本发明涉及光伏电池检测技术领域，主要涉及一种多晶硅太阳能电池片外观划痕缺陷检测的方法。
背景技术：
光伏发电应用日益广泛，根据研究表明从2030年开始，太阳能光伏发电在世界总电力的供应中每隔十年将上升10%以上，到21世纪末可再生能源在能源结构中将占到80%以上，太阳能发电占到60%以上，太阳能发电显示出重要的战略意义。多晶硅太阳能电池片制作工艺复杂，在生产过程中极易出现各种各样的缺陷，这些有缺陷的电池片组装起来后不仅影响整体的美观，对光电转换的效率和电池片寿命也产生了很大的影响。划痕属于多晶硅太阳能电池片表面外观常见的一种缺陷，产生原因是生产过程中工人的手指不小心接触到电池片表面或电池片彼此间的摩擦。将这些有缺陷的电池片从中挑出，对提升企业产品质量非常重要。
现有的缺陷检测方法主要依靠传统的人工肉眼检测，会受到主观性和视觉疲劳的影响，容易造成漏检、误检、效率低下，随着人工成本，企业的生产成本也会增加。由于多晶硅电池片受到本身晶格的影响，其表面的图像纹理不均匀，缺陷特征提取困难，这给目前的缺陷检测造成很大的困扰，因此利用机器视觉来检测电池片缺陷没有得到大量推广。
因此，急需一种太阳能电池片外观划痕缺陷检测的方法，提高企业生产效率，实现智能化工厂。
技术实现要素：
有鉴于此，本发明提供了一种多晶硅太阳能电池片外观划痕缺陷检测的方法,解决现有技术中的不足，具体方案如下：
一种太阳能电池片外观脏划痕陷检测的方法，该方法包括两个步骤单元：
第一步，对图像进行预处理
1-1标定相机，消除畸变；
1-2旋转校正图像：对采集到的三通道彩色图像进行旋转校正，使图像平行于坐标轴；
1-3图像通道分解：在步骤1-2的基础上，把彩色图像分解成R、G、B三个单通道图像；
1-4固定阈值分割：在步骤1-3的基础上，对图像进行固定阈值分割，得到二值图像；
1-5消除干扰，获取感兴趣区域：在步骤1-4的基础上，依据设定的面积阈值，消除传送带的影响，筛选出待检测的的感兴趣区域；
第二步，检测划痕区域
2-1傅里叶变换：在步骤1-5的基础上，对R通道图像进行傅里叶变换，去除周期性信号的干扰；
2-2卷积操作：在步骤2-1的基础上，对频域中的图像进行卷积操作，增强边缘；
2-3傅里叶反变换：在步骤2-2的基础上，对图像进行傅里叶反变换到空间域；
2-4增强图像对比度：在步骤2-3的基础上，对图像进行增强操作，提高背景与前景的对比度；
2-5自适应阈值分割：在步骤2-4的基础上，对图像进行自适应阈值分割；
2-6筛选并统计缺陷：在步骤2-5的基础上，根据划痕缺陷的大小、灰度值特征进行筛选缺陷并统计缺陷个数；
2-7标注缺陷：在步骤2-6的基础上，将缺陷的位置标注在原图上。
具体的，图像采集所用相机是500万像素工业相机，采集图像大小为2456* 2054，精度0.08mm/pixl。
具体的，此方法适用的太阳能电池片大小为156mm *156mm。
具体的，进行阈值分割时，根据灰度图像的范围，在步骤1-4中，所述阈值分割时阈值的取值范围是1-255。
具体的， 在所述步骤1-5中，所述消除传送带影响时，选取待检测区域面积area的范围大于最大传送带的面积，所述待检测区域area的取值范围为1000-1000000。
具体的，在所述步骤2-2中，对图像进行卷积操作，采用3*3的滤波模板。
具体的， 在所述步骤2-5中，所述筛选缺陷是根据缺陷宽width和高度height分别大于5个像素的原则进行标示，即所述筛选缺陷的宽度width和高度height如果大于0.4mm就标识出来。
具体的，在所述步骤2-5中，所述缺陷的灰度值grayvalue的取值范围是0-180。
本发明解决所述缺陷问题采用的技术方案主要分为两步：第一步对电池片进行预处理，第二检测划痕区域。预处理包含了：对采集到的图像进行旋转校正操作，使图像边缘平行于坐标系，然后将三通道彩色图像转换为R、G、B三个单通道图像，选取R通道图像进行阈值分割，消除传送带对图像的影响，获取待检测感兴趣区域；第二部分包括了：对获取的R通道图像进行傅里叶变换，在频域中消除周期性高频信号的干扰，然后再进行傅里叶逆变换到空域中；然后对图像进行对比度增强处理和均值滤波操作，再对图像进行自适应阈值分割，根据长度、灰度值等特征筛选出划痕缺陷，并在原图上标示出来。
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为本发明检测方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例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。
参照图1所示，本发明请求保护一种太阳能电池片外观划痕缺陷检测的方法，该方法包括两个步骤单元：
第一步，对图像进行预处理
1-1标定相机，消除畸变；
1-2旋转校正图像：对采集到的三通道彩色图像进行旋转校正，使图像平行于坐标轴；
1-3图像通道分解：在步骤1-2的基础上，把彩色图像分解成R、G、B三个单通道图像；
1-4固定阈值分割：在步骤1-3的基础上，对图像进行固定阈值分割，得到二值图像；
1-5消除干扰，获取感兴趣区域：在步骤1-4的基础上，依据设定的面积阈值，消除传送带的影响，筛选出待检测的的感兴趣区域；
第二步，检测划痕区域
2-1傅里叶变换：在步骤1-5的基础上，对R通道图像进行傅里叶变换，去除周期性信号的干扰；
2-2卷积操作：在步骤2-1的基础上，对频域中的图像进行卷积操作，增强边缘；
2-3傅里叶反变换：在步骤2-2的基础上，对图像进行傅里叶反变换到空间域；
2-4增强图像对比度：在步骤2-3的基础上，对图像进行增强操作，提高背景与前景的对比度；
2-5自适应阈值分割：在步骤2-4的基础上，对图像进行自适应阈值分割；
2-6筛选并统计缺陷：在步骤2-5的基础上，根据划痕缺陷的大小、灰度值特征进行筛选缺陷并统计缺陷个数；
2-7标注缺陷：在步骤2-6的基础上，将缺陷的位置标注在原图上。
具体的，图像采集所用相机是500万像素工业相机，采集图像大小为2456* 2054，精度0.08mm/pixl。
具体的，此方法适用的太阳能电池片大小为156mm *156mm。
具体的，进行阈值分割时，根据灰度图像的范围，在步骤1-4中，所述阈值分割时阈值的取值范围是1-255。
具体的， 在所述步骤1-5中，所述消除传送带影响时，选取待检测区域面积area的范围大于最大传送带的面积，所述待检测区域area的取值范围为1000-1000000。
具体的，在所述步骤2-2中，对图像进行卷积操作，采用3*3的滤波模板。
具体的， 在所述步骤2-5中，所述筛选缺陷是根据缺陷宽width和高度height分别大于5个像素的原则进行标示，即所述筛选缺陷的宽度width和高度height如果大于0.4mm就标识出来。
具体的，在所述步骤2-5中，所述缺陷的灰度值grayvalue的取值范围是0-180。
具体的，该算法依托的是HDevelope软件，版本2013版。
具体的，该算法通过对感兴趣区域ROI进行傅里叶变换及逆变换，然后通过自适应阈值得到缺陷，区分划痕缺陷与背景。
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。