基于图像特征的光伏电池色差检测方法及装置制造方法及图纸

本发明专利技术涉及人工智能技术领域，具体涉及一种基于图像特征的光伏电池色差检测方法，所述方法包括：采集光伏电池片的表面图像；将采集到的表面图像转换到至少三种不同的颜色空间；对每个颜色空间中的光伏电池片的图像特征进行PCA降维得到特征值离散点然后进行直线拟合，得到拟合直线；根据所述离散点到拟合直线的偏移量得到色差检测结果，包括偏移量大于等于经验阈值的异常点和偏移量小于经验阈值的正常点；对不同颜色空间的色差检测结果进行投票，根据多数裁定规则得到投票结果；将投票结果中正常点对应的表面图像输入深度学习网络中得到颜色分类。本申请的实施例能精准的对光伏电池的颜色进行分类，快速准确的检测色差，保证组件光电的转换效率。

【技术实现步骤摘要】
基于图像特征的光伏电池色差检测方法及装置
本专利技术涉及人工智能
，具体涉及一种基于图像特征的光伏电池色差检测方法及装置。
技术介绍
当前，由于环境不断恶化，能源不断枯竭，使得以太阳能光伏发电等可再生清洁能源的发展潮流势不可挡，我国光伏发电的形势更是空前大好。光伏发电的效率和品质正在不断提升，成本也在稳定持续下降。光伏电池的生产工艺过程复杂，由于电池镀膜工艺会导致生产出的电池片颜色各异，在行业内被称之为电池片颜色色差，之后将这些颜色不一的电池片焊接在一块组件上也会影响组件整体外观。目前，现有技术中针对颜色的分类不够精准，影响组件颜色一致性，降低了组件光电的转换效率。专利公开号为CN107185854B的专利公开了采用图像的颜色一阶矩判断光伏电池的色差以及颜色的方法，但是由于光伏电池片的颜色很相近，单一的颜色一阶矩特征判断颜色色差不能达到很好的目的，很容易产生漏检的情况。
技术实现思路
为了解决上述技术问题，本专利技术提出一种基于图像特征的光伏电池色差检测方法具体方案如下：第一方面，本专利技术一个本文档来自技高网...

【技术保护点】
1.一种基于图像特征的光伏电池色差检测方法，其特征在于，该方法包括以下步骤为：/n采集光伏电池片的表面图像；/n将采集到的所述表面图像转换到至少三种不同的颜色空间；对每个所述颜色空间中的光伏电池片的图像特征进行PCA降维得到特征值离散点，将所得到的离散点进行直线拟合，得到拟合直线；/n对于每个所述颜色空间，根据所述离散点到所述拟合直线的偏移量，得到色差检测结果；所述色差检测结果包括所述偏移量大于等于经验阈值的异常点和所述偏移量小于所述经验阈值的正常点；/n对不同所述颜色空间的所述色差检测结果进行投票，根据多数裁定规则得到投票结果；/n将所述投票结果中正常点对应的表面图像输入深度学习网络中，得到...

【技术特征摘要】
1.一种基于图像特征的光伏电池色差检测方法，其特征在于，该方法包括以下步骤为：
采集光伏电池片的表面图像；
将采集到的所述表面图像转换到至少三种不同的颜色空间；对每个所述颜色空间中的光伏电池片的图像特征进行PCA降维得到特征值离散点，将所得到的离散点进行直线拟合，得到拟合直线；
对于每个所述颜色空间，根据所述离散点到所述拟合直线的偏移量，得到色差检测结果；所述色差检测结果包括所述偏移量大于等于经验阈值的异常点和所述偏移量小于所述经验阈值的正常点；
对不同所述颜色空间的所述色差检测结果进行投票，根据多数裁定规则得到投票结果；
将所述投票结果中正常点对应的表面图像输入深度学习网络中，得到颜色分类。


2.根据权利要求1所述的一种基于图像特征的光伏电池色差检测方法，其特征在于，所述颜色空间包括HSV、YUV和YIQ。


3.根据权利要求1所述的一种基于图像特征的光伏电池色差检测方法，其特征在于，所述对每个所述颜色空间中的光伏电池片的图像特征进行PCA降维是指对每一个处理单元进行降维，每一个所述处理单元为一个光伏电池片的表面图像。


4.根据权利要求1所述的一种基于图像特征的光伏电池色差检测方法，其特征在于，所述得到拟合直线方程的步骤还包括：
根据误差函数对所述拟合直线进行动态调整，以调整所述拟合直线方程的系数，所述误差函数为：
其中，(xi，yi)表示第i个特征值的坐标，n表示特征值的数量，A、B和C为所述拟合直线方的系数，所述拟合直线方程为Ax+By+C＝0。


5.根据权利要求2所述的一种基于图像特征的光伏电池色差检测方法，其特征在于，所述多数裁定规则所得到的投票结果Gi为：



其中，1表示异常点，0表示正常点，g(HSV)i、g(YUV)i、g(YIQ)i分别表示相应的颜色空间所得到的色差检测结果。


6.一种基于图像特征的光伏电池色差检测装置，其...

【专利技术属性】
技术研发人员：夏永霞，黄振海，
申请(专利权)人：夏永霞，
类型：发明
国别省市：陕西;61