一种光伏电池电致发光缺陷检测方法及检测系统技术方案

技术编号：43388037 阅读：5 留言：0更新日期：2024-11-19 18:02

本发明专利技术提供了一种光伏电池电致发光缺陷检测方法及检测系统，涉及光伏电池缺陷检测技术领域。本发明专利技术提供的检测方法包括以下步骤：获取光伏电池的电致发光图像数据，对所述图像数据进行标注及预处理后构建数据集；基于注意力机制的轻量化主干提取网络、特征融合网络、高效多尺度检测头构建初始检测模型；基于所述数据集对所述初始检测模型进行训练获得缺陷检测模型；获取待测电致发光图像，基于所述缺陷检测模型输出检测结果。本发明专利技术通过构建并训练极具轻量化的缺陷检测模型，能够获得更加丰富和具有代表性的特征信息，从而提高缺陷检测模型的检测精度，从而能够实现对多种光伏缺陷的高效、准确检测和定位。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术涉及光伏电池缺陷检测，尤其涉及一种光伏电池电致发光缺陷检测方法及检测系统。

技术介绍

1、光伏电池能够利用绿色可再生的太阳能转换为电能，可以很好地缓解因煤炭等化石能源过度使用而造成的环境污染问题，其通常由多个被称为电池片的晶体硅片组成，然而当电池片表面因为生产、运输等原因存在缺陷时，会严重干扰光伏电池的正常工作，从而降低其光电转换效率，因此对光伏电池进行表面缺陷检测具有重大意义。

2、光伏电池缺陷通常通过人工目测和机器视觉检测来识别。目前，大多数光伏电池生产厂商首先采用电致发光成像技术进行图像采集，然后结合人工筛选出合格图像。然而，这种方法需要投入大量时间和人力，人工筛选存在主观性和差异性，导致光伏电池成品质量参差不齐。因此亟需提供一种方案改善上述问题。

技术实现思路

1、本专利技术的目的在于提供一种光伏电池电致发光缺陷检测方法及检测系统，通过构建并训练极具轻量化的缺陷检测模型，能够获得更加丰富和具有代表性的特征信息，从而提高缺陷检测模型的检测精度，从而能够实现对多种光伏缺陷的高效、准确检测和定位。

2、第一方面，本专利技术提供的一种光伏电池电致发光缺陷检测方法，包括以下步骤：获取光伏电池的电致发光图像数据，对所述图像数据进行标注及预处理后构建数据集；基于注意力机制的轻量化主干提取网络、特征融合网络、高效多尺度检测头构建初始检测模型；基于所述数据集对所述初始检测模型进行训练获得缺陷检测模型；获取待测电致发光图像，基于所述缺陷检测模型输出检测结果。</p>

3、本专利技术提供的缺陷检测方法，通过构建并训练缺陷检测模型，能够获得更加丰富和具有代表性的特征信息，从而提高缺陷检测模型的检测精度，从而能够实现对多种光伏缺陷的高效、准确检测和定位。此外本专利技术提供的缺陷检测模型极具轻量化，且具有较高的准确度，从而能够有效提高对光伏电池电致发光缺陷检测时的检测效率和检测精度，为光伏产业的质量控制和安全生产提供可靠支撑。

4、可选地，基于所述缺陷检测模型输出检测结果时，包括：提取并强化所述待测电致发光图像的初始特征后获得特征a；对所述特征a进行缺陷聚焦的轻量特征融合后获得特征b；对所述特征b中的缺陷特征进行提取强化后，聚焦缺陷特征融合后获得特征f1；对所述特征f1中的缺陷特征进行提取强化后，聚焦缺陷特征融合后获得特征f2；对所述特征f2中的缺陷特征进行提取强化后，聚焦缺陷特征融合后，整合多尺度的特征信息后获得特征f3；将所述特征f2与所述特征f3中的缺陷特征分别进行提取强化后，整合多尺度特征信息获得特征f4，对所述特征f4进行上采样获得特征d；对所述特征f1中的缺陷特征进行提取强化后获得特征e，融合特征e、特征f1与特征d中的多尺度特征信息获得特征f5，对所述特征f5进行上采样后与所述特征f1进行多尺度特征融合后获得特征f6；对所述特征f6中的缺陷特征进行提取强化后与所述特征f5进行多尺度特征融合后获得特征f7；对所述特征f5与所述特征f7中的缺陷特征分别进行提取强化后，与所述特征f4进行多尺度特征融合后获得特征f8；基于高效检测头对所述特征f6、所述特征f7和所述特征f8进行处理后输出检测结果。

5、可选地，获取光伏电池的电致发光图像数据时，所述图像数据包括裂纹缺陷图像数据、星裂缺陷图像数据、断栅缺陷图像、黑芯缺陷图像数据、垂直位错缺陷图像数据、水平位错缺陷图像数据和短路缺陷图像数据。

6、可选地，对所述图像数据进行预处理构建数据集的过程中，对所述图像数据进行数据增广和对比度增强处理；所述数据增广包括几何变换和光学变换，所述几何变换包括水平翻转、垂直翻转和对角线翻转，所述光学变换包括亮度变换。

7、可选地，基于所述数据集对所述初始检测模型进行训练获得缺陷检测模型的过程中，采用多阶段迁移学习策略对所述初始检测模型进行训练。

8、可选地，采用多阶段迁移学习策略对所述初始检测模型进行训练的过程中，包括：冻结所述主干提取网络的参数后，对所述初始检测模型进行多轮迭代训练；解冻参数后再进行多轮训练，并基于余弦退火衰减机制和adam优化器对所述初始检测模型内的各层参数进行更新，并基于早停法机制对模型进行优化。

9、第二方面，本专利技术还提供了一种光伏电池电致发光缺陷检测系统，包括：数据获取模块，用于获取光伏电池的电致发光图像数据，对所述图像数据进行标注及预处理后构建数据集；模型构建模块，基于注意力机制的轻量化主干提取网络、特征融合网络、高效多尺度检测头构建初始检测模型；模型训练模块，基于所述数据集对所述初始检测模型进行训练获得缺陷检测模型；缺陷检测模块，获取待测电致发光图像，基于所述缺陷检测模型输出检测结果。

本文档来自技高网...

【技术保护点】

1.一种光伏电池电致发光缺陷检测方法，其特征在于，包括以下步骤：获取光伏电池的电致发光图像数据，对所述图像数据进行标注及预处理后构建数据集；基于注意力机制的轻量化主干提取网络、特征融合网络、高效多尺度检测头构建初始检测模型；基于所述数据集对所述初始检测模型进行训练获得缺陷检测模型；获取待测电致发光图像，基于所述缺陷检测模型输出检测结果。

2.根据权利要求1所述的检测方法，其特征在于，基于所述缺陷检测模型输出检测结果时，包括：

3.根据权利要求2所述的检测方法，其特征在于，获取光伏电池的电致发光图像数据时，所述图像数据包括裂纹缺陷图像数据、星裂缺陷图像数据、断栅缺陷图像数据、黑芯缺陷图像数据、垂直位错缺陷图像数据、水平位错缺陷图像数据和短路缺陷图像数据。

4.根据权利要求3所述的检测方法，其特征在于，对所述图像数据进行预处理构建数据集的过程中，对所述图像数据进行数据增广和对比度增强处理；所述数据增广包括几何变换和光学变换，所述几何变换包括水平翻转、垂直翻转和对角线翻转，所述光学变换包括亮度变换。

5.根据权利要求1所述的检测方法，其特

6.根据权利要求5所述的检测方法，其特征在于，采用多阶段迁移学习策略对所述初始检测模型进行训练的过程中，包括：冻结所述主干提取网络的参数后，对所述初始检测模型进行多轮迭代训练；解冻参数后再进行多轮训练，并基于余弦退火衰减机制和Adam优化器对所述初始检测模型内的各层参数进行更新，并基于早停法机制对模型进行优化。

7.一种光伏电池电致发光缺陷检测系统，其特征在于，包括：

...

【技术特征摘要】

2.根据权利要求1所述的检测方法，其特征在于，基于所述缺陷检测模型输出检测结果时，包括：

4.根据权利要求3所述的检测方法，其特征在于，对所述图像数据...

【专利技术属性】
技术研发人员：邱志斌，陈瑞婷，蔡智雯，张润，李俊轩，童志鹏，周志彪，
申请(专利权)人：南昌大学，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人