基于人工智能的光伏电池板焊带偏移检测方法及装置与流程

[0001]
本发明涉及人工智能技术领域，具体涉及一种基于人工智能的光伏电池板焊带偏移检测方法及装置。


背景技术：

[0002]
光伏焊带为镀锡铜带，分汇流带和互连条，应用于光伏组件电池片之间的连接，发挥导电聚电的重要作用，因此光伏电池板对焊带的质量要求越来越高。
[0003]
在光伏电池板的生产过程中，因焊接工艺波动以及焊条的氧化等不可控因素会导致光伏电池板出现各种缺陷，焊带偏移就是其中之一。焊带偏移会影响电流正常通过，引起组件功率衰减。现有的光伏电池板的焊带检测主要靠人工在生产过程中抽样检测来完成，效率低下。


技术实现要素：

[0004]
为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的光伏电池板焊带偏移检测方法及装置，所采用的技术方案如下：
[0005]
第一方面，本发明一个实施例提供了一种基于人工智能的光伏电池板焊带偏移检测方法，该方法包括以下步骤：
[0006]
获取光伏电池板表面的正视图，对所述正视图进行裁剪得到每一条焊带的裁剪图并进行标号；
[0007]
对所述焊带的裁剪图进行边缘检测，利用形态学操作增强所述焊带的边缘特征，得到反映焊带边缘走向的边缘二值图像并进行采样，获得采样点的坐标信息；
[0008]
对所述采样点进行直线拟合，得到直线方程；对所述采样点进行多项式拟合，设置误差函数对所述多项式进行评估优化所述多项式的系数，建立拟合程度评价指标确定拟合程度最好的最高次幂，获得反映焊带边缘实际走向的多项式方程；
[0009]
通过多项式方程和直线方程的差值运算判定焊带是否存在偏移，结合所述焊带的裁剪图的标号得到偏移焊带的位置信息。
[0010]
优选的，所述获取光伏电池板表面的正视图还包括以下步骤：
[0011]
利用关键点检测网络得到光伏电池板表面图像上四个角点的坐标，利用四点法对所述表面图像进行矫正得到所述光伏电池板表面的正视图。
[0012]
优选的，所述设置误差函数对所述多项式进行评估还包括以下步骤：
[0013]
利用梯度下降法在多项式系数的梯度方向上进行参数调整，使得误差值降低，不断迭代，更新多项式的系数。
[0014]
优选的，所述拟合程度评价指标为：
[0015][0016]
其中，pro
m
为拟合程度评价指标，l
m
(x
t
)为突变点x
t
对应的拟合后的纵坐标，y
t
为突
变点对应的实际纵坐标，l
m
(x
i
)为第i个采样点所对应的拟合多项式的纵坐标，x
i
为第i个采样点所对应的实际横坐标，y
i
为第i个采样点所对应的实际纵坐标，n为采样点的数量，m为拟合的多项式的最高次幂。
[0017]
优选的，所述确定拟合程度最好的最高次幂还包括以下步骤：
[0018]
在设定范围内不断更新最高次幂的值并同时对多项式进行拟合，计算不同的最高次幂对应的拟合程度指标，在迭代的过程中通过比较得到拟合程度评价指标最小值对应的最高次幂。
[0019]
第二方面，本发明另一个实施例提供了一种基于人工智能的光伏电池板焊带偏移检测装置，包含以下模块：
[0020]
图像矫正模块，用于获取光伏电池板表面的正视图，对所述正视图进行裁剪得到每一条焊带的裁剪图并进行标号；
[0021]
图像采样模块，用于对所述焊带的裁剪图进行边缘检测，利用形态学操作增强所述焊带的边缘特征，得到反映焊带边缘走向的边缘二值图像并进行采样，获得采样点的坐标信息；
[0022]
拟合模块，用于对所述采样点进行直线拟合，得到直线方程；对所述采样点进行多项式拟合，设置误差函数对所述多项式进行评估优化所述多项式的系数，建立拟合程度评价指标确定拟合程度最好的最高次幂，获得反映焊带边缘实际走向的多项式方程；
[0023]
偏移判断模块，用于通过多项式方程和直线方程的差值运算判定焊带是否存在偏移，结合所述焊带的裁剪图的标号得到偏移焊带的位置信息。
[0024]
优选的，所述图像矫正模块还包括：
[0025]
关键点检测单元，用于利用关键点检测网络得到光伏电池板表面图像上四个角点的坐标，利用四点法对所述表面图像进行矫正得到所述光伏电池板表面的正视图。
[0026]
优选的，所述拟合模块还包括：
[0027]
系数调整单元，用于利用梯度下降法在多项式系数的梯度方向上进行参数调整，使得误差值降低，不断迭代，更新多项式的系数；
[0028]
指标构建单元，用于构建拟合程度评价指标，公式如下：
[0029][0030]
其中，pro
m
为拟合程度评价指标，l
m
(x
t
)为突变点x
t
对应的拟合后的纵坐标，y
t
为突变点对应的实际纵坐标，l
m
(x
i
)为第i个采样点所对应的拟合多项式的纵坐标，x
i
为第i个采样点所对应的实际横坐标，y
i
为第i个采样点所对应的实际纵坐标，n为采样点的数量，m为拟合的多项式的最高次幂；
[0031]
迭代计算单元，用于在设定范围内不断更新最高次幂的值并同时对多项式进行拟合，计算不同的最高次幂对应的拟合程度指标，在迭代的过程中通过比较得到拟合程度评价指标最小值对应的最高次幂。
[0032]
本发明实施例至少存在以下有益效果：
[0033]
本发明实施例通过获取光伏电池板表面的正视图，对正视图进行裁剪得到每一条焊带的裁剪图并进行标号；对焊带的裁剪图进行边缘检测，对边缘二值图像进行采样获得坐标信息；对采样点进行直线拟合，得到直线方程；对采样点进行多项式拟合，设置误差函
数对所述多项式进行评估优化所述多项式的系数，建立拟合程度评价指标确定拟合程度最好的最高次幂，获得反映焊带边缘实际走向的多项式方程；通过多项式方程和直线方程的差值运算判定焊带是否存在偏移，得到偏移焊带的位置信息，从而改善当前焊带偏移依赖人工检测，效率低下的问题。能够及时对焊带偏移信息进行判断从而避免组件功率衰减的问题。
附图说明
[0034]
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和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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它附图。
[0035]
图1为本发明一实施例所提供的一种基于人工智能的光伏电池板焊带偏移检测方法的整体流程图；
[0036]
图2为本发明一实施例所提供的一种基于人工智能的光伏电池板焊带偏移检测方法的流程图；
[0037]
图3为本发明另一实施例所提供的一种基于人工智能的光伏电池板焊带偏移检测装置的结构框图。
具体实施方式
[0038]
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于人工智能的光伏电池板焊带偏移检测方法及装置，其具体实施方式、结构、特征及其功效，详细说明如下，在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0039]
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
[0040]
请参阅图1和图2，图1示出了本发明一实施例所提供的一种基于人工智能的光伏电池板焊带偏移检测方法的整体流程图。图2示出了本发明一实施例所提供的一种基于人工智能的光伏电池板焊带偏移检测方法的流程图，该方法包括以下步骤：
[0041]
步骤s1：获取光伏电池板表面的正视图，对正视图进行裁剪得到每一条焊带的裁剪图并进行标号。
[0042]
具体的，部署相机采集rgb图像，获取光伏电池板的表面信息，固定相机位姿，相机的视野范围包括光伏电池板的四个角点，光源选用光照均匀的led灯。
[0043]
具体的，获取光伏电池板表面的正视图的步骤如下：
[0044]
s1001：对光伏电池板表面图像进行关键点检测，获取光伏电池板表面图像上四个角点的坐标值。
[0045]
具体的，输入为rgb相机所采集的光伏表面图像，经关键点编码器encoder提取特征，输出为特征图featuremap，并作为输入送入关键点解码器decoder进行采样，输出与原图等大的关键点热图heatmap，输出为一个通道，该通道图像中包含关键点热斑。
[0046]
具体的，关键点提取网络的训练集选择rgb相机采集的多张rgb图像，标注为以光伏电池板的四个角点关键点为中心通过高斯核卷积生成的热斑，损失函数采用均方差损失函数对模型内的参数进行调整。
[0047]
其中，关键点检测网络为encoder-decoder结构，在本实施例中的encoder使用沙漏结构，参考hourglass的网络结构。
[0048]
优选的，为了方便网络的训练和收敛，本实施例解码器的block采用shufflenet，在本发明其他实施例中也可以使用senet、ghostnet等轻量化网络的block。
[0049]
s1002：利用四点法对表面图像进行矫正，获得光伏电池板表面的正视图i
′
(x
′
，y
′
)。
[0050]
具体的，四点法的本质为仿射变换，利用原始图像i(x，y)中的4个坐标点计算出正视图中新的坐标点，后利用匹配的4对坐标点得到仿射变换矩阵m，结合下式得到光伏电池板的正视图i
′
(x
′
，y
′
)：
[0051][0052]
具体的，由于变换矩阵有8个未知参数，因此需要至少四对特征点的坐标对单应性矩阵利用奇异值分解(singular value decomposition，svd)算法进行求解。
[0053]
优选的，由于电池板表面的栅线对焊带检测会产生一定的干扰，在进行焊带偏移检测前要去掉栅线的纹理特征。鉴于栅线的特征要比焊带边缘特征更加细小，对矫正之后的图像经闭运算可以保留焊带特征的同时去除栅线特征。
[0054]
具体的，按照一定的区域划分规则得到横向和纵向的焊带区域，包含以下步骤：
[0055]
s101：以正视图的左下角为原点，向右为x轴正向，向上为y轴正向，建立二维坐标系。相邻焊带的间隔为k，则x、y轴以k为距离单位，则l(x，0)代表纵向的焊带，l(0，y)代表横向的焊带；
[0056]
s102：对于横向的焊带，以第一条横向焊带l(0，1)为例，以偏移量α在直线l(0，1)上下生成两条直线y＝l(0，1)+α和y＝l(0，1)-α。在两条直线之间的区域为焊带区域。将区域内的图像复制得到尺寸为[w，2α]的焊带图像裁剪图，记得到的图像为l(0，1)，其中w为原始图像的宽度尺寸；
[0057]
s103：对于纵向焊带，以第一条纵向焊带l(1，0)为例，以偏移量α在直线l(1，0)左右生成两条直线x＝l(1，0)+α和x＝l(1，0)-α。将两条直线区域内的图像复制得到尺寸为[2α，h]的焊带图像裁剪图，并将裁剪图进行旋转90度转换至水平的横向焊带的状态，记旋转后的图像为l(0，1)，其中h为原始图像的长度尺寸。
[0058]
具体的，α为人为设定的经验值，根据不同型号的光伏电池板确定，2α可以包含全部焊带信息的尺寸，得到光伏电池板上所有焊带图像的裁剪图，此时，所有的焊带均为横向焊带的状态：
[0059]
{l(0，1)，l(0，2)，......l(0，h/k)，l(1，0)，l(2，0)......，l(w/k，0)}
[0060]
步骤s2：对焊带的裁剪图进行边缘检测，利用形态学操作增强所述焊带的边缘特征，得到反映焊带边缘走向的边缘二值图像并进行采样，获得采样点的坐标信息。
[0061]
具体的，用扩张的sobel算子对焊带边缘进行检测，为了获得足够大的双边响应，
本实施例采用5
×
5大小矩阵
[0062][0063]
使得焊带边缘形成有空心的双边响应。
[0064]
优选的，使用black-hat算法提取双边响应中心区域的热图，得到一个不连续的反应焊带边缘走向的边缘二值图像，从边缘二值图的起始位置进行采样。
[0065]
优选的，为了得到更准确的焊带信息，本实施例设置每两个像素点进行采样，利用softargmax函数得到每个采样点的坐标信息，从而得到大量离散采样点和他们的位置信息。
[0066]
步骤s3：对采样点进行直线拟合，得到直线方程，对采样点进行多项式拟合，设置误差函数对多项式进行评估优化多项式的系数，建立拟合程度评价指标确定拟合程度最好时的最高次幂，获得反映焊带边缘实际走向的多项式方程。
[0067]
具体的，对采样点进行直线拟合，得到直线方程l1：ax+b＝y。
[0068]
优选的，本发明实施例采用自适应ransac对采样点进行直线拟合，该方法可以很好的舍去偏移像素点对焊带边缘信息的影响，得到的直线l1可以反应正常情况下焊带的边缘曲线。
[0069]
具体的，对采样点进行多项式拟合，多项式的最高次幂越大拟合得到的曲线越符合实际分布，构建如下多项式：
[0070][0071]
其中，w0……
w
j
是多项式的系数，记做w，x为采样点的横坐标，输出y为多项式预测的纵坐标，j为多项式系数的最高次幂。
[0072]
根据经验可以知道要想得到符合偏移焊带实际分布曲线，多项式的最高次幂应不小于11，故j的取值范围为[11，m]，其中，m的最大值为20。
[0073]
设计一个误差函数对拟合出的多项式进行评估，使用均方误差，公式如下：
[0074][0075]
y
n
为采样点x
n
对应的实际纵坐标信息，利用梯度下降法在多项式系数的梯度方向上进行参数调整，使得误差值降低。不断迭代，更新多项式的系数，直到误差不再降低，停止迭代，得到准确的方程。
[0076]
具体的，为了进一步确定多项式最高次幂m的具体数值，对最高次幂的拟合评估过程如下：
[0077]
s201：取m＝11对多项式进行拟合，得到m＝11时的多项式，记为l
m
(x)；
[0078]
s202：计算每一个采样点的纵坐标y
i
与直线l
m
(x)的纵坐标l
11
(x
i
)的差值的绝对值，为|l
m
(x
i
)-y
i
|。在多项式拟合的过程中，由于过拟合的现象经常会出现多项式函数突变的情况，突变点对应的横坐标记为x
t
，max(|l
m
(x
i
)-y
i
|)为对应的坐标值；
[0079]
对突变的位置分配较大的权重，构建拟合程度评价指标，公式如下：
[0080][0081]
其中，pro
m
为拟合程度评价指标，l
m
(x
t
)为突变点x
t
对应的拟合后的纵坐标，y
t
为突变点对应的实际纵坐标，l
m
(x
i
)为第i个采样点所对应的拟合多项式的纵坐标，x
i
为第i个采样点所对应的实际横坐标，y
i
为第i个采样点所对应的实际纵坐标，n为采样点的数量，m为拟合的多项式的最高次幂。
[0082]
s203：递增m的值，取m1＝m+1，再次进行多项式拟合，得到的方程记为l
m+1
。用相同的方法得到评判指标的值pro
m1
，比较pro
m
，pro
m1
，保留较小值对应的角标值储存为m0；
[0083]
s204：将m1的值赋给m，不断更新m0的值，得到拟合程度最好的最高次幂的值m0。
[0084]
具体的，确定多项式的最高次幂m＝m0，得到反映焊带边缘实际走向的多项式方程，记为l2，为了避免最高次幂过高产生大量的计算，本发明实施例设定m的取值范围为[11，20]。
[0085]
步骤s4：通过多项式方程和直线方程的差值运算判定焊带是否存在偏移，结合焊带的裁剪图的标号得到偏移焊带的位置信息。
[0086]
具体的，将反映实际焊带走向的曲线l2和正常走向的曲线l1做差值运算，计算公式如下：
[0087][0088]
具体的，绘制δs(x)的曲线，当δs(x)≠0时，表示焊带边缘与标准焊带直线之间存在偏移，当δs(x)＞0表示焊带向上方偏移，当δs(x)＜0表示焊带向下方偏移。考虑到直线拟合和多项式拟合不能完美的反映待测焊带和标准焊带的边缘信息，设置阈值s，当|δs(x)|＞s时判定焊带偏移。
[0089]
具体的，根据δs(x)的曲线信息，将|δs(x)|＞s时对应的x的值以及焊带裁剪图的标号l(0，x)或l(y，0)输出，可以得到焊带偏移的位置信息。
[0090]
综上所述，本发明实施例通过对光伏电池板的正视图进行裁剪得到每一条焊带的裁剪图，对焊带的裁剪图进行边缘检测采样获得坐标信息；对采样点进行直线拟合，得到直线方程；对采样点进行多项式拟合，设置误差函数对所述多项式进行评估优化所述多项式的系数，建立拟合程度评价指标确定拟合程度最好的最高次幂，获得反映焊带边缘实际走向的多项式方程；通过多项式方程和直线方程的差值运算判定焊带是否存在偏移，得到偏移焊带的位置信息，从而改善当前焊带偏移依赖人工检测，效率低下，及时对焊带偏移信息进行判断从而避免组件功率衰减严重的问题。
[0091]
基于与上述方法实施例相同的发明构思，本发明的另一个实施例还提供了一种基于人工智能的光伏电池板焊带偏移装置。
[0092]
请参阅图3，其示出了一种基于人工智能的光伏电池板焊带偏移检测装置的结构
框图，该装置包括图像矫正模块101、图像采样模块102、拟合模块103和偏移判断模块104。
[0093]
图像矫正模块101用于获取光伏电池板表面的正视图，对正视图进行裁剪得到每一条焊带的裁剪图并进行标号。图像采样模块102对所述焊带的裁剪图进行边缘检测，利用形态学操作增强所述焊带的边缘特征，得到反映焊带边缘走向的边缘二值图像并进行采样，获得采样点的坐标信息。拟合模块103用于对所述采样点进行直线拟合，得到直线方程；对所述采样点进行多项式拟合，设置误差函数对所述多项式进行评估优化所述多项式的系数，建立拟合程度评价指标确定拟合程度最好的最高次幂，获得反映焊带边缘实际走向的多项式方程。偏移判断模块104用于通过多项式方程和直线方程的差值运算判定焊带是否存在偏移，结合所述焊带的裁剪图的标号得到偏移焊带的位置信息。
[0094]
优选的，所述图像矫正模块101还包括：
[0095]
关键点检测单元，用于利用关键点检测网络得到光伏电池板表面图像上四个角点的坐标，利用四点法对所述表面图像进行矫正得到所述光伏电池板表面的正视图。
[0096]
优选的，所述拟合模块103还包括：
[0097]
系数调整单元，用于利用梯度下降法在多项式系数的梯度方向上进行参数调整，使得误差值降低，不断迭代，更新多项式的系数；
[0098]
指标构建单元，用于构建拟合程度评价指标，公式如下：
[0099][0100]
其中，pro
m
为拟合程度评价指标，l
m
(x
t
)为突变点x
t
对应的拟合后的纵坐标，y
t
为突变点对应的实际纵坐标，l
m
(x
i
)为第i个采样点所对应的拟合多项式的纵坐标，x
i
为第i个采样点所对应的实际横坐标，y
i
为第i个采样点所对应的实际纵坐标，n为采样点的数量，m为拟合的多项式的最高次幂；
[0101]
迭代计算单元，用于在设定范围内不断更新最高次幂的值并同时对多项式进行拟合，计算不同的最高次幂对应的拟合程度指标，在迭代的过程中通过比较得到拟合程度评价指标最小值对应的最高次幂。
[0102]
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0103]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
[0104]
以上所述仅为本发明的较佳实施例，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、改进等，均应包含在本发明的保护范围之内。