜色分类主要依靠人工肉眼进行识别，降低了分选的效率和准确性。正因为如此，提高光伏电池产品质量的一致性、建立色差检测和颜色分选的客观评价标准具有很重要的现实意义
目前，现有技术中针对颜色的分类不够精准，影响组件颜色一致性，降低了组件光电的转换效率。
所以，如何提供一种基于rgb通道的光伏电池片色差检测及颜色分类的算法，提高光伏电池产品质量的一致性、建立色差检测和分选的客观评价标准具有很重要的现实意义，是目前本领域技术人员亟待解决的技术问题，对于光伏产业具有很大的应用前景。
技术实现要素：
有鉴于此，本发明提供了一种基于rgb通道的光伏电池片色差检测及颜色分类的算法，解决现有技术中存在的问题，具体方案如下：
一种基于rgb通道的光伏电池片色差检测及颜色分类的算法，包括如下步骤，
第一步：图像预处理
1-1、图像的获取与保存；
1-2、图像边缘检测，在步骤1-1的基础上，根据图像阈值提取光伏电池的边缘图像；
1-3、图像判空，在步骤1-2的基础上，提取有效的边缘图像；
1-4、图像分割，在步骤1-3的基础上，对有效的边缘图像进行方块分割；
第二步：光伏电池色差检测即级别的判定
2-1、图像颜色一阶矩的计算，根据设定的分类机制，计算步骤1-4中分割的各方块图像的rgb-b通道颜色一阶矩；
2-2、色差检测级别的判定，计算步骤2-1中所述各方块图像的rgb-b通道颜色一阶矩差值，所述一阶矩差值与客户提供的数据的分析值a进行对比，如不超过所述分析值a则不存在色差判定为a级，如超过所述分析值a则存在色差直接判定为不合格；
第三步：光伏电池颜色分类
3-1、分类区间的判断，在步骤2-2判定为a级片的基础上，确定a级片的rgb-b通道颜色一阶矩是否处于分类区间的临界分类点邻域内，若a级片图像的rgb-b通道颜色一阶矩处于临界分类点邻域外，则直接对应分类区间进行分类，否则则进行后续步骤；
3-2、颜色直方图的获取，在步骤3-1的基础上，生成处于临界值邻域范围内图像的颜色直方图，获取rgb-b通道颜色一阶矩和峰值；
3-3、光伏电池颜色分类，在步骤3-2的基础上，根据分类区间，计算图像rgb-b通道颜色一阶矩在所对应类区间的概率值，计算颜色直方图的峰值对应类区间占整幅图像所有像素点数的比例值，比较所述概率值与所属比例值，按照数值大者对应归类。
具体的，在所述步骤2-1中的分类机制为，
根据rgb颜色空间的特征，将rgb-b通道颜色一阶矩量化为六个区间段，所述区间段分别为lp:174-193；ll:155-174；lq:136-155；lz:117-136；ls:98-117；r6:79-98，获取各区间临界分类点为：lp-ll:174；ll-lq:155；lq-lz:136；lz-ls:117；ls-r6:98，定义临界分类点邻域为[3,3]。
具体的，所述方块分割为4*4。
具体的，所述分析值为38。
优选的，所述步骤1-1中，利用ccd智能相机传感器获取光伏电池图像并将其保存在数据库中。
具体的，本算法适用于156mm*156mm*0.1mm规格光伏电池。
本发明提供的分选光伏电池片的算法，对采集的每一帧图像进行预处理，即进行阈值分析、边缘检测、仿射变换，再将目标图像分为4*4块，可实现光伏电池目标图像的获取；计算目标图像的rgb-b通道颜色一阶矩，将rgb-b通道颜色一阶矩量化为六段作为分类区间，设置临界分类点邻域，计算各图像之间的颜色一阶矩差值，可实现光伏电池色差检测即级别的判定；若rgb-b通道颜色一阶矩在临界分类点邻域内，生成每块图像的颜色直方图，计算图像颜色一阶矩在对应类区间的概率值，计算颜色直方图的峰值(在rgb空间下，b分量值所对应的最大像素点对应类区间的像素个数)占整幅图像所有像素点数的比例值，比较上述概率值和比例值，可实现光伏电池颜色的最终分选。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的算法流程图。
具体实施方式
下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照附图1所示，本发明型设计的光伏电池色差分类的算法主要应用于工业现场，光伏电池的分类。分类算法充分适应现场情况，对图像预处理后的标准图像提取所需的颜色特征，通过建立的颜色分类机制进行分类，该算法的具体步骤是：
第一步：图像预处理
1-5图像获取与保存：利用ccd智能相机传感器获取光伏电池图像并将其保存在数据库中；
1-6图像边缘检测：在步骤1-1的基础上，根据图像阈值提取光伏电池的边缘图像；
1-7图像判空：在步骤1-2的基础上，提取有效的边缘图像；
1-8图像分割：在步骤1-3的基础上，对有效边缘图像按照4*4进行分割；
第二步：光伏电池色差检测即级别的判定
2-4分类机制的建立：根据rgb颜色空间的特征，将rgb-b通道颜色一阶矩量化为六个区间段，由下限值79到上限值193，设置临界分类点邻域值为3；
2-5图像颜色一阶矩的计算：在步骤2-1的基础上，计算分割的16块图像的rgb-b通道颜色一阶矩；
2-6图像所含类别数的计算：在步骤2-2的基础上，计算16块图像的颜色一阶矩差值，根据差值小于19即只有一类，超过19小于38即为两类，超过38即多于两类，得出光伏电池目标图像是否存在色差是否属于a级(目标图像包含两类及两类以下的颜色)；
第三步：光伏电池颜色分类
3-4分类区间的判断：在步骤2-3的基础上，确定a级片的rgb-b通道颜色一阶矩是否处于分类区间的临界分类点邻域内，若图像的rgb-b通道颜色一阶矩处于临界分类点邻域外，则直接对应分类区间进行分类；
3-5颜色直方图的获取：在步骤3-1的基础上，生成处于临界值邻域范围内图像的颜色直方图，获取rgb-b通道颜色一阶矩和峰值；
3-6光伏电池颜色分类：在步骤3-2的基础上，根据分类区间，若处于临界值邻域范围内的颜色一阶矩在同一分类区间段，则直接归类。否则计算图像rgb-b通道颜色一阶矩在所对应类区间的概率值，计算颜色直方图的峰值(在rgb空间下，b分量值所对应的最大像素点对应类区间的像素个数)占整幅图像所有像素点数的比例值，比较上述概率值与比例值，按照数值大者对应归类；
本发明算法的进一步特征在于所述光伏电池长156mm，宽156mm，厚0.1mm，颜色有一定的差异。
本发明算法的进一步特征在于所述图像rgb-b通道颜色一阶矩的计算，分类区间的界定，图像级别的判定。
rgb-b通道颜色一阶矩u3，u3的计算公式为：
根据rgb颜色空间特征将b通道的颜色一阶矩量化，分为六个区间。六个区间分别定义为lp、ll、lq、lz、ls以及r6，量化区间为：lp:174-193；ll:155-174；lq:136-155；lz:117-136；ls:98-117；r6:79-98
获取各区间临界分类点为：lp-ll:174；ll-lq:155；lq-lz:136；lz-ls:117；ls-r6:98；定义临界分类点邻域为[3,3]。
计算4*4各图像rgb-b通道颜色一阶矩差值ti，存在ti大于38则存在色差不是a级片，否则不存在色差判定该光伏电池为a级片。
本发明型算法的进一步特征在于所述图像rgb-b通道颜色一阶矩所处分类区间的判断，获取颜色直方图和颜色分类。
将得到的a级片进行分类，图像rgb-b通道颜色一阶矩不处于临界分类点邻域内，直接对应六类区间进行分类；获取处于临界分类点邻域内的图像的颜色直方图，获取图像rgb-b通道颜色一阶矩和峰值。
根据分类区间，在a级片中，若处于临界值领域范围内的颜色一阶矩同处在同一分类区间段，则直接归类；否则计算颜色一阶矩在所对应类的区间内的概率值p1，p1的计算公式为：
计算颜色直方图中峰值对应类区间占所有像素点数的比例值p2，p2的计算公式为：
比较p1和p2，取较大者所对应的类为最终的判定结果。
本发明型设计的光伏电池色差检测及颜色分类的算法主要应用于工业现场，光伏电池的分类。分类算法充分适应现场情况，对图像预处理后的标准图像提取rgb-b通道颜色一阶矩，进行色差判定即初步的光伏电池级别判定。通过获取图像的颜色直方图，计算颜色一阶矩在所对应类区间的概率值，计算颜色直方图的峰值对应类区间占整幅图像中所有像素点数的比例值，通过比较两个值取较大者对应进行分类，从而避免rgb-b通道颜色一阶矩处于临界值邻域范围内的图像的分类出现误差。对获得的图像进行上述步骤的处理，最终实现将光伏电池的色差检测并按颜色进行准确分类。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。