一种基于双目视觉的光伏组件缺陷检测方法及系统与流程

本发明涉及光伏组件制造，尤其是指一种基于双目视觉的光伏组件缺陷检测方法及系统。

背景技术：

1、随着企业生产技术的持续转型升级，自动化技术已经在制造业的各个环节发挥着日益重要的作用。自动化生产线在加工和装配过程中不断取代传统的人工操作。然而，在光伏产品的生产过程中，缺陷的产生机理与评判标准相对复杂。目前，由于传统工业相机以及机器视觉软件在精准性方面存在限制，行业内主要依赖人工目视检测来鉴别这些缺陷。

2、尽管如此，人工检测在速度和识别准确性方面存在明显的不足。某些缺陷难以通过肉眼识别，而且在对缺陷等级进行主观判断时，人类检测者往往会产生误差和漏判。这不但影响了光伏产品的质量，也限制了生产效率。

技术实现思路

1、为此，本发明提供一种基于双目视觉的光伏组件缺陷检测方法及系统，该系统能够显著提高检测效率及准确率，通过调整预设的缺陷尺寸限度值，能够迅速适应不同允许标准，提升了光伏组件的检测效率以及质量。

2、为解决上述技术问题，本发明提供一种基于双目视觉的光伏组件缺陷检测方法，包括：

3、通过两个相机从不同的角度同时获取待检测光伏组件的左右两张图像；

4、对所述左右两张图像进行特征点提取，得到所述左右两张图像的特征点并得到所述两张图像的视差图；

5、根据所述视差图，得到所述待检测光伏组件表面的三维信息，根据所述三维信息对所述待检测光伏组件进行三维重建，得到三维模型；

6、基于所述三维模型，获取所述待检测光伏组件的质量和特征相关参数；

7、提供深度学习算法模型；

8、根据深度学习算法模型结合所述质量和特征相关参数，对所述待检测光伏组件进行缺陷等级和/或缺陷类型判断，并根据判断结果生成相应的缺陷处理指令至生产系统。

9、在本发明的一种实施方式中，还包括：

10、在所述左右两张图像进行获取的同时，通过读码器获取所述待检测光伏组件的生产信息，将所述生产信息与所述左右两张图像合并后的信息，以及缺陷等级和/或缺陷类型信息进行储存。

11、在本发明的一种实施方式中，对所述左右两张图像进行特征点提取，包括：

12、对所述左右两张图像使用包括角点检测法、边缘检测法、surf特征提取法进行特征点提取。

13、在本发明的一种实施方式中，根据所述视差图，得到所述待检测光伏组件表面的三维信息，包括：

14、采用极坐标系变换法或柱面变换法计算所述待检测光伏组件表面的三维信息。

15、在本发明的一种实施方式中，所述质量和特征相关参数包括：所述待检测光伏组件的组件内部缺陷、外观质量、几何尺寸、表面平整度、角度。

16、在本发明的一种实施方式中，所述深度学习算法模型通过如下方法获取：

17、制作多个极限尺寸的缺陷模型；

18、通过工业相机拍摄所述缺陷模型的三维图像；

19、测量并调整所述缺陷模型实际尺寸与对应的所述三维图像尺寸的误差，以所述缺陷模型实际尺寸作为缺陷样本，或者，记录由极限尺寸的缺陷生成的三维图像尺寸，作为缺陷样本；

20、选择深度学习算法，输入所述缺陷样本的三维图像数据，包括无缺陷、不同缺陷等级和/或缺陷类型的判断标准，使深度学习算法进行学习和迭代，得到深度学习算法模型；

21、输入全新的三维图像数据，验证深度学习算法模型对缺陷等级和/或缺陷类型判断的准确性。

22、在本发明的一种实施方式中，对所述待检测光伏组件进行缺陷等级和/或缺陷类型判断，并根据判断结果生成相应的缺陷处理指令至生产系统，包括：

23、将所述缺陷等级分成无缺陷、轻微缺陷和严重缺陷；

24、若判断光伏组件为无缺陷，则继续进入后续生产工序；

25、若判断光伏组件为轻微缺陷，轻微缺陷不影响光伏组件性能，则通过识别光伏组件条码，拍摄缺陷部分照片，并在光伏组件生产系统内添加缺陷类型标签，以便后期追溯，随后，光伏组件进入后续工序；

26、若判断光伏组件为严重缺陷，严重缺陷影响性能及使用安全，通过识别光伏组件条码，拍摄缺陷部分照片，并在光伏组件生产系统内添加缺陷类型标签，以便后期追溯，光伏组件不进入后续工序，按照所述缺陷类型，进行相应返工或报废处理。

27、在本发明的一种实施方式中，所述缺陷类型包括：电池片划伤不良；电池栅线的断栅、分散虚印和粗栅；电池片排列的片间距不良、串间距不良、串长不良、电池串错位、电池串内错位；边框凹陷；边框上脏污和硅胶残留。

28、在本发明的一种实施方式中，所述深度学习算法采用神经网络算法。

29、本发明还提供一种基于双目视觉的光伏组件缺陷检测系统，包括：

30、图像获取单元，用于通过两个相机从不同的角度同时获取待检测光伏组件的左右两张图像；

31、视差图获取单元，用于对所述左右两张图像进行特征点提取，得到所述两张图像的特征点并得到所述左右两张图像的视差图；

32、三维模型获取单元，用于根据所述视差图，得到所述待检测光伏组件表面的三维信息，根据所述三维信息对所述待检测光伏组件进行三维重建，得到三维模型；

33、质量和特征相关参数获取单元，用于基于所述三维模型，获取所述待检测光伏组件的质量和特征相关参数；

34、深度学习算法模型单元，用于提供深度学习算法模型；

35、缺陷分级判断单元，用于根据深度学习算法模型结合所述质量和特征相关参数，对所述待检测光伏组件进行缺陷等级和/或缺陷类型判断，并根据判断结果生成相应的缺陷处理指令至生产系统。

36、本发明的上述技术方案相比现有技术具有以下优点：

37、本发明所述的一种基于双目视觉的光伏组件缺陷检测方法及系统，能够提升辨别光伏缺陷的效率与准确度，自动进行缺陷分级并给出处理指令，利用机器与算法代替人工检验，利用双目视觉与三维重建，将相机拍摄的二维图片信息合成为三维图像，把三维图像信息导入已训练好的算法中，算法判断该三维图像中是否有缺陷、及其缺陷等级和类型，并输出对应的处理指令，能够快速适应不同的允收标准，根据不同的允收标准，更改对应的预设的检测标准数值，可以实现快速切换检测标准。

技术特征：

1.一种基于双目视觉的光伏组件缺陷检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于双目视觉的光伏组件缺陷检测方法，其特征在于，还包括：

3.根据权利要求1所述的一种基于双目视觉的光伏组件缺陷检测方法，其特征在于，对所述左右两张图像进行特征点提取，包括：

4.根据权利要求1所述的一种基于双目视觉的光伏组件缺陷检测方法，其特征在于，根据所述视差图，得到所述待检测光伏组件表面的三维信息，包括：

5.根据权利要求1所述的一种基于双目视觉的光伏组件缺陷检测方法，其特征在于，所述质量和特征相关参数包括：所述待检测光伏组件的组件内部缺陷、外观质量、几何尺寸、表面平整度、角度。

6.根据权利要求1所述的一种基于双目视觉的光伏组件缺陷检测方法，其特征在于，所述深度学习算法模型通过如下方法获取：

7.根据权利要求1所述的一种基于双目视觉的光伏组件缺陷检测方法，其特征在于，对所述待检测光伏组件进行缺陷等级和/或缺陷类型判断，并根据判断结果生成相应的缺陷处理指令至生产系统，包括：

8.根据权利要求1所述的一种基于双目视觉的光伏组件缺陷检测方法，其特征在于，所述缺陷类型包括：电池片划伤不良；电池栅线的断栅、分散虚印和粗栅；电池片排列的片间距不良、串间距不良、串长不良、电池串错位、电池串内错位；边框凹陷和边框安装错位；边框上脏污和硅胶残留。

9.根据权利要求6所述的一种基于双目视觉的光伏组件缺陷检测方法，其特征在于，所述深度学习算法采用神经网络算法。

10.一种基于双目视觉的光伏缺陷检测系统，其特征在于，包括：

技术总结
本发明涉及一种基于双目视觉的光伏组件缺陷检测方法及系统。本发明包括通过两个相机从不同的角度同时获取待检测光伏组件的左右两张图像；对左右两张图像进行特征点提取，得到左右两张图像的特征点并得到所述两张图像的视差图；根据所述视差图，得到所述待检测光伏组件表面的三维信息，根据三维信息对所述待检测光伏组件进行三维重建，得到三维模型；基于三维模型，获取所述待检测光伏组件的质量和特征相关参数；提供深度学习算法模型；根据深度学习算法模型结合所述质量和特征相关参数，对所述待检测光伏组件进行缺陷等级和/或缺陷类型判断，并根据判断结果生成相应的缺陷处理指令至生产系统。本发明能够显著提高光伏组件缺陷的检测效率及准确率。

技术研发人员：曹青,曾仲,周豪浩
受保护的技术使用者：无锡尚德太阳能电力有限公司
技术研发日：
技术公布日：2024/3/31