[发明专利]一种基于色差直方图与DAG-SVMs的光伏电池片颜色分类算法

说明书

本发明公开一种基于色差直方图与DAG‑SVMs的光伏电池片颜色分类算法，通过对采集的原始图像进行预处理之后，得到目标图像；对目标图像进行颜色空间转换之后，为准确提取光伏电池片图像的色彩信息并简化计算量，进行图像维数量化；通过色差直方图的计算获得图像的特征向量，由此建立图像特征信息库，进行训练学习，利用六类样本分类的支持向量机分类器进行DAG‑SVMs分类，实现对光伏电池片的颜色分类。本发明算法对传统的一般只能解决二分类问题的支持向量法进行了改进，提出了可以解决k分类问题的DAG‑SVMs算法，以此实现对光伏电池片六类颜色的分类。本发明算法应用性强，分类准确度高。

技术领域

本发明涉及光伏电池片制造技术领域，具体是一种基于色差直方图与DAG-SVMs的光伏电池片颜色分类算法。

背景技术

在环境问题日益严重、能源日益减少的情况下，新能源产业的发展至关重要。光伏电池产业作为新能源产业的主力，发展极为迅速。我国作为光伏生产制造大国，已经形成了较为完整的光伏产业链。在新的技术和产品在不断涌现的同时，针对光伏电池片、光伏组件的质量要求也在不断提高。其中，由于光伏电池片的生产工艺导致的电池片颜色各异在行业内被称为电池片颜色色差。现阶段，国内对于光伏电池片的颜色分类主要依靠人眼进行识别，分类的效率和准确性较低。因此，光伏电池片颜色分类实现智能化具有很大的现实意义。

发明内容

针对光伏电池片颜色分类现有技术的不足，本发明拟解决的技术问题是，提供一种基于色差直方图与DAG-SVMs的光伏电池片颜色分类算法。该算法首先对采集的光伏电池片图像进行预处理，即根据图片的灰度直方图中背景区域和电池片区域的平均亮度的不同，选取适合当前图像的最优阈值，完成图像的初步分割；采用图像的区域形态学处理，将图像中的皮带部分去除，再经过图像仿射变换实现目标图像的获取；将目标图像由RGB颜色空间转化为L*a*b*颜色空间，再进行图像维数的量化，计算图像的色差直方图，由此获得图像的特征向量，可实现光伏电池片的图像特征提取；建立图像特征信息库，建立训练库，将图像的特征向量载入样本分类器中，进行DAG-SVMs分类，可实现光伏电池片颜色分类。

本发明提供了一种基于色差直方图与DAG-SVMs的光伏电池片颜色分类算法，其特征在于，该方法的具体步骤是：

第一步：图像预处理

1-1图像获取：通过智能彩色工业相机获取光伏电池片图像；

1-2图像初步分割：在步骤1-1的基础上，根据光伏电池片原始图像的灰度直方图中背景区域和电池片区域的平均亮度的不同，选取最优阈值，完成图像的初步分割；

1-3图像形态调整：在步骤1-2的基础上，采用图像区域形态学处理，将图像中的皮带部分去除；

1-4图像配准：在步骤1-3的基础上，采用仿射变换，将光伏电池片图像进行配准，获取目标图像；

第二步：图像特征提取

2-1颜色空间的转换：在步骤1-4的基础上，将目标图像从RGB颜色空间转换到L*a*b*颜色空间，XYZ作为转换的过渡颜色空间；

2-2图像维数的量化：在步骤2-1的基础上，在获得图像最大保真度的基础上，基于L*a*b*颜色空间各分量对图像维数进行量化，量化后的维数记作W＝W₁*W₂*W₃；

2-3色差直方图的获取：在步骤2-2的基础上，计算图像坐标点(m,n)的R邻域的色差d(m,n)，经过高斯隶属函数模糊化得到色差直方图系数U_d(m,n)，由此可得到以(m,n)为中心的M*M大小的色差直方图H(I,j,k)；