光伏组件主栅线露白缺陷的检测方法技术

本发明专利技术涉及光伏组件主栅线检测技术领域，具体涉及一种光伏组件主栅线露白缺陷的检测方法，将主栅线固有的工艺规则加入基于图像处理的图像切割算法中构建一个自适应的光伏组件主栅线切割算法，以切割出单独的主栅线，通过卷积神经网络模型判断是否存在露白缺陷，能高效准确的检测出主栅线有无露白缺陷。高效准确的检测出主栅线有无露白缺陷。高效准确的检测出主栅线有无露白缺陷。

【技术实现步骤摘要】
光伏组件主栅线露白缺陷的检测方法


[0001]本专利技术涉及光伏组件主栅线检测
，具体涉及一种光伏组件主栅线露白缺陷的检测方法，尤其是一种基于卷积神经网络模型的光伏组件主栅线露白缺陷的检测方法。

技术介绍

[0002]太阳能作为一种可再生的清洁能源，愈来愈受到市场的青睐和重视。太阳能电池片光伏组件作为太阳能发电的核心部件，其产品质量直接关系到电池片的功率损失，电池片存在严重质量问题可能导致整块光伏组件报废；因此对光伏组件电池片进行缺陷检测，具有十分重要的研究意义和经济价值。
[0003]现有光伏组件缺陷的检测方法，仅在受控条件下或复杂的图像捕获系统中工作良好，但是对于某些细小的光伏组件缺陷，尤其是主栅线露白等缺陷，不能实现高效、准确的检测；此外，EVA薄膜的干扰、传送带的机械振动以及不同的光照条件等外部环境因素，对主栅线露白缺陷的检测形成很大的干扰。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的缺陷，提供一种光伏组件主栅线露白缺陷的检测方法，能高效准确的检出主栅线有无露白缺陷。
[0005]为实现上述目的，本专利技术采用了如下技术方案：
[0006]一种光伏组件主栅线露白缺陷的检测方法，其包括以下步骤：
[0007]步骤A，获取光伏组件的光伏组件初始图像I
O
并将其转换为光伏组件灰度图像I
G
，依据光伏组件灰度图像I
G
得到单独电池片区域图像I
S
；
[0008]步骤B，依据所述单独电池片区域图像I
S
，计算该电池片的电池片倾斜角度A
T
；依据该电池片的电池片倾斜角度A
T
对单独电池片区域图像I
S
进行校正，得到校正后的单独电池片区域图像I
C
；
[0009]步骤C，依据光伏组件预存的规格参数以及电池片主栅线的固有属性，构建约束条件；
[0010]步骤D，依据所述约束条件对单独电池片区域图像I
C
进行处理，依据约束条件定位主栅线条并切割出的包含完整的主栅线条的主栅线条图像；
[0011]步骤E，将所述主栅线条图像输入卷积神经网络模型，卷积神经网络模型输出露白缺陷判定结果，露白缺陷判定结果为有露白缺陷或无露白缺陷。
[0012]优选的，所述检测方法还包括以下步骤：
[0013]步骤F，若所述主栅线条图像有露白缺陷，则依据该主栅线条图像计算露白缺陷的长度和宽度。
[0014]优选的，所述步骤A包括以下子步骤：
[0015]步骤A1，获取光伏组件的光伏组件初始图像I
O
，将光伏组件初始图像I转换为光伏
组件灰度图像I
G
；
[0016]步骤A2，分别按行、列对所述光伏组件灰度图像I
G
的像素值求和，得到相应的光伏组件的行直方图I
H1
和列直方图I
H2
；
[0017]步骤A3，依据所述光伏组件的行直方图I
H1
和列直方图I
H2
的波峰波谷，去除光伏组件灰度图像I
G
的上、下、左、右空白区域；
[0018]步骤A4，依据所述光伏组件的预存的规格参数，获取光伏组件中电池片的排列规则；依据所述光伏组件的行直方图I
H1
和列直方图I
H2
的波峰波谷，切割出单独电池片区域图像I
S
。
[0019]优选的，所述步骤B包括以下子步骤：
[0020]步骤B1，对所述单独电池片区域图像I
S
进行二值化处理，得到该电池片区域的单独电池片二值化图像I
B
；
[0021]步骤B2，计算所述单独电池片二值化图像I
B
边缘化后的Randon变换矩阵中的峰值，将所有峰值从小到大排列，取前n0个小于所有峰值的平均值的峰值的点角度平均值作为该电池片的电池片倾斜角度A
T
；5≤n0≤10；
[0022]步骤B3，依据所述电池片倾斜角度A
T
和旋转算法，旋转单独电池片区域图像I
S
，得到校正后的单独电池片区域图像I
C
。
[0023]优选的，所述电池片主栅线的固有属性包括主栅线中心位置、主栅线长度和主栅线宽度；
[0024]所述约束条件包括：
[0025]条件1，各主栅线的中心位置分别位于电池片的高度方向的预设比例处；
[0026]条件2，半片电池片的主栅线长度是全片电池片的主栅线长度的1/2；
[0027]条件3，主栅线宽度为预设固定值。
[0028]优选的，所述电池片为5BB电池片，则约束条件为：
[0029]条件1，各主栅线中心位置分别位于电池片高度的0.1,0.3,0.5,0.7,0.9比例处；
[0030]条件2，半片电池片的主栅线长度是全片电池片的主栅线长度的1/2；
[0031]条件3，主栅线宽度为0.55
‑
0.85mm。
[0032]优选的，所述5BB电池片的主栅线宽度为0.7mm。
[0033]优选的，所述电池片为9BB电池片，则约束条件为：
[0034]条件1，各主栅线中心位置分别位于电池片高度的0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9比例处；
[0035]条件2，半片电池片的主栅线长度是全片电池片的主栅线长度的1/2；
[0036]条件3，主栅线宽度为0.2
‑
0.3mm。
[0037]优选的，所述9BB电池片的主栅线宽度为0.25mm。
[0038]优选的，在步骤D中，依据所述约束条件，对单独电池片区域图像I
C
上、下各拓展1.8
‑
2.2％个电池片大小的像素，使切割出的主栅线条图像包括完整的主栅线条。
[0039]优选的，所述卷积神经网络模型对主栅线条图像进行以下处理：
[0040](1)将尺寸为1
×
512
×
8的主栅线条图像输入卷积神经网络模型，经过两个3
×
3的卷积组，输出第一图像，尺寸为24
×
512
×
8；
[0041](2)第一图像经过三个3
×
3的卷积组，其中第一个卷积组中卷积步长为2，输出第
二图像，尺寸为48
×
256
×
4；
[0042](3)第二图像经过四个3
×
3的卷积组，其中第一个卷积组中卷积步长为2，输出第三图像，尺寸为96
×
128
×
2；
[0043](4)第三图像经过一个1
×<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏组件主栅线露白缺陷的检测方法，其特征在于，其包括以下步骤：步骤A，获取光伏组件的光伏组件初始图像I
O
并将其转换为光伏组件灰度图像I
G
，依据光伏组件灰度图像I
G
得到单独电池片区域图像I
S
；步骤B，依据所述单独电池片区域图像I
S
，计算该电池片的电池片倾斜角度A
T
；依据该电池片的电池片倾斜角度A
T
对单独电池片区域图像I
S
进行校正，得到校正后的单独电池片区域图像I
C
；步骤C，依据光伏组件预存的规格参数以及电池片主栅线的固有属性，构建约束条件；步骤D，依据所述约束条件对单独电池片区域图像I
C
进行处理，依据约束条件定位主栅线条并切割出的包含完整的主栅线条的主栅线条图像；步骤E，将所述主栅线条图像输入卷积神经网络模型，卷积神经网络模型输出露白缺陷判定结果，露白缺陷判定结果为有露白缺陷或无露白缺陷。2.根据权利要求1所述的光伏组件主栅线露白缺陷的检测方法，其特征在于：所述检测方法还包括以下步骤：步骤F，若所述主栅线条图像有露白缺陷，则依据该主栅线条图像计算露白缺陷的长度和宽度。3.根据权利要求1或2所述的光伏组件主栅线露白缺陷的检测方法，其特征在于：所述步骤A包括以下子步骤：步骤A1，获取光伏组件的光伏组件初始图像I
O
，将光伏组件初始图像I
O
转换为光伏组件灰度图像I
G
；步骤A2，分别按行、列对所述光伏组件灰度图像I
G
的像素值求和，得到相应的光伏组件的行直方图I
H1
和列直方图I
H2
；步骤A3，依据所述光伏组件的行直方图I
H1
和列直方图I
H2
的波峰波谷，去除光伏组件灰度图像I
G
的上、下、左、右空白区域；步骤A4，依据所述光伏组件的预存的规格参数，获取光伏组件中电池片的排列规则；依据所述光伏组件的行直方图I
H1
和列直方图I
H2
的波峰波谷，切割出单独电池片区域图像I
S
。4.根据权利要求1或2所述的光伏组件主栅线露白缺陷的检测方法，其特征在于：所述步骤B包括以下子步骤：步骤B1，对所述单独电池片区域图像I
S
进行二值化处理，得到该电池片区域的单独电池片二值化图像I
B
；步骤B2，计算所述单独电池片二值化图像I
B
边缘化后的Randon变换矩阵中的峰值，将所有峰值从小到大排列，取前n0个小于所有峰值的平均值的峰值的点角度平均值作为该电池片的电池片倾斜角度A
T
；5≤n0≤10；步骤B3，依据所述电池片倾斜角度A
T
和旋转算法，旋转单独电池片区域图像I
S
，得到校正后的单独电池片区域图像I
C
。5.根据权利要求1或2所述的光伏组件主栅线露白缺陷的检测方法，其特征在于：所述电池片主栅线的固有属性包括主栅线中心位置、主栅线...

【专利技术属性】
技术研发人员：刘敏，徐健，曾小辉，沈建华，
申请(专利权)人：浙江正泰电器股份有限公司，
类型：发明
国别省市：