[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

说明书

本申请提供了一种基于深度学习的太阳能电池板缺陷检测方法，所述方法至少包括以下步骤：S101，获取近红外相机采集的彩色图像；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。

技术领域

本发明专利涉及太阳能电池板表面的缺陷检测领域，具体涉及一种基于深度学习的太阳能电池板缺陷检测方法。

背景技术

太阳能作为一种清洁能源，是将太阳的光能转换成为其他形式的热能、电能，能源转换过程中不产生其他有害的气体或固体废料，是一种环保、安全、无污染的新型能源。目前，以煤，石油，天然气为代表的传统能源已日渐枯竭，所以大力发展新型能源产业是当今世界发展的必然趋势。随着全球光伏电池产业的迅猛发展，国内的太阳能电池产业规模也在不断扩大，有效的检测太阳能电池板的缺陷对光电转换效率起到了至关重要的作用，对于如何能够及时有效的在工业生产中检测出太阳能电池表面的缺陷，提升组件的使用效率和产品质量，以成为太阳能电池产业发展的一个关键所在。太阳能电池板表面断栅的缺陷会对产品质量造成一定影响，如果未能及时检出，会导致太阳能电池板的使用安全问题。

目前太阳能电池板表面的缺陷检测主要通过给电池片通正向偏置电压，使其发光，然后触发相机捕获图像，通过人工目检方式进行缺陷检测。由于检测人员主观判断标准不一，容易发生误检、漏检等问题，同时人工检测效率较低，不能满足生产线的快速检测要求。

发明内容

针对现有技术中的缺陷，本申请实施例提供了一种基于深度学习的太阳能电池板缺陷检测方法。所述技术方案如下：

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。

可选地，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。

可选地，前期准备有缺陷的训练样本，对卷积神经网络进行训练。

可选地，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。

可选地，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。

可选地，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。

可选地，所述被测样品的尺寸为：156mm*156mm，6.75mm*156.75mm.160mm*160mm。

可选地，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。

可选地，检测操作在暗室中进行。

可选地，所述图像采集设备为分辨率不低于120w的彩色相机。