基于石墨舟视觉图像的太阳能电池片缺陷检测方法及系统与流程

本发明属于图像数据处理，具体涉及一种基于石墨舟视觉图像的太阳能电池片缺陷检测方法及系统。

背景技术：

1、随着清洁能源的快速发展，光伏发电以其灵活性与环保性得到了更多的推广应用。太阳能电池片作为光伏系统的最小单元，其质量对整个光伏系统的影响却是巨大的。电池片的内部缺陷和外观缺陷不仅影响光电转换效率，而且在严重的情况下会损坏光伏组件，因此光伏企业有必要对太阳能电池片进行质量监测。

2、随着技术不断革新，太阳能电池片的外观缺陷检测逐渐从人工目检方式转换为自动检测方式，基于深度学习的外观缺陷算法，以其准确性高而得到了广泛应用。

3、然而，基于深度学习的外观缺陷算法在检测电池片缺陷时需要逐个对电池片进行拍照，之后送入训练好的外观缺陷检测模型中进行检测，但是逐个拍照仍然需要大量时间成本，难以胜任大规模电池片的外观缺陷检测，对于大规模电池片外观缺陷的检测效率低。

技术实现思路

1、为了解决现有技术存在的基于深度学习的外观缺陷算法需要逐个对电池片进行拍照，仍然需要大量时间成本，难以胜任大规模电池片的外观缺陷检测，对于大规模电池片外观缺陷的检测效率低的技术问题，本发明提供一种基于石墨舟视觉图像的太阳能电池片缺陷检测方法及系统。

2、第一方面

3、本发明提供了一种基于石墨舟视觉图像的太阳能电池片缺陷检测方法，包括：

4、s101：获取石墨舟图像，其中，石墨舟中阵列设置有多个舟槽，所述舟槽用于放置太阳能电池片；

5、s102：对所述石墨舟图像进行预处理，预处理包括：滤波降噪、亮度均衡以及对比度均衡；

6、s103：计算所述石墨舟图像的最优分割阈值；

7、s104：根据所述最优分割阈值，从所述石墨舟图像中分割出灰度值大于所述最优分割阈值的多个电池片图像；

8、s105：根据分割出的多个电池片图像的位置，当某个位置的舟槽中不存在电池片时，确定所述舟槽存在空片情况；

9、s106：提取所述电池片图像中的电池片轮廓；

10、s107：对所述电池片轮廓进行线性拟合；

11、s108：当所述电池片轮廓的线性拟合结果为直线时，确定电池片无缺陷；当所述电池片轮廓的线性拟合结果为曲线时，计算所述曲线的曲率；

12、s109：当所述曲线的曲率大于预设曲率时，确定电池片存在翘边缺陷。

13、第二方面

14、本发明提供了一种基于石墨舟视觉图像的太阳能电池片缺陷检测系统，用于执行第一方面中的基于石墨舟视觉图像的太阳能电池片缺陷检测方法。

15、与现有技术相比，本发明至少具有以下有益技术效果：

16、（1）在本发明中，可以在石墨舟的舟槽中设置大批量的太阳能电池片，通过获取石墨舟图像，提取石墨舟图像中的电池片轮廓，根据电池片轮廓确定电池片是否存在翘边缺陷，可以对大批量的太阳能电池片进行同时检测，无需逐个拍照，节省时间成本，可以胜任大规模电池片的外观缺陷检测，提升对于大规模电池片外观缺陷的检测效率。

17、（2）在本发明中，计算所述石墨舟图像的最优分割阈值，并根据所述最优分割阈值，从所述石墨舟图像中分割出灰度值大于所述最优分割阈值的多个电池片图像，可以提升电池片图像的分割精度，进而提升太阳能电池片的缺陷检测精度。

技术特征：

1.一种基于石墨舟视觉图像的太阳能电池片缺陷检测方法，其特征在于，包括：

2.根据权利要求1所述的基于石墨舟视觉图像的太阳能电池片缺陷检测方法，其特征在于，所述s102具体包括：

3.根据权利要求1所述的基于石墨舟视觉图像的太阳能电池片缺陷检测方法，其特征在于，所述s106具体包括：

4.根据权利要求3所述的基于石墨舟视觉图像的太阳能电池片缺陷检测方法，其特征在于，所述高阈值与所述低阈值的确定方式为：

5.根据权利要求1所述的基于石墨舟视觉图像的太阳能电池片缺陷检测方法，其特征在于，所述s108具体包括：

6.根据权利要求1所述的基于石墨舟视觉图像的太阳能电池片缺陷检测方法，其特征在于，还包括：

7.一种基于石墨舟视觉图像的太阳能电池片缺陷检测系统，其特征在于，用于执行权利要求1至6任一项所述的基于石墨舟视觉图像的太阳能电池片缺陷检测方法。

技术总结
本发明公开了一种基于石墨舟视觉图像的太阳能电池片缺陷检测方法及系统，属于图像数据处理技术领域，方法包括：获取石墨舟图像；对石墨舟图像进行预处理；计算石墨舟图像的最优分割阈值；根据最优分割阈值，从石墨舟图像中分割出多个电池片图像；根据分割出的多个电池片图像的位置，当某个位置的舟槽中不存在电池片时，确定舟槽存在空片情况；提取电池片图像中的电池片轮廓；对电池片轮廓进行线性拟合；当电池片轮廓的线性拟合结果为直线时，确定电池片无缺陷；当电池片轮廓的线性拟合结果为曲线时，计算曲线的曲率；当曲线的曲率大于预设曲率时，确定电池片存在翘边缺陷。本发明可以提升对于大规模电池片外观缺陷的检测效率。

技术研发人员：杨中明,杨美娟,肖凯
受保护的技术使用者：江苏森标科技有限公司
技术研发日：
技术公布日：2024/1/15