面向光伏电池在线位置检测的人工智能图像识别方法技术

本发明专利技术公开了一种面向光伏电池在线位置检测的人工智能图像识别方法。本发明专利技术包括工业相机、图像数据采集卡、光伏电池位置传感器、面向光伏电池位置检测的图像识别模块、检测传输带；当光伏电池位置传感器感应到光伏电池置放于检测传输带的视觉检测工位的时候，工业相机拍摄光伏电池区域原始图像，原始图像经信号线传输给图像数据采集卡并数字信号转换为基于像素的像素图像，然后再将像素图像进一步传输给微处理期内运行的面向光伏电池位置检测的图像识别模块，对光伏电池的坐标误差与角度误差进行特征提取。本发明专利技术能够测量出光伏电池相对于传输带的位置偏差和角度偏差得到精确测量，能够大幅度提升光伏电池位置在线无损检测的精度和效率。

Artificial intelligence image recognition method for on-line position detection of photovoltaic cells

The invention discloses an artificial intelligence image recognition method for photovoltaic cell on-line position detection. The invention includes an industrial camera, an image data acquisition card, a photovoltaic cell position sensor, an image recognition module for detecting the position of a photovoltaic cell, and a detection transmission band. When the photovoltaic cell position sensor induces the photovoltaic cell to be placed in the visual detection station for detecting the transmission belt, the industrial camera takes a photovoltaic cell area. The original image is transmitted to the image data acquisition card through the signal line, and the digital signal is converted to pixel based pixel image. Then the pixel image is further transmitted to the image recognition module of the photovoltaic cell position detection running in the micro processing period. The coordinate error and angle error of the photovoltaic cells are carried out. Feature extraction. The invention can measure the precise measurement of the position deviation and angle deviation of the photovoltaic cell relative to the transmission belt, and can greatly improve the accuracy and efficiency of the on-line nondestructive testing of the PV cell position.

【技术实现步骤摘要】
面向光伏电池在线位置检测的人工智能图像识别方法
本专利技术属于工业人工智能领域，具体涉及一种面向光伏电池在线位置检测的人工智能图像识别方法，能够大幅度提升光伏电池位置在线无损检测的精度和效率，可以广泛应用于工业界。
技术介绍
太阳能可再生能源正逐步替代常规能源,成为保护地球生态环境的清洁能源之一。太阳能电池是光伏发电系统的重要组成部分,与系统的工作效率和发电量有密切关系,提高太阳能电池的能量转换效率可以增加太阳能的利用率。由于实际应用中存在一些因素会对太阳能电池的特性产生影响,这些电池单元之间的特性或者性能不一致或不相近,就可能导致不必要的能源浪费,甚至会出现减少电池寿命的现象。因此,在配置光伏电池阵列时,需要对其特性进行测试,选择满足要求的电池阵列,提高光伏发电系统的工作效率。太阳能电池光伏器件伏安特性测试系统,属于光电测试装置,能够解决现有测试系统必须采用人工操作的方式设定辐照度值、测定辐照度值与测试样品电池过程不能同时进行的问题。已有市场产品，针对光伏电池的特性分析和检测方法研究的基础上,设计了基于低功耗单片机的便携式特性测试仪,对光伏电池单元特性进行测量分析,为各种光伏电池的组装提供科学的数据。然而，这类简易装置无法与规模化光伏电池生产配套，仅适用于抽样检测。近期，我们公布了一种全自动智能光伏电池检测与分拣设备的控制系统架构与控制流程，是实现光伏检测与分拣系统的智能化与自动化的核心架构与技术基础。当前，人工智能2.0在我国兴起，图像识别是一种典型的人工智能技术，它利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。一般工业使用中，采用工业相机拍摄图片，然后再利用软件根据图片灰阶差做进一步识别处理。如果能够结合图像识别技术进行光伏电池位置检测对光伏电池产业升级有推动作用。这里，公布一种面向光伏电池在线位置检测的图像识别人工智能方法，基于光伏电池和传输带的几何特征，采用了图像分割技术、区域描述技术、中轴线特征提取技术以及像素坐标化技术的图像处理方法，精确地测量出光伏电池相对于传输带的位置偏差和角度偏差得到精确测量，能够大幅度提升光伏电池位置在线无损检测的精度和效率，可以广泛应用于工业界。
技术实现思路
本专利技术的目的是针对现有技术的不足，提出一种面向光伏电池在线位置检测的人工智能图像识别方法，基于光伏电池和传输带的几何特征，采用了图像分割技术、区域描述技术、中轴线特征提取技术以及像素坐标化技术的图像处理方法，精确地测量出光伏电池相对于传输带的位置偏差和角度偏差得到精确测量，能够大幅度提升光伏电池位置在线无损检测的精度和效率，可以广泛应用于工业界。本专利技术包括工业相机、图像数据采集卡、光伏电池位置传感器、面向光伏电池位置检测的图像识别模块、检测传输带。当光伏电池位置传感器感应到光伏电池置放于检测传输带的视觉检测工位的时候，工业相机拍摄光伏电池区域原始图像，原始图像经信号线传输给图像数据采集卡，图像数据采集卡将数字信号转换为基于像素的像素图像，然后再将像素图像进一步传输给微处理期内运行的面向光伏电池位置检测的图像识别模块，对光伏电池的坐标误差与角度误差进行特征提取。具体而言采用了一种面向光伏电池位置检测的图像识别智能算法，即一类图像识别人工智能方法对光伏电池的坐标误差与角度误差进行特征提取。所述原始图像包括光伏电池和带刻度特征的传输带的图像信息。光伏电池通常为蓝色的单晶硅材料，光伏电池通常为规则的方形或长方形。工业用检测传输带用绿色或黑色等颜色，由橡胶材料制成。因此，光伏电池和带刻度特征的传输带有一定色差，而且光学特征不一样。所述的面向光伏电池位置检测的图像识别模块，具体实现如下：首先：基于图像分割技术和区域描述技术对像素图像进行方法。采用边缘提取、区域分割将光伏电池的区域从原始图像中提取出来，作为关键特征；同时提取皮带的边缘特征以及检测传输带的刻度特征；从视觉处理上，辨识出什么像素属于光伏电池，什么像素属于皮带边缘，什么像素属于刻度信息。其次：基于中轴线特征提取技术，利用采用边缘提取特征辨识出光伏电池的四条片，相对应边做统计中值处理，处理完后进行边缘锐化，提取出光伏电池的两条中轴线；并辨识出皮带的中轴线特征，然后保留三条线的特征像素。然后：利用传输带的刻度特征，对传输带中轴线特征像素通过基于像素坐标化技术进行坐标化处理，使得像素具有坐标特征。再然后：利用光伏电池的中轴线像素特征以及检测传输带中轴线的像素特征，在光伏电池的中轴线上确定一个特征点，并计算该特征点到中轴线的像素数量n，以及沿着检测传输带中轴线对应的像素数量m；再利用反切弦函数arctan(n/m)计算出光伏电池的中轴线与传输带中轴线的角度偏差Δθ。最后：提取出光伏电池的两条中轴线特征的交叉点作为新的特征像素，并计算该特征点到中轴线的像素数量n，以及沿着传输带中轴线对应的半个跨度刻度值的像素数量m；再利用正比关系计算出光伏电池的中心点到传输带中轴线的位置偏差Δx，即：Δθ＝(n/m)*0.5刻度。上述图像识别技术达到了本专利技术架构所需要的基于图像人工智能技术的光伏电池位置传感的技术要求，可以应用于各种光伏电池的检测设备之中。本专利技术的有益效果如下：(1)提出了基于图像分割技术和区域描述技术的图像处理方法进行了光伏电池的图像识别，以及传输带的图像识别；(2)提出了基于中轴线特征提取技术的图像处理方法简化了光伏电池与传输带的图像特征；(3)提出了基于像素坐标化技术的图像处理方法，能够测量像素所代表的坐标量；(4)提出了基于图像特征像素的角度偏差特征提取方法和平移偏差特征提取方法，使得光伏电池相对于传输带的位置偏差和角度偏差得到精确测量；(5)综合上述方法的图像识别人工智能，能够提升光伏电池位置在线无损检测的精度和效率，可以广泛应用于工业界。附图说明图1本专利技术的架构示意图。图2本专利技术的机器手末端执行器布局示意图。图3本专利技术的机器手末端执行器矫正光伏电池过程示意图。图4本专利技术基于中轴线特征提取技术的图像处理示意图。图5本专利技术基于像素坐标化技术的图像示意图。图6本专利技术基于图像特征像素的角度特征提取过程示意图。图7本专利技术基于图像特征像素的位置平移特征提取过程示意图。图8本专利技术的获得光伏电池平移偏差量和转动偏差量示意图。具体实施方式下面结合附图对本专利技术作进一步说明。如图1所示，面向光伏电池在线位置检测的人工智能图像识别方法，包括工业相机、图像数据采集卡、光伏电池位置传感器、面向光伏电池位置检测的图像识别模块、检测传输带。当光伏电池位置传感器感应到光伏电池置放于检测传输带的视觉检测工位的时候，工业相机拍摄光伏电池区域原始图像，原始图像经信号线传输给图像数据采集卡，图像数据采集卡将数字信号转换为基于像素的像素图像，然后再将像素图像进一步传输给微处理期内运行的面向光伏电池位置检测的图像识别模块，对光伏电池的坐标误差与角度误差进行特征提取。结合图2，说明原始数据采集后的图像特征。所述原始图像包括光伏电池和带刻度特征的传输带的图像信息。光伏电池通常为蓝色的单晶硅材料，光伏电池通常为规则的方形或长方形。工业用传输带常常用绿色或黑色等颜色，由橡胶材料制成。因此，光伏电池和带刻度特征的传输带有一定色差，而且光学特征不一样。结合图3，说明基于图像分割本文档来自技高网...

【技术保护点】
面向光伏电池在线位置检测的人工智能图像识别方法，其特征在于包括工业相机、图像数据采集卡、光伏电池位置传感器、面向光伏电池位置检测的图像识别模块、检测传输带；当光伏电池位置传感器感应到光伏电池置放于检测传输带的视觉检测工位的时候，工业相机拍摄光伏电池区域原始图像，原始图像经信号线传输给图像数据采集卡，图像数据采集卡将数字信号转换为基于像素的像素图像，然后再将像素图像进一步传输给微处理期内运行的面向光伏电池位置检测的图像识别模块，对光伏电池的坐标误差与角度误差进行特征提取。

【技术特征摘要】
1.面向光伏电池在线位置检测的人工智能图像识别方法，其特征在于包括工业相机、图像数据采集卡、光伏电池位置传感器、面向光伏电池位置检测的图像识别模块、检测传输带；当光伏电池位置传感器感应到光伏电池置放于检测传输带的视觉检测工位的时候，工业相机拍摄光伏电池区域原始图像，原始图像经信号线传输给图像数据采集卡，图像数据采集卡将数字信号转换为基于像素的像素图像，然后再将像素图像进一步传输给微处理期内运行的面向光伏电池位置检测的图像识别模块，对光伏电池的坐标误差与角度误差进行特征提取。2.根据权利要求1所述的面向光伏电池在线位置检测的人工智能图像识别方法，其特征在于所述原始图像包括光伏电池和带刻度特征的传输带的图像信息。3.根据权利要求1所述的面向光伏电池在线位置检测的人工智能图像识别方法，其特征在于光伏电池为蓝色的单晶硅材料；光伏电池为规则的方形或长方形；工业用检测传输带用绿色或黑色，由橡胶材料制成。4.根据权利要求1所述的面向光伏电池在线位置检测的人工智能图像识别方法，其特征在于所述的面向光伏电池位置检测的图像识别模块，具体实现如下：首先：基于图像分割技术和区域描述技术...

【专利技术属性】
技术研发人员：刘光宇，朱凌，薛安克，杨成忠，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33