[发明专利]基于人工智能的光伏电池内部缺陷类别检测方法及系统

权利要求书

1.基于人工智能的光伏电池内部缺陷类别检测系统，其特征在于，该系统包括：

电池板缺陷感知模块、内部缺陷分析模块与缺陷类别判断模块；

所述电池板缺陷模块，用于采集电池板图像，获取电池板缺陷区域语义图像，得到所述缺陷区域的最小外接矩形区域；

所述内部缺陷分析模块，包括面积占比单元、温度离散单元和电池片效率单元；

所述面积占比单元，用于获取所述缺陷区域的面积Sum和所述最小外接矩形区域的面积S_矩形，得到所述缺陷区域在所述最小外接矩形区域的面积占比A；

所述温度离散单元，用于获取电池板温度T，根据所述电池板温度的均值D(T)和方差σ(T)得到电池板温度的离散程度V；

所述电池片效率单元，用于获取所述最小外接矩形区域的电压值U、电流值I、面积S矩形和光照强度E，得到所述最小外接矩形区域的发电效率μ；

所述缺陷类别判断模块，用于根据所述面积占比A、所述电池板温度的离散程度V和所述最小外接矩形区域的发电效率μ所构建的缺陷类别判断函数H，通过所述判断函数H与预设阈值判断缺陷类别。

2.根据权利要求1所述的基于人工智能的光伏电池内部缺陷类别检测系统，其特征在于：

所述判断函数H为：

其中，a为预设常数。

3.根据权利要求1所述的基于人工智能的光伏电池内部缺陷类别检测系统，其特征在于：

所述电池板温度的离散程度V为：

其中，K为预设常数。

4.根据权利要求1所述的基于人工智能的光伏电池内部缺陷类别检测系统，其特征在于：

所述缺陷类别包括线状隐裂缺陷、混档缺陷和黑片缺陷。

5.基于人工智能的光伏电池内部缺陷类别检测方法，其特征在于，包括步骤：

采集电池板图像，获取电池板缺陷区域图像，得到所述缺陷区域的最小外接矩形；

获取所述缺陷区域的面积Sum和所述最小外接矩形区域的面积S_矩形，得到所述缺陷区域在所述最小外接矩形区域的面积占比A；

获取电池板温度T，根据所述电池板温度的均值D(T)和方差σ(T)得到电池板温度的离散程度V；

获取所述最小外接矩形区域的电压值U、电流值I、面积S_矩形和光照强度E，得到所述最小外接矩形区域的发电效率μ；

根据所述面积占比A、所述电池板温度的离散程度V和所述最小外接矩形区域的发电效率μ所构建的缺陷类别判断函数H，通过所述判断函数H与预设阈值判断缺陷类别；所述缺陷类别包括线状隐裂缺陷、混档缺陷和黑片缺陷。

6.根据权利要求6所述的基于人工智能的光伏电池内部缺陷类别检测方法，其特征在于：

所述判断函数H为：

其中，a为预设常数。

7.根据权利要求6所述的基于人工智能的光伏电池内部缺陷类别检测方法，其特征在于：

所述电池板温度的离散程度V为：

其中，K为预设常数。

8.根据权利要求6所述的基于人工智能的光伏电池内部缺陷类别检测方法，其特征在于：

所述缺陷类别包括线状隐裂缺陷、混档缺陷和黑片缺陷。

9.根据权利要求6所述的基于人工智能的光伏电池内部缺陷类别检测方法，其特征在于，通过所述判断函数H与预设阈值判断缺陷类别的步骤包括：

当判断函数H的值小于预设阈值以及小于0时，判断黑片缺陷；

当判断函数H的值小于预设阈值以及大于0时，判断混档缺陷；

当判断函数H的值大于预设阈值时，判断线状隐裂缺陷。