基于人工智能的光伏电池板焊带偏移检测方法与系统技术方案

本发明专利技术公开了一种基于人工智能的光伏电池板焊带偏移检测方法与系统。方法包括：提取光伏电池板灰度图像的焊带ROI区域；利用焊带ROI区域对处理后的光伏电池板灰度图像进行裁剪，得到焊带图像，并调整焊带图像方向；对焊带图像进行边缘提取，将焊带边缘图像分割为多个子图，针对每一个子图执行特征提取操作；将获得的周长、质心坐标、斜率、宽、高、邻域关系特征整合为焊带偏移特征向量，利用焊带偏移特征向量之间的距离对子图进行聚类，类别中子图个数较少的为偏移类别；连续偏移的子图构成偏移片段，计算偏移片段的偏移程度，并计算焊带图像的偏移程度。利用本发明专利技术，提高了焊带偏移检测准确率。

【技术实现步骤摘要】
基于人工智能的光伏电池板焊带偏移检测方法与系统
本专利技术涉及人工智能、光伏电池
，具体涉及一种基于人工智能的光伏电池板焊带偏移检测方法与系统。
技术介绍
光伏电池板在生产过程中会出现电池板上的电池片之间焊带偏移的情况，这种情况会影响电池组件的稳固，并进一步影响电池组件的输出功率，因此，在出厂时要进行检测，某一条焊带偏移量过大时，电池组件需要返工。目前，一些方案以电池板边缘作为参考线，针对栅线的偏移进行检测，这些方案的缺点是需要获得正视图像才能得到相对偏移情况，而且无法检测焊带歪曲等导致的偏移。
技术实现思路
本专利技术的目的在于针对上述现有技术存在的缺陷，提出一种基于人工智能的光伏电池板焊带偏移检测方法与系统。一种基于人工智能的光伏电池板焊带偏移检测方法，其特征在于，该方法包括：步骤1，提取光伏电池板灰度图像的焊带ROI区域；步骤2，对光伏电池板灰度图像进行二值化、开运算，去除背景、栅线，利用焊带ROI区域对处理后的光伏电池板灰度图像进行裁剪，得到焊带图像，并调整焊带图像使所有焊带图像方向一致；...

【技术保护点】
1.一种基于人工智能的光伏电池板焊带偏移检测方法，其特征在于，该方法包括：/n步骤1，提取光伏电池板灰度图像的焊带ROI区域；/n步骤2，对光伏电池板灰度图像进行二值化、开运算，去除背景、栅线，利用焊带ROI区域对处理后的光伏电池板灰度图像进行裁剪，得到焊带图像，并调整焊带图像使所有焊带图像方向一致；/n步骤3，对焊带图像进行边缘提取，将焊带边缘图像分割为多个子图，针对每一个子图执行特征提取操作，包括：/n计算子图的连通域周长；/n计算子图的质心坐标；/n对子图进行顶帽运算，计算处理后图像的质心坐标；/n对子图进行黑帽运算，计算处理后图像的质心坐标；/n对子图先进行闭运算，然后对闭运算结果进行...

【技术特征摘要】
1.一种基于人工智能的光伏电池板焊带偏移检测方法，其特征在于，该方法包括：
步骤1，提取光伏电池板灰度图像的焊带ROI区域；
步骤2，对光伏电池板灰度图像进行二值化、开运算，去除背景、栅线，利用焊带ROI区域对处理后的光伏电池板灰度图像进行裁剪，得到焊带图像，并调整焊带图像使所有焊带图像方向一致；
步骤3，对焊带图像进行边缘提取，将焊带边缘图像分割为多个子图，针对每一个子图执行特征提取操作，包括：
计算子图的连通域周长；
计算子图的质心坐标；
对子图进行顶帽运算，计算处理后图像的质心坐标；
对子图进行黑帽运算，计算处理后图像的质心坐标；
对子图先进行闭运算，然后对闭运算结果进行开运算，计算处理后图像中连通域的最小外接矩形的倾斜斜率、宽、高；
根据相邻两个子图的质心坐标、斜率计算子图邻域关系特征；
步骤4，将步骤3获得的周长、质心坐标、斜率、宽、高、邻域关系特征整合为焊带偏移特征向量，利用焊带偏移特征向量之间的距离对子图进行聚类，类别中子图个数较少的为偏移类别；
步骤5，连续偏移的子图构成偏移片段，计算偏移片段的偏移程度，并根据所有偏移片段偏的移程度计算焊带图像的偏移程度。


2.如权利要求1所述的方法，其特征在于，所述根据相邻两个子图的质心坐标、斜率计算子图邻域特征包括：
On＝[On1，On2]






其中，On为第n个子图的邻域关系特征，为第n+1个子图的质心坐标，为第n-1个子图的质心坐标，kn+1为第n+1个子图的最小外接矩形的倾斜斜率，kn-1为第n-1个子图的最小外接矩形的倾斜斜率。


3.如权利要求1所述的方法，其特征在于，所述On1为：


4.如权利要求1所述的方法，其特征在于，所述焊带偏移特征向量之间的距离为：



其中，Rmn为第m个焊带子图与第n个焊带子图之间的距离，wi为第i个特征值的权重，ΔFi为两个焊带子图第i个特征值的差值。


5.如权利要求1所述的方法，其特征在于，所述第i...

【专利技术属性】
技术研发人员：展影影，刘铮，
申请(专利权)人：展影影，
类型：发明
国别省市：陕西;61