[发明专利]一种基于EL图像的光伏组件隐裂自适应检测方法

权利要求书

1.一种基于EL图像的光伏组件隐裂自适应检测方法，其特征在于，所述方法包括下列步骤：

读取光伏组件EL图像，对光伏组件EL图像进行全局阈值分割；

提取阈值分割后的光伏组件EL图像轮廓特征参数，通过轮廓特征参数的完整度、边数进行轮廓选定；

进行轮廓选定的方法包括：

a.使用多边拟合的方法进行轮廓拟合；

b.判断在步骤a拟合后的轮廓线条个数是否为4，是则保留，否则剔除；

c.对剩余轮廓进行边界检测，判断轮廓是否与边界相连，若相连则剔除；

进行轮廓拟合的步骤如下：

a1.起始轮廓曲线是有序的一组点或线，递归地划分线为点，距离维度ε0；

a2.最初给出了第一点和最后一点之间的所有点，自动标记要保存第一个和最后一个点；

a3.找到距离第一点和最后一点组成的线段的垂直距离最远的点作为终点；

a4.如果该点离线段距离近似值小于ε，那么当前未被标记的任何点将被保存，而没有简化的曲线比ε更差的被丢弃；

a5.如果离线段最远的点距离近似值大于ε，则必须保留该点；

a6.上述步骤以第一个点和最远点递归地调用自身，然后以最远点和最后一个点，其中包括最远点被标记为保留，递归调用自身；

a7.当递归完成时，生成一个新的输出曲线，把连续光滑曲线折线化，其中包括所有且仅标记为保留的点；

通过投影变换校正轮廓选定后的光伏组件EL图像并分割得到单块电池片EL图像；

对每块电池片EL图像进行灰度直方图检测，根据检测结果去除图像的灰度自带干扰；

对去除灰度自带干扰的电池片EL图像进行双边滤波，去除电池片EL图像的噪声；

对去除噪声的电池片EL图像获取纵向投影图，获取电池片主栅线的位置，对电池片主栅线进行屏蔽处理；

对去除主栅线干扰的电池片EL图像进行霍夫直线检测，获取清晰的隐裂图像。

2.根据权利要求1所述的一种基于EL图像的光伏组件隐裂自适应检测方法，其特征在于，全局阈值分割的方法包括：通过光伏组件EL图像的灰度直方图确定阈值，在进行全局阈值分割时以此阈值对图像进行阈值分割。

3.根据权利要求1所述的一种基于EL图像的光伏组件隐裂自适应检测方法，其特征在于，提取轮廓特征参数的方法包括：使用轮廓提取算法检测所有轮廓，提取阈值分割后图像的轮廓特征参数，获取轮廓的数量、点的坐标。

4.根据权利要求1所述的一种基于EL图像的光伏组件隐裂自适应检测方法，其特征在于，通过投影变换校正轮廓选定后的光伏组件EL图像并分割得到单块电池片EL图像的方法包括：建立几何失真双线性方程模型，选取原图像的四个基准点和对应目标图像四个点的坐标，建立各基准点坐标变换的双线性方程，计算获取几何校正参数，对原图像进行投影变换，从而进行图像几何投影校正，通过校正后光伏组件图像的轮廓信息，对光伏组件校正图像进行分割，获取每块组件的EL图像，根据每块组件EL图像的像素信息对其进行裁剪，切分成m×n的电池片EL图像。

5.根据权利要求1所述的一种基于EL图像的光伏组件隐裂自适应检测方法，其特征在于，去除灰度自带干扰的方法包括：对光伏组件图像的每个组件图像分割出来的电池片图像进行灰度直方图检测，从而获取电池片图像背景的灰度值，根据检测结果，去除背景的灰度自带干扰。

6.根据权利要求1所述的一种基于EL图像的光伏组件隐裂自适应检测方法，其特征在于，通过加权双边滤波和曲波变换联合去噪方法去除电池片EL图像的噪声，具体步骤如下：

v.通过加权双边滤波，将电池片噪声图像分解为低频图像和高频噪声图像；

w.对高频噪声图像进行曲波变换，得到不同尺度上的曲波系数；

x.采取软、硬阈值函数相折中的方式，对曲波系数做阈值处理；

y.利用曲波逆变换对阈值处理后的曲波系数进行重构，得到高频去噪图像；

z.将高频去噪图像和低频图像融合成一幅图像，获取电池片去噪图像。