[发明专利]一种基于深度学习的太阳能电池板缺陷检测方法在审
| 申请号： | 202010034120.9 | 申请日： | 2020-01-11 |
| 公开（公告）号： | CN111260617A | 公开（公告）日： | 2020-06-09 |
| 发明（设计）人： | 李文举;高小冬 | 申请（专利权）人： | 上海应用技术大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11;G06N3/08;G06N3/04;G06K9/62 |
| 代理公司： | 上海汉声知识产权代理有限公司 31236 | 代理人： | 胡晶 |
| 地址： | 200235 上海*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 深度 学习 太阳能 电池板 缺陷 检测 方法 | ||
1.一种基于深度学习的太阳能电池板缺陷检测方法，其特征在于，所述方法至少包括以下步骤：
S101，采用图像采集设备获取被测样品的彩色图像；
S102，对所述彩色图像进行RGB颜色空间分离，获取一通道图像；
S103，采用高斯滤波对所述分离的所述彩色图像的通道图像其进行预处理；
S104，对步骤S103中处理后的图像进行ROI区域划分，分离前景区域图像，以减少对图像处理所产生的影响；
S105，对图像进行分割，分离背景中的缺陷特征区域；
S106，根据太阳能电池板的缺陷的特征提取太阳能电池板有缺陷的区域；
S107，使用训练好的缺陷数据集进行预测，来对提取的缺陷进行分类。
2.根据权利要求1所述的基于深度学习的太阳能电池板缺陷检测方法，其特征在于，所述步骤S105之后，还包括：增强图像的对比度，凸显图像的表面特征，增加图像缺陷特征的锐化程度。
3.根据权利要求1所述的基于深度学习的太阳能电池板缺陷检测方法，其特征在于，前期准备有缺陷的训练样本，对卷积神经网络进行训练。
4.根据权利要求1所述的基于深度学习的太阳能电池板缺陷检测方法，其特征在于，所述通道图像为R通道、G通道以及B通道中任一通道图像。
5.根据权利要求1所述的基于深度学习的太阳能电池板缺陷检测方法，其特征在于，所述通道图像为R通道、G通道以及B通道中任意几种通道图像的叠加。
6.根据权利要求1所述的基于深度学习的太阳能电池板缺陷检测方法，其特征在于，所检测的太阳能电池板的类型为单晶硅和多晶硅，栅线的类型为二至五。
7.根据权利要求1所述的基于深度学习的太阳能电池板缺陷检测方法，其特征在于，所述被测样品的尺寸为：
156mm*156mm，6.75mm*156.75mm，160mm*160mm。
8.根据权利要求1所述的基于深度学习的太阳能电池板缺陷检测方法，其特征在于，太阳能电池板中细栅线方向有条状的黑线、色线条或区域大小不均、灰色不计入断栅。
9.根据权利要求1至7中任一所述的基于深度学习的太阳能电池板缺陷检测方法，其特征在于，检测操作在暗室中进行。
10.根据权利要求9所述的基于深度学习的太阳能电池板缺陷检测方法，其特征在于，所述图像采集设备为分辨率不低于120w的彩色相机。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海应用技术大学，未经上海应用技术大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010034120.9/1.html，转载请声明来源钻瓜专利网。
