[发明专利]一种基于CNN分割的太阳能光伏硅片瑕疵检测系统及方法

权利要求书

1.一种基于CNN分割的太阳能光伏硅片瑕疵检测系统，其特征在于，包括如下模块：

图片收集和标注模块，用于采集一定数量的太阳能硅片图片作为训练图片，并对其进行数据标注；

第一图像预处理模块，在训练阶段，根据训练图像以及其对应的标注数据，对图像数据进行裁切、数据增强，建立训练集；

训练模块，用于训练集建立好之后，搭建CNN网络便于自动归纳硅片训练集特征，获得权值文件；

验证模块，用于测试生成的权值文件是否达到使用状态，若达到则可以部署使用，否则重新调整训练集，迭代训练，直到满足要求；

图像采集模块，用于在线获取图像；

第二图像预处理模块，用于根据瑕疵分布区域的特点，对采集图像做适当裁剪；

预测模块，用于通过CNN网络中卷积和反卷积操作，生成灰度级为0～255的单通道灰度图，灰度图中每个像素位置的灰度级代表对应位置为瑕疵的分值，灰度图即为概率图；

后处理模块，用于通过灰度阈值和面积阈值对预测模块中生成的概率图进行过滤，以此保留具有小的瑕疵但仍具有使用价值的硅片，避免硅片浪费；

输出模块，用于输出一幅二值图像；

所述训练模块具体包括：

输入单元，用于将训练集中某一张硅片图片输入到CNN网络中；

输出单元，用于经过卷积和反卷积操作进行前向传播，输出一幅概率图像；

计算单元，用于利用此张太阳能硅片图片对应的标注图与该概率图计算损失；

生成单元，用于根据二者的误差采用链式法则进行反向传播来调整权值，直至收敛，生成最终的权值文件；

所述图片收集和标注模块中的数据标注是以单通道图片形式建立，不存在瑕疵的太阳能硅片图片对应的标注数据为一张全黑的图片，存在瑕疵的太阳能硅片产品图片对应的标注数据为一张部分区域高亮的图片，高亮区域对应瑕疵的区域；

所述验证模块采用包括检测率的验证指标，达到需求的检测率则停止迭代训练。

2.如权利要求1所述的基于CNN分割的太阳能光伏硅片瑕疵检测系统，其特征在于：所述太阳能硅片图片包括存在瑕疵的太阳能硅片产品图片和不存在瑕疵的太阳能硅片图片。

3.一种基于CNN分割的太阳能光伏硅片瑕疵检测方法，其特征在于，包括如下步骤：

S1：采集一定数量的太阳能硅片图片作为训练图片，并对其进行数据标注；

S2：在训练阶段，根据训练图像以及其对应的标注数据，对图像数据进行裁切、数据增强，建立训练集；

S3：训练集建立好之后，搭建CNN网络便于自动归纳硅片训练集特征，获得权值文件；

S4：测试生成的权值文件是否达到使用状态，若达到则可以部署使用，否则重新调整训练集，迭代训练，直到满足要求；其中，迭代训练采用包括检测率的验证指标，达到需求的检测率则停止迭代训练；

S5：在线获取图像；

S6：根据瑕疵分布区域的特点，对采集图像做适当裁剪；

S7：通过CNN网络中卷积和反卷积操作，生成灰度级为0～255的单通道灰度图，灰度图中每个像素位置的灰度级代表对应位置为瑕疵的分值，灰度图即为概率图；

S8：通过灰度阈值和面积阈值对预测模块中生成的概率图进行过滤，以此保留具有小的瑕疵但仍具有使用价值的硅片，避免硅片浪费；

S9：输出一幅二值图像；

S3具体包括：

S31：将训练集中某一张硅片图片输入到CNN网络中；

S32：经过卷积和反卷积操作进行前向传播，输出一幅概率图像；

S33：利用此张太阳能硅片图片对应的标注图与该概率图计算损失；

S34：根据二者的误差采用链式法则进行反向传播来调整权值，直至收敛，生成最终的权值文件；

数据标注是以单通道图片形式建立，不存在瑕疵的太阳能硅片图片对应的标注数据为一张全黑的图片，存在瑕疵的太阳能硅片产品图片对应的标注数据为一张部分区域高亮的图片，高亮区域对应瑕疵的区域。

4.如权利要求3所述的基于CNN分割的太阳能光伏硅片瑕疵检测方法，其特征在于：所述太阳能硅片图片包括存在瑕疵的太阳能硅片产品图片和不存在瑕疵的太阳能硅片图片。