一种基于卷积神经网络的太阳能电池组件缺陷检测系统及方法技术方案

本发明专利技术公开了一种基于卷积神经网络的太阳能电池组件缺陷检测系统及方法，包括一种基于卷积神经网络的太阳能电池组件缺陷检测系统和一种基于卷积神经网络的太阳能电池组件缺陷检测方法，太阳能电池组件缺陷检测系统，包括传送机构、图像拍摄机构、图像传输元件、图像分析元件，传送机构分布在图像拍摄机构的两侧，图像拍摄机构将拍摄的EL照片通过图像传输元件传输给图像分析元件，图像分析元件依据本发明专利技术提出的光伏电池组件缺陷检测方法对图像进行处理，该基于卷积神经网络的太阳能电池组件缺陷检测系统及方法，能够实时检测生产过程中光伏组件的缺陷并进行分类及位置标注，代替了人工观察检测，极大的提高了检测速率和检测效率。效率。效率。

【技术实现步骤摘要】
一种基于卷积神经网络的太阳能电池组件缺陷检测系统及方法


[0001]本专利技术涉及太阳能电池检测
，具体为一种基于卷积神经网络的太阳能电池组件缺陷检测系统及方法。

技术介绍

[0002]随着环境日益污染严重，作为清洁能源之一的太阳能产业也逐渐发展起来。太阳能发电主要载体为电池板，能源转换过程中不产生其他有害的气体或固体废料，是一种环保、安全、无污染的新型能源。电池板目前90％以上是由晶体硅材料构成，而由于生产设备、生产原料质量及工艺参数等诸多影响，晶体硅太阳能电池在生产加工流程中可能会出现各种各样的缺陷，严重影响太阳能电池的光电转换效率和寿命。
[0003]目前太阳能电池的缺陷检测方法主要基于电致发光成像技术，依靠人工观察判断。但检测人员主观判断标准不同，具有较大的不确定因素，会出现误检、漏检等现象，且检测速度慢、效率低，很难满足产线快速检测的需求，易造成不必要的经济损失。

技术实现思路

[0004]（一）解决的技术问题针对现有技术的不足，本专利技术提供了一种基于卷积神经网络的太阳能电池组件缺陷检测系统及方法，解决了上述
技术介绍
中提出的问题。
[0005]（二）技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于卷积神经网络的太阳能电池组件缺陷检测系统，包括传送机构、图像拍摄机构、图像传输元件、图像分析元件，所述传送机构分布在所述图像拍摄机构的两侧，所述图像拍摄机构将拍摄的EL照片通过所述图像传输元件传输给所述图像分析元件。
[0006]优选的，所述传送机构分为传入机构和传出机构，分布在所述图像拍摄机构的两侧。
[0007]优选的，所述传入机构有单向传送带，所述传出机构有横纵双向传送带。
[0008]优选的，所述图像拍摄机构由箱体、传送装置、拍摄装置、贴标签装置和直流电源组成，所述传送装置分布在箱体内两侧的入口和出口处，所述拍摄装置安装在箱体内底部，所述贴标签装置安装在箱体内顶部，所述直流电源安装在箱体内一侧面，为光伏组件电致发光检测提供正向偏置电压。
[0009]一种基于卷积神经网络的太阳能电池组件缺陷检测方法，所述的方法包括以下步骤：S1.获取待检测光伏组件EL图像；S2.在步骤S1的基础上，对处理后的图像进行融合滤波去噪，改善图像质量；S3.在步骤S2的基础上，对处理后的图像进行位置矫正，去除图像角度倾斜或畸变
的问题；S4.在步骤S3的基础上，对处理后的图像进行ROI划分处理，提取前景区域图像，避免背景对图像检测造成影响；S5.在步骤S4的基础上，对处理后的图像进行增强处理，进一步提高图像质量；S6.在步骤S5的基础上，对处理后的图像进行分割处理，获得电池片单元图像；S7.在步骤S6的基础上，用已训练好的卷积神经网络对处理后的图像进行缺陷检测和分类，并标记位置。
[0010]优选的，所述EL图像获取方式为：在暗箱内给待测太阳能电池板组件外加正向偏置电压，利用CCD相机拍摄采集。
[0011]优选的，步骤S2中，所述融合滤波处理为中值滤波和高斯滤波的加权融合算法；步骤S3中，采用透视变换的方法对图像位置进行校正。
[0012]优选的，步骤S4中，对图像的ROI划分具体为采用最大连通区域法结合Sobel边缘检测的方法；步骤S5中，对图像增强处理具体包括对比度增强与图像锐化操作。
[0013]优选的，步骤S6中，图像分割采用等分法，并对每块电池片单元位置进行标记；步骤S7中，已训练的卷积神经网络采用修改的VGGNet卷积神经网络，原卷积神经网络的输出层softmax分类器改用Random Forest（随机森林）分类器算法。
[0014]优选的，卷积神经网络的训练样本在训练前要进行样本容量扩充处理。
[0015]优选的，所述贴标签装置包括标签传输器和传导轨道组成，所述传导轨道与标签传输器的右侧下方的输出端固定连接，所述传导轨道的右侧固定连接有弹性贴合压片，所述传导轨道的右侧中间位置且位于弹性贴合压片的右侧转动连接有翻转连杆，所述翻转连杆的顶端固定连接有刮动触杆组件，所述弹性贴合压片的右侧表面均匀设置有增阻凹槽，所述刮动触杆组件与增阻凹槽的表面接触滑动。储气块内部被压缩的空气从排气孔喷出，从而喷出的空气将光伏组件的贴标位置进项清灰处理，保证标签在光伏组件表面粘附的稳定性。
[0016]优选的，所述传导轨道的底部靠近右侧的位置固定连接有储气块，所述传导轨道底部的两侧均匀设置有排气孔，所述排气孔与储气块连通，所述弹性贴合压片的左侧表面均匀设置有空气爆炸组件。
[0017]优选的，所述刮动触杆组件包括刮料锥板，所述刮料锥板的右侧与翻转连杆固定连接，所述刮料锥板的底端表面均匀转动连接有行走滚轮，所述行走滚轮的外部表面固定连接有弹性刮刀。弹性刮刀与增阻凹槽之间的接触阻力，为贴标的按压提供驱动力，保证标签与光伏组件之间的粘附力。
[0018]优选的，所述空气爆炸组件包括疏通孔，所述疏通孔设置在弹性贴合压片的表面，所述疏通孔的内侧的四周均匀固定连接有挤压翻转片，所述挤压翻转片的背面固定连接有压合板。
[0019]优选的，所述挤压翻转片内侧表面且靠近疏通孔的位置均固定连接有空气爆炸囊，所述空气爆炸囊的中间位置设置有鸭嘴阀。空气压力达到鸭嘴阀的释放极限时空气被释放，瞬间产生的空气冲击力直接喷向标签表面，在保护标签不受循环的前提下将空气泡排出。
[0020]本太阳能电池组件缺陷检测系统工作过程为：待检测的光伏组件首先由传入机构传送至图像拍摄机构内；然后直流电源与太阳能电池连接为其电致发光检测提供正向偏置电压，拍摄装置拍下EL图像，EL图像经由图像传输元件传至图像分析元件完成太阳能电池组件缺陷检测。若检测没有缺陷，光伏组件从图像拍摄机构传送至传出机构，并由传出机构送入下一道工序；若检测存在缺陷，则由贴标签装置将缺陷种类和缺陷位置标签贴在光伏组件相应位置上，传送至传出机构，由传出机构另一个传送方向传送至处理区，等待工作人员进一步处理。
[0021]本太阳能电池组件缺陷检测方法的工作流程为：首先输入太阳能电池板组件EL图像，EL图像经融合滤波处理去除噪声；接着对图像进行透视变换矫正位置；然后对图像进行ROI划分提取前景区域图像，对图像依次进行图像增强处理和图像分割，得到电池片单元；最后将得到的电池片单元图像导入修改的VGGNet卷积神经网络进行缺陷检测和分类，并标注缺陷位置。
[0022]（三）有益效果本专利技术提供了一种基于卷积神经网络的太阳能电池组件缺陷检测系统及方法。具备以下有益效果：1、该基于卷积神经网络的太阳能电池组件缺陷检测系统及方法，能够实时检测生产过程中太阳能电池的缺陷并进行分类，代替了人工观察检测，排除了人工检查的不确定性因素，实现检测分类自动化，提高了检测质量和检测效率的同时，节省了劳动力。
[0023]2、该基于卷积神经网络的太阳能电池组件缺陷检测系统及方法，弹性贴合压片采用内部中空，底部圆弧形的结构，弹性贴合压片向下翻转时向下挤压储气块，储气块内部被压缩的空气从排本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的太阳能电池组件缺陷检测系统，其特征在于：包括传送机构（1）、图像拍摄机构（2）、图像传输元件（3）、图像分析元件（4），所述传送机构（1）分布在所述图像拍摄机构（2）的两侧，所述图像拍摄机构（2）将拍摄的EL照片通过所述图像传输元件（3）传输给所述图像分析元件（4），所述传送机构（1）分为传入机构（11）和传出机构（12），分布在所述图像拍摄机构（2）的两侧，所述传入机构（11）有单向传送带，所述传出机构（12）有横纵双向传送带。2.根据权利要求1所述的一种基于卷积神经网络的太阳能电池组件缺陷检测系统，其特征在于：所述图像拍摄机构由箱体（21）、传送装置（22）、拍摄装置（23）、贴标签装置（24）和直流电源（25）组成，所述传送装置（22）分布在箱体（21）内两侧的入口和出口处，所述拍摄装置（23）安装在箱体（21）内底部，所述贴标签装置（24）安装在箱体（21）内顶部，所述直流电源（25）安装在箱体（21）内一侧面，为光伏组件电致发光检测提供正向偏置电压。3.根据权利要求2所述的一种基于卷积神经网络的太阳能电池组件缺陷检测系统，其特征在于：所述贴标签装置包括标签传输器（241）和传导轨道（242）组成，所述传导轨道（242）与标签传输器（241）的右侧下方的输出端固定连接，所述传导轨道（242）的右侧固定连接有弹性贴合压片（243），所述传导轨道（242）的右侧中间位置且位于弹性贴合压片（243）的右侧转动连接有翻转连杆（244），所述翻转连杆（244）的顶端固定连接有刮动触杆组件（245），所述弹性贴合压片（243）的右侧表面均匀设置有增阻凹槽（246），所述刮动触杆组件（245）与增阻凹槽（246）的表面接触滑动。4.根据权利要求3所述的一种基于卷积神经网络的太阳能电池组件缺陷检测系统，其特征在于：所述传导轨道（242）的底部靠近右侧的位置固定连接有储气块（247），所述传导轨道（242）底部的两侧均匀设置有排气孔（248），所述...

【专利技术属性】
技术研发人员：浦永华，沈金荣，杜伟，时厚龙，陶华，
申请(专利权)人：江苏格林保尔新能源有限公司，
类型：发明
国别省市：