【技术实现步骤摘要】
一种基于改进SSD算法的电池片EL缺陷检测方法
本专利技术属于缺陷检测和机器视觉领域，具体涉及一种基于SSD(SingleShotMultiBoxDetector)算法的电池片EL缺陷检测方法。
技术介绍
随着可再生新能源的产生，其中利用太阳能发电发展最快。直接将太阳能变成电能的半导体器件称作太阳能电池。目前基于单晶硅片的太阳能发电发展迅速,是太阳能电池的主要来源。太阳能电池片的生产工艺比较复杂，生产安装过程中不可避免的缺陷直接影响到太阳能电池的转换效率和使用寿命，因此缺陷检测是太阳能电池片生产过程中一个必不可少的环节。目前工业上主要采用的是人工视觉的检测方法，容易受到各种不确定因素的影响，因此该方法存在效率低，准确度差等问题。机器视觉检测具有生产效率高、自动化水平高、检测率好、对特殊工业环境适应性强等优点。因此，基于视觉的缺陷检测对表面缺陷检测进行了多项研究。龚等人提出了一种快速检测带钢表面缺陷区域的方法。随着深度学习的提出，越来越多基于深度学习地缺陷检测方法被提出并应用。RossGirshick通过训练VGG19...
【技术保护点】
1.一种基于改进SSD算法的EL缺陷检测方法，其特征在于，具体包括以下步骤：/n步骤S1、电池片EL图像采集：通过CCD相机采集EL缺陷图像；/n步骤S2、图像数据扩充：利用旋转，将原始图像水平旋转来扩充数据集，包括划痕、断栅、暗黑、污染四类缺陷；/n步骤S3、图像标注：使用labelImg工具手动标注图像，在标注过程中，从多幅图像中标记出多个目标，测试集是从带注释的图像中随机选取的，其中包含一定比例的缺陷，除测试集外，其余图像作为训练集；/n步骤S4、训练和测试改进的SSD网络：该网络是基于一个前向传播的卷积神经网络CNN，产生一系列固定大小的目标框，进行一个非极大值抑制...
【技术特征摘要】
1.一种基于改进SSD算法的EL缺陷检测方法，其特征在于，具体包括以下步骤：
步骤S1、电池片EL图像采集：通过CCD相机采集EL缺陷图像；
步骤S2、图像数据扩充：利用旋转，将原始图像水平旋转来扩充数据集，包括划痕、断栅、暗黑、污染四类缺陷；
步骤S3、图像标注：使用labelImg工具手动标注图像，在标注过程中，从多幅图像中标记出多个目标，测试集是从带注释的图像中随机选取的，其中包含一定比例的缺陷，除测试集外，其余图像作为训练集；
步骤S4、训练和测试改进的SSD网络：该网络是基于一个前向传播的卷积神经网络CNN，产生一系列固定大小的目标框，进行一个非极大值抑制得到最终的预测，SSD网络结构分为基础网络VGG16和金字塔网络FPN，该网络的核心是同时采用最低和最大的特征映射做检测，预设一些目标预选框，后续通过softmax分类和边界回归框获得真实目标的位置，对于不同尺度的特征映射使用不同的默认框Defaultboxes，然后将这些目标框送入非极大抑制NMS模块中，获得最终的检测结果。
2.根据权利要求1所述的一种基于改进SSD算法的EL缺陷检测方法，其特征在于，将原始图像水平旋转来扩充数据集，最终图像为1740张。
3.根据权利要求1所述的一种基于改进SSD算法的EL缺陷检测方法，其特征在于，使用labelImg工具手动标注图像，在标注过程中，从1740幅图像中标记出11450个目标，测试集是从带注释的图像中随机选取的，其中包含30％的缺陷。
4.根据权利要求1所述的一种基于改进SSD算法的EL缺陷检测方法，其特征在于，对于不同尺度的特征映射使用不同的默认框Defaultboxes，总共获得8732个。
5.根据权利要求1所述的一种基于改进SSD算法的EL缺陷检测方法，其特征在于，基础网络VGG16是一个通过反复堆叠3x3小型卷积核和2x2最大池化层构筑的深度卷积神经网络，VGG基本模块采用小卷积核堆叠，两个3x3的卷积堆叠获得的感受野大小，相当一个5x5的卷积；而3个3x3卷...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。