一种基于人工智能的光伏电池板粗栅检测方法与流程

1.本申请涉及计算机视觉领域，具体涉及一种基于人工智能的光伏电池板粗栅检测方法。


背景技术：

2.光伏电池板在印刷制版过程中，可能会存在错误印刷的情况，具体为断栅、粗栅等。该类存在印刷错误情况的电池板，其发电效率会比正常印刷电池板的发电效率低，而印刷问题在光伏电池板使用过程中已无法改变，因此为避免因印刷问题产生的发电效率与标准值不同而报障的情况，需要对光伏电池板上的粗栅情况进行检测。
3.目前通常采用人工巡检的方式检测光伏电池板是否出现粗栅的情况，通过人的肉眼观察光伏电池板并记录存在粗栅的光伏电池板。该方法的问题在于，通过人为巡检耗时耗力，尤其是大型光伏电站内的人工巡检，其工作量更大；且人为巡检时作判断的主观性较强，可能存在漏检误检等情况，而粗栅检测工作如果由人为巡检一般只会巡检一次，此时漏检误检情况无法得到修正。


技术实现要素：

4.针对以上问题，本发明提出一种基于人工智能的光伏电池板粗栅检测方法。通过无人机采集光伏电池板图像，通过电池板检测网络提取出电池板图像。对电池板灰度图像进行阈值分割后进行开运算得到主栅图像；通过坐标变换将灰度值为1的像素转换到霍夫参数空间中，并筛选出待测点；根据待测点距离和m坐标对待测点进行匹配得到待测点集合，针对任意两个待测点集合，计算待测点集合中待测点对应直线的最大间距，根据两待测点集合的最大间距乘积判断是否为主栅点集合，得到主栅点集合和离群点；根据m坐标判断离群点是否为粗栅点，将粗栅点转换到图像坐标空间中，得到粗栅的准确位置。
5.一种基于人工智能的光伏电池板粗栅检测方法，其特征在于，该方法包括：
6.步骤s1：通过相机采集光伏电池板的原始图像，通过电池板检测网络检测原始图像中光伏电池板区域，输出电池板图像；对光伏电池板图像进行二值化处理，再进行开运算，得到二值图像；
7.步骤s2：将二值图像中灰度值非零的像素由图像坐标空间转换到霍夫参数空间中，所述霍夫参数空间横坐标为m，纵坐标为b，针对霍夫参数空间中所有直线交点，统计经过每个交点的直线数量a并筛选出待测点；
8.步骤s3：根据待测点之间的距离匹配待测点，得到待测点集合；计算集合中待测点在图像坐标空间中对应直线的最大间距l
max
，针对任意两个待测点集合对应的l
max
相乘得到面积s，根据面积s和电池板图像面积s
′
的接近度判断待测点集合是否为主栅点集合，输出主栅点集合；
9.步骤s4：将主栅点集合中点设为主栅点，其余待测点设为离群点，根据离群点的m坐标与主栅点的m坐标是否一致判断离群点是否为粗栅点，将粗栅点变换到图像坐标空间
中获得粗栅的位置。
10.所述电池板检测网络的训练方法包括：以若干张原始图像为数据集；人工对数据集进行标注，标注出光伏电池板区域的包围框，生成标注数据；使用均方误差损失函数进行训练。
11.所述统计经过每个交点的直线数量a并筛选出待测点包括：设置数量阈值β，当a≥β时，判定该交点为待测点；当a＜β时，判定该交点不是待测点。
12.所述根据待测点之间的距离匹配待测点，得到待测点集合包括：
13.步骤s301：针对任意两个m坐标相同的待测点p1、p2组成待测点集合g，将线段p1p2的长度设为最小距离d
min
；
14.步骤s302：选择不属于g的一待测点p3，计算p1p3的长度d1,p2p3的长度d2；
15.若和都为正整数且p3的m坐标与p1、p2相等时，将p3加入待测点集合g；否则，不将p3加入待测点集合g；
16.步骤s303：重复步骤s302直到遍历完所有待测点，输出待测点集合g。
17.所述判断待测点集合是否为主栅点集合的方法包括：
18.将一个待测点集合中待测点转换到图像坐标空间中，得到若干条待测直线，计算两两待测直线的间距l，选择最大的l作为待测点集合对应的l
max
；
19.针对任意两个m坐标不同的待测点集合g
′
、g
″
，计算得到g
′
对应的l
′
max
、g
″
对应的l
″
max
，根据s＝l
′
max
×
l
″
max
得到面积s，计算电池板图像的面积s
′
；
20.设置经验阈值γ，当s
′‑
s≥γ时，判定这两个待测点集合不是主栅点集合；当s
′‑
s＜γ时，判定这两个待测点集合是一对待定主栅点集合；
21.统计各对待定主栅点集合包含主栅点的总个数d，将d最大的一对主栅点集合设为主栅点集合，主栅点集合中待测点设为主栅点。
22.所述根据离群点的m坐标与主栅点的m坐标是否一致判断离群点是否为粗栅点包括：将离群点的m坐标值和主栅点集合中主栅点的m坐标值进行对比，若m坐标值一致，判定该离群点为粗栅点；若m坐标值不一致，判定该离群点为非粗栅点。
23.本发明和现有技术相比有如下有益效果：
24.(1)通过神经网络检测属于光伏电池板的像素，可以准确地分割光伏电池板图像，精度高、速度快。
25.(2)通过开运算去除噪声和正常细栅的影响，可以更精确地检测栅线的位置。
26.(3)利用栅线相互平行的性质检测主栅点，可以避免划痕对栅线检测的影响，并根据电池板图像的面积筛选待定主栅点集合，避免误检。
27.(4)根据m坐标是否和主栅点一致从离群点中筛选粗栅点，可以更准确地对粗栅位置进行定位。
附图说明
28.图1为方法流程图。
具体实施方式
29.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
30.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
31.实施例一：
32.本发明的主要目的是实现光伏电池板粗栅缺陷的检测。
33.为了实现本发明所述内容，本发明设计了一种基于人工智能的光伏电池板粗栅检测方法，方法流程图如图1所示。
34.光伏电池板印刷制版的过程包含丝网印刷工艺。经丝网印刷工艺后，光伏电池表面上形成汇流和分流金属印刷触点，即主栅和细栅。主栅是直接连接到外部引线，而细栅更精细金属化区域收集电流以输送到电池母线。主栅和细栅上存在缺陷，会导致电阻增大，电流输送效率变低。部分丝网印刷缺陷很难用肉眼进行观察检测，需要使用特殊的卡尺测量。印刷的缺陷就包括粗栅，粗栅是指光伏电池板上栅线宽度大于标准栅线宽度。主栅和细栅都会出现粗栅的缺陷，本发明是为了检测主栅是否有粗栅缺陷。
35.步骤s1：
36.在无人机上设置rgb相机，无人机巡检过程中利用rgb相机拍摄光伏电池板的原始图像，所述原始图像rgb图像。应为无人机设置合理的高度。为了使得到的原始图像中至少包含一整个光伏电池板单板，无人机的高度不宜过低。原始图像中既包括光伏电池板，又包括光伏电池板周围的区域，本发明只需要光伏电池板区域的图像，所以利用电池板检测网络将光伏电池板区域的图像分割出来。
37.电池板检测网络的训练方法包括：以若干张原始图像为数据集；人工对数据集进行标注，标注出原始图像中光伏电池板区域的包围框，生成标注数据；使用均方误差损失函数进行网络的训练。
38.将原始图像输入训练好的电池板检测网络，检测光伏电池板区域，输出光伏电池板区域的包围框并对原始图像进行裁剪，保留光伏电池板区域，去除光伏电池板周围的物体，获得电池板图像。
39.电池板图像中包括主栅、细栅和单晶硅，本发明要检测主栅是否出现粗栅的缺陷，为了消除细栅对粗栅检测的影响，对电池板图像进行如下处理：将电池板图像转化为灰度图像，并使用自适应阈值分割算法对灰度图像进行二值化处理，得到二值图像。
40.电池板图像中光伏电池板颜色区分明显，栅线为白色，电池板为蓝色，但由于光照等因素影响无法采用固定的阈值进行二值化处理，因此采用自适应阈值分割算法进行灰度图像的分割。自适应阈值分割算法为公知技术，不作为本发明保护范围，实施者可根据实际
情况选择合适的算法。例如大津阈值法、迭代法等。分割得到二值图像，所述二值图像中栅线像素的像素值为1，其余像素的像素值为0。
41.为了消除细栅的影响，要对二值图像进行形态学处理，本发明采用开运算，即对二值图像先进行腐蚀运算再进行膨胀运算，可以消除二值图像中离散的亮点和细栅。获得主栅图像，所述主栅图像中包含主栅和因划痕产生的直线。
42.步骤s2：
43.利用霍夫变换对主栅图像进行直线检测，具体步骤为：遍历主栅图像中像素值为1的像素点，统计各个像素值为1的点的坐标(x
i
,y
i
)，将每个像素值为1的点由图像坐标空间转换到霍夫参数空间中，所述霍夫参数空间横坐标为m，纵坐标为b。坐标空间转换的数学模型为b＝
‑
mx
i
+y
i
，即图像坐标空间中一个点对应霍夫参数空间中一条直线。同样，霍夫参数空间中一点也对应图像坐标空间中一条直线。需要说明的是，当图像坐标空间中直线垂直于x轴，直线上的点转换到霍夫参数空间中对应的直线是相互平行的，所以建立的图像坐标空间需要使主栅不垂直于x轴、同时不平行于x轴。
44.经坐标变换得到霍夫参数空间中的若干条直线，直线有若干个交点，对于每个直线交点，检测经过它的直线数量a，设置经验数量阈值β，当a≥β时，说明该交点在图像坐标空间中对应直线上像素为1的点数量足够多，判定该交点为待测点；当a＜β时，判定该交点不是待测点。输出若干个待测点，所述待测点对应图像坐标空间中一条直线。
45.记待测点为p，本发明需要筛选出在图像坐标空间中对应直线为主栅的待测点，本发明称之为主栅点。本发明检测的光伏电池板上主栅是十字交叉的，其对应直线有两种斜率，斜率不同的直线相互垂直，斜率相同的直线平行且相邻直线间距相等。考虑到相邻主栅之间间距一定且相互平行，本发明设置以下规则来匹配待测点：
46.步骤s301：针对任意两个m坐标相同的待测点p1、p2组成待测点集合g，将线段p1p2的长度设为最小距离d
min
。
47.步骤s302：选择不属于g的一待测点p3，计算p1p3的长度d1,p2p3的长度d2。
48.若d1/d
min
和d2/d
min
都为正整数且p3的m坐标与p1、p2相等时，将p3加入待测点集合g；否则，不将p3加入待测点集合g。
49.步骤s303：重复步骤s302直到遍历完所有待测点，输出待测点集合g。
50.主栅有两种斜率，所以有两个待测点集合中待测点在图像坐标空间中对应的直线为主栅，但因为划痕干扰和p1、p2选取不当，得到的待测点集合g不只两个。
51.为了确定待测点集合g中点在图像坐标空间对应直线是否为主栅，本发明设置如下规则进行判断：
52.将一个待测点集合中待测点转换到图像坐标空间中，得到若干条待测直线，计算两两待测直线的间距l，选择最大的l作为该待测点集合对应的l
max
；
53.针对任意两个m坐标不同的待测点集合g
′
、g
″
，计算得到g
′
对应的l
′
max
、g
″
对应的l
″
max
，根据s＝l
′
max
×
l
″
max
得到面积s，计算电池板图像的面积s
′
；
54.设置经验阈值γ，当s
′‑
s≥γ时，判定这两个待测点集合不是主栅点集合；当s
′‑
s＜γ时，判定这两个待测点集合为一对待定主栅点集合。
55.统计各对待定主栅点集合包含待测点的总个数d，将d最大的一对主栅点集合设为主栅点集合。主栅点集合中待测点设为主栅点。
56.设除了主栅点以外的待测点为离群点，所述离群点包括划痕对应的非粗栅点和粗栅比正常主栅多出部分对应的粗栅点。根据m坐标筛选离群点中的粗栅点，设两个主栅点集合中主栅点的m坐标为m
′
和m
″
，若离群点的m坐标等于m
′
或m
″
，则判定该点为粗栅点，是由于印刷错误造成的粗栅；若离群点的m坐标不等于m
′
或m
″
，判定该点为非粗栅点，是由划痕或异物产生的直线。
57.根据粗栅点在霍夫参数空间内的坐标可以得到粗栅点对应粗栅在图像坐标空间内的直线方程，可以对出现粗栅缺陷的位置进行精准定位，方便后续对粗栅的处理。
58.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。