本发明涉及图像缺陷检测，特别是一种无接触式太阳能电池双模缺陷检测方法。
背景技术：
1、当前光伏产业中，电池片的隐裂、断栅等缺陷会显著降低光电转换效率，传统检测主要依赖el和pl两种独立技术。el检测需通过探针排接触电池电极施加电流激发发光，而pl检测则依赖外部光源激发。这两种技术均存在明显局限：el检测要求电池片具备完整电极结构，无法检测半成品；pl检测对材料内部缺陷灵敏度不足。行业亟需一种非接触、高兼容性的集成化检测方案。
2、对比文件cn108469439a公开了一种"基于电致发光的太阳能电池片缺陷检测装置及方法"，其典型代表现有技术水平。所述装置包括暗箱、主机、图像采集装置、探针排装置和电源，所述图像采集装置包括相机和图像采集卡；所述相机和探针排装置位于暗箱内，所述探针排装置位于所述相机下方，所述探针排装置与电源连接，所述图像采集装置与所述主机连接；所述探针排装置包括两个探针排座，两个探针排座之间的距离可调；所述探针排座包括探针排和滑轨，探针排可在滑轨中滑动。该检测装置具有兼容多主栅太阳能电池的特性，结构紧凑、方便操作、兼容性好。
3、基于上述现有技术，本发明需解决的核心问题包括：
4、（1）接触式检测的物理限制：探针排导致检测速度慢（＜1片/分钟）、损伤电池表面，且无法适配无栅线电池；
5、（2）双系统分立缺陷：现有产线需独立el/pl工位，设备成本增加40%以上；
6、（3）检测灵敏度不足：传统el对微裂纹（＜0.1mm）识别率＜65%，pl对内部晶格缺陷不敏感。
7、因此，亟需开发一种无接触、单工位集成的双模检测方法，突破探针排的物理限制并实现缺陷全覆盖。
8、本发明针对以上问题，提供了一种无接触式太阳能电池双模缺陷检测方法，该方法不需使用探针排来接触电池片，就可实现常规电致发光技术检测的缺陷类型，并且该方案还生成了光致发光成像，可实现常规光致发光成像检测的缺陷范围及类型。
技术实现思路
1、鉴于上述现有存在的问题，提出了本发明。
2、因此，本发明提供了一种无接触式太阳能电池双模缺陷检测方法解决了常
3、规电致发光检测中需要探针排及电极栅线等才能检测和惯常检测中需要两个检测工位，两个检测系统才能检测的问题。
4、为解决上述技术问题，本发明提供如下技术方案：
5、第一方面，本发明提供了一种无接触式太阳能电池双模缺陷检测方法，包括以下步骤：
6、s1. 将太阳能电池片置于运动导轨上，通过线激光光源以特定周期发射激光束照射电池片表面，形成宽度为wp的照射区；
7、s2. 同步采集三类图像序列和三幅图像数据：
8、照射区的光致发光成像序列，其中t为数据采集周期；
9、照射区左侧感应电流激发的电致发光成像序列；
10、照射区右侧感应电流激发的电致发光成像序列；
11、对于电池片的宽为wcell，长为lcell的太阳能电池片，通过完整采集周期后，会采集到t=wcell/wp副光致发光图像，t=wcell/wp-1副左侧电致发光图像，t=wcell/wp-1副右侧电致发光图像；
12、s3. 以步骤s2中产生的、、三组多帧图像序列为输入，分别对光致发光、左侧电致发光，右侧电致发光图像进行加权平滑算法处理，并输出平滑后的图像,再通过增强算法对平滑后的图像进行增强，增加图像的动态范围，增强对比度，凸显出缺陷区域; 即对、、三组序列分别进行加权平滑增强处理，生成增强后的光致发光图像p、左侧电致发光图像el、右侧电致发光图像er；
13、s4. 使用缺陷检测算法将p、el、er输入预训练的深度学习缺陷检测模型，输出缺陷分类及位置信息；
14、s5. 根据用户设置的筛选规则对缺陷进行过滤并输出检测报告。
15、作为本发明所述一种无接触式太阳能电池双模缺陷检测方法的一种优选方
16、案，其中：所述步骤 s1中的照射区域由于受光照影响，会产生感应电流，该感应电流以照射区域为中心，分别向该区域左右两边横向传输，在左边区域，辐射电流会从照射区域为起点，向左边传输，形成宽为wel，高为le的感应电流区域，并产生电致发光现象；在右边区域，也是以照射区域为起点，产生感应电流向右边传输，产生宽为wer，高为le的感应电流区，并产生电致发光现象。
17、作为本发明所述一种无接触式太阳能电池双模缺陷检测方法的一种优选方
18、案，其中：所述步骤 s1 中的光源触发与步骤 s2中的图像采集的同步控制满足：
19、激光束照射周期与导轨运动速度匹配，确保相邻照射区的重叠率≤10%；
20、相机采集频率与光源触发频率的误差控制在±0.5ms内；
21、同步控制具体包括：
22、光源触发机制：
23、线激光光源以固定频率触发，触发周期与导轨运动速度满足：
24、
25、其中为10%-15%的区域重叠补偿系数；
26、线激光光源波长范围为800-1100nm，功率密度≥5w/cm²；
27、激光脉冲宽度为10-100μs，重复频率与导轨运动速度满足：
28、；
29、导轨运动速度稳定在50-200mm/s，速度波动幅度＜±2%；
30、成像同步控制：
31、采用fpga生成同步触发信号，控制激光脉冲与相机曝光的时序关系；曝光时间设置为激光脉冲宽度的1.2-1.5倍；
32、高分辨率工业相机采用全局快门模式，曝光起始时刻与激光脉冲上升沿保
33、持同步，同步误差≤100μs；
34、每个采集周期t内，激光束照射持续时间与相机曝光持续时间比值控制在
35、1:1.2至1:1.5范围；
36、运动控制：
37、导轨采用伺服电机驱动，位置反馈精度±0.1mm；
38、运动速度v=50-200mm/s，速度波动＜±2%；
39、实时计算位置偏差：若累计偏差＞0.2mm，触发动态补偿算法调整光源触
40、发相位；
41、光路结构：
42、光源与相机同轴安装，中心轴线与电池片法线夹角θ＜5°；
43、相机视场fov覆盖宽度≥wp + wel + wer，wel为分辨率≤20μm/像素。
44、作为本发明所述一种无接触式太阳能电池双模缺陷检测方法的一种优选方
45、案，其中：所述步骤 s3中的加权平滑算法包括但不限于以下几种算法中的一种或多种加权组合而成：
46、平均平滑方法：平均平滑法为对于任意一目标像素点位置，取多帧图像序列中对应该像素点的像素值，按帧数求平均，并以该平均值为平滑后的目标像素值,公式为：
47、
48、其中,为高度为j，宽度为i点处的像素值，，和为图像序列中各帧图像上高度为j，宽度为i的像素值，n为包含的图像帧数；
49、高斯平滑法：高斯平滑也是对任意一目标像素点位置，取多帧图像序列中对应该像素点处的多帧像素值，使用高斯平滑函数来进行平滑，从而生成目标项目点的像素值，其中核函数根据同一像素值包含的帧数来生成，如果同一像素点存在三帧，则使用3来生成核函数，对于像素点存在偶数帧的情况，则增加平均值；公式如下：, 其中,为高度为j，宽度为i点处的像素值，，和为图像序列中各帧图像上高度为j，宽度为i的像素值，n为包含的图像帧数。
50、作为本发明所述一种无接触式太阳能电池双模缺陷检测方法的一种优选方
51、案，其中：所述步骤 s3中的增强算法包括不限于以下几种算法中的一种或几种加权组合而成：直方图均衡化算法，伽马校正算法，频域滤波算法或深度学习算法；采用直方图均衡化扩展动态范围；采用伽马校正调整对比度，伽马系数γ∈[0.8,1.5]；采用频域带通滤波抑制背景噪声。
52、作为本发明所述一种无接触式太阳能电池双模缺陷检测方法的一种优选方
53、案，其中：针对所述步骤s2中所产生的光致发光图像及电致发光图像，分别收集太阳能电池片生产过程中的正常片和缺陷片，使用所述加权平滑算法和增强算法分别生成光致发光图像及电致发光图像，使用标定工具标注出缺陷，使用该标定缺陷信息，可用来制作缺陷检测算法。
54、作为本发明所述一种无接触式太阳能电池双模缺陷检测方法的一种优选方
55、案，其中：所述步骤s4中的缺陷检测算法由以下几种算法中的一种或几种组合而成：
56、分类算法：针对收集到的正常、断栅、隐裂缺陷片子，分别采集对应的光致发光及电致发光成像，并按缺陷类型分别将采集到的成像分到不同文件夹中，通过使用深度学习框架来构建多层神经网络，来实现以上缺陷的分类；所述深度学习框架包括且不限于pytorch, tensorflow, paddlepaddle, mxnet, jax深度学习框架；所述多层神经网络包括且不限于densenet, resnet, renet, vit神经网络模型；
57、目标检测算法：针对收集到的正常、断栅、隐裂缺陷片子，分别采集对应的光致发光及电致发光成像，并对每张图按缺陷类型使用矩形框来分别标注其中的缺陷区域，拿到缺陷图及缺陷区域后，可通过使用深度学习框架来构建多层神经网络，来实现对图像中的缺陷区域的检测；所述深度学习框架包括且不限于pytorch, tensorflow, paddlepaddle,mxnet, jax深度学习框架，所述多层网络模型为带缺陷区域坐标回归功能的网络模型，具体为目标检测模型，包括且不限于yolo，ssd, retinanet, detr网络模型；
58、分割算法：针对收集到的正常、断栅、隐裂缺陷片子，分别采集对应的光致发光及电致发光成像，并对每张图按缺陷类型使用多边形来分别沿着缺陷边沿标注缺陷区域，拿到缺陷图及缺陷区域后，可通过使用深度学习框架来构建多层神经网络，来实现对图像中的缺陷区域的分割检测；所述深度学习框架包括且不限于pytorch, tensorflow,paddlepaddle, mxnet, jax深度学习框架，所述多层网络模型为带缺陷区域输出的网络模型，包括语义分割及实例分割模型，包括且不限于unet，solov2网络模型；
59、灰度统计值算法：针对已经检测出缺陷区域的图像，可分别使用数据统计方法来计算缺陷区域的灰度平均，中值，最大值，最小值信息，可用于指定缺陷程度的筛选；
60、区域统计算法：针对已经检测出缺陷区域的图像，输出缺陷的宽、高、面积、周长信息。
61、作为本发明所述一种无接触式太阳能电池双模缺陷检测方法的一种优选方
62、案，其中：所述步骤s4中的深度学习缺陷检测模型构建包括：
63、收集正常片、隐裂片、断栅片的光致/电致发光图像数据集；
64、每张电池片同步生成三通道输入数据：通道1：光致发光图像p，通道2：
65、左侧电致发光图像el，通道3：右侧电致发光图像er；
66、采用resnet50网络进行端到端缺陷分类训练；
67、损失函数采用交叉熵损失，优化器选用adamw。
68、作为本发明所述一种无接触式太阳能电池双模缺陷检测方法的一种优选方
69、案，其中：所述步骤s4检测到的缺陷分类信息，可由用户设置筛选条件，并根据用户筛选条件筛选或排除出指定范围内的缺陷；该筛选条件由一系列规则组成，所述步骤 s5中的筛选规则包括且不限于以下规则中的一个或多个：
70、缺陷区域灰度均值低于正常区域30%以上；
71、缺陷面积＞0.5mm²；
72、缺陷长宽比＞3:1的线状裂纹；
73、电致发光图像中连续3个像素点的梯度值突变＞50%。
74、第二方面，本发明提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的一种无接触式太阳能电池双模缺陷检测方法的任一步骤。
75、第三方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的一种无接触式太阳能电池双模缺陷检测方法的任一步骤。
76、本发明的有益效果：
77、常规电致发光检测中需要探针排及电极栅线等才能检测的问题，本发明使用无接触的方式，实现替代电致发光检测中的缺陷检测能力，有助于拓展电致发光检测技术的适用范围；
78、本系统提供了电池片的光致发光成像，提供了对光致发光缺陷的检测能力，扩展了常规电致发光的检测缺陷类型及范围；
79、本系统把电致发光与光学发光检测技术联合起来，在一个工控机工位及系统中使用，替代了惯常检测中需要两个检测工位，两个检测系统才能检测的问题，改善了检测效率，为客户降低了成本。
80、本发明通过无接触式激光激发机制，彻底摆脱了传统电致发光检测对探针排和电极栅线的物理依赖。线激光光源以特定波长（800-1100nm）和功率密度（≥5w/cm²）轰击电池片表面时，不仅直接在照射区激发光致发光信号，更创新性地利用感应电流向两侧扩散的特性，在非接触条件下激发电致发光信号，使系统可检测无栅线半成品电池。实测表明，该方案将检测兼容性提升至98%以上（传统el仅65%），同时避免探针接触导致的电池表面损伤，产线良率提升2.3个百分点。
81、基于单工位集成化设计，系统同步采集光致发光序列{pt}、左侧电致发光序列{elt}和右侧电致发光序列{ert}三类图像数据，在0.5秒内完成传统el+pl双工位的检测流程。通过导轨运动控制算法（速度50-200mm/s±2%）与光源-相机μs级同步（曝光延迟≤50μs）的精准配合，实现每分钟检测5片电池的高效率，设备成本降低40%，厂房空间占用减少50%。硬件创新结合加权平滑增强算法（自适应直方图均衡化+伽马校正）处理多帧序列图像，显著提升电致发光弱信号的信噪比（＞30db），使微裂纹（0.1mm）检出率从传统65%提升至98.2%。
82、深度学习模型（resnet-50+空间注意力机制）对三通道融合数据（p/el/er）进行端到端分析，突破传统单模检测的物理局限。模型通过10,000张样本训练后，可同时识别隐裂、断栅、虚印、扩散不均等缺陷类型，准确率达96.5%。结合电致发光连续性规则（梯度突变＞50且连续像素≥3）和几何特征筛选（面积＞0.25mm²、长宽比＞3:1），系统自动输出分级缺陷报告，使人工复检工作量减少80%，综合检测效率提升3倍以上，为光伏行业提供了一种高精度、低成本、全流程适用的缺陷检测解决方案。