一种基于深度两阶段的多晶隐裂检测方法技术

本发明专利技术公开了一种基于深度两阶段的多晶隐裂检测方法，该方法包括多晶光伏板EL图像的预处理及增广；针对多晶光伏板隐裂问题设计了一种新的感兴趣区域的筛选方法；对图像特征基于Fast R‑CNN算法进行训练与分类的检测方法。本发明专利技术的优点在于首次将基于机器学习算法应用于多晶光伏组件的隐裂研究。将该方法运用在多晶光伏组件隐裂检测上，并通过不同的方法对比验证其检测的正确率远远超过传统及其学习方法，改善了现有的隐裂检测主要依靠人工且检测效率低的问题，提高了多晶光伏板隐裂失效面积的检测精度。

【技术实现步骤摘要】
一种基于深度两阶段的多晶隐裂检测方法
本专利技术涉及一种针对多晶光伏板隐裂检测的两阶段深度学习方法。
技术介绍
太阳能电池组件发电效率是光伏发电中最受关注的问题之一。光伏组件的鼓掌诊断直接影响发电效率，因此鼓掌检测成为普遍关注的内容，也对检测方法提出了新的要求。现有的隐裂检测方法主要依靠人工，检测效率低，因此快速且准确定位到产生隐裂的区域具有重要的研究意义。近年来各类目标检测算法相继被提出，其在人脸检测、车辆识别等问题中得到了广泛应用，但其至今很少应用在光伏组件隐裂检测方面。原因在于由于多晶光伏板背景絮状物的存在，极易与隐裂混淆，加大了检测的难度；且由于正负面样本之间的不平衡，以及对定位精度的要求，直接对整个光伏组件图像进行检测是低效的，传统深度学习方法检测效果不佳，且无法满足需求。
技术实现思路
本专利技术的目的是为了解决上述问题，提供一种先进的多晶光伏板隐裂检测方法。在尽可能保证准确率的同时，提高隐裂定位的精度与速度要求。技术方案：基于深度两阶段的多晶隐裂检测方法包括隐裂图像样本的切割与预处理，针对隐裂特本文档来自技高网...

【技术保护点】
1.一种基于深度两阶段的多晶隐裂检测方法，其特征在于，包括以下步骤：/n步骤一、对光伏板多晶隐裂EL图像数据的预处理及增广：采用Haar小波提取图像的低频特征，舍弃高频特征；再使用双线性插值的方法将图像还原至原始大小，并对图像进行分来，制作训练集与测试集；/n步骤二、针对隐裂图像设计了新的感兴趣区域筛选方法；首先利用选择性搜索算法提取出所有可能的感兴趣区域，并过滤掉周长过大或过小的区域；其次，利用Canny算法得到目标的边缘信息，阈值固定为为150；边缘信息被定义为有效信息。筛选出有效信息比例大于25％或有效面积超过40％的区域；/n有效信息比例计算方法如下所示，其中第k个ROI的有效信息比例

【技术特征摘要】
1.一种基于深度两阶段的多晶隐裂检测方法，其特征在于，包括以下步骤：
步骤一、对光伏板多晶隐裂EL图像数据的预处理及增广：采用Haar小波提取图像的低频特征，舍弃高频特征；再使用双线性插值的方法将图像还原至原始大小，并对图像进行分来，制作训练集与测试集；
步骤二、针对隐裂图像设计了新的感兴趣区域筛选方法；首先利用选择性搜索算法提取出所有可能的感兴趣区域，并过滤掉周长过大或过小的区域；其次，利用Canny算法得到目标的边缘信息，阈值固定为为150；边缘信息被定义为有效信息。筛选出有效信息比例大于25％或有效面积超过40％的区域；
有效信息比例计算方法如下所示，其中第k个ROI的有效信息比例大于25％，是第k个ROI的边缘信息数量.Nedge是一张图上的所有边缘信息总数：



有效面积计算方法如下所示，其中和第k个ROI的宽度和高度，边缘是由像素组成的，所以一个ROI中边缘像素的数量等于面积：



将感兴趣区域根据优先级规则排列，归一化到5个，若感兴趣区域的数量大于5，则选取前5个；若感兴趣区域的数量小于5，则按照优先级顺序...

【专利技术属性】
技术研发人员：陈思睿，单硕，张侃健，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32