光伏组件缺陷检测方法、装置、电子设备和可读存储介质制造方法及图纸

本发明专利技术实施例提供一种光伏组件缺陷检测方法、装置、电子设备和可读存储介质，涉及检测技术领域。本发明专利技术实施例通过构建具有用于对缺陷进行分类的第一全连接层以及用于对缺陷值进行预测的第二全连接层的检测模型，进而在获取待检测的光伏组件的检测图片后，通过检测模型对所述检测图片进行检测处理，可直接得到待检测的光伏组件的缺陷分类结果以及待检测的光伏组件的缺陷值，高效、精确度高。精确度高。精确度高。

【技术实现步骤摘要】
光伏组件缺陷检测方法、装置、电子设备和可读存储介质


[0001]本专利技术涉及检测
，具体而言，涉及一种光伏组件缺陷检测方法、装置、电子设备和可读存储介质。

技术介绍

[0002]传统的燃料能源正在一天天减少，对环境造成的危害日益突出，同时全球还有20亿人得不到正常的能源供应。这个时候，全世界都把目光投向了可再生能源，希望可再生能源能够改变人类的能源结构，维持长远的可持续发展。这之中太阳能以其独有的优势而成为人们重视的焦点。丰富的太阳辐射能是重要的能源，是取之不尽、用之不竭的、无污染、廉价、人类能够自由利用的能源。
[0003]光伏组件是一种将太阳辐射能通过光电效应或者光化学效应直接或间接转化成电能的装置。目前，光伏组件中的物理尺寸缺陷(串间距，片间距，错位)是非常小的，只有0.9～3mm。如果让人工去标注出这个尺寸是非常难的，同时也很难分辨出这个尺寸是否是存在问题的。

技术实现思路

[0004]基于上述研究，本专利技术提供一种光伏组件缺陷检测方法、装置、电子设备和可读存储介质，在对光伏组件的缺陷进行分类的时候，同时预测出缺陷值，高效，精确度高。
[0005]本专利技术的实施例可以通过以下实现：
[0006]第一方面，本专利技术实施例提供一种光伏组件缺陷检测方法，所述方法包括：
[0007]获取待检测的光伏组件的检测图片；
[0008]通过检测模型对所述检测图片进行检测处理，得到所述待检测的光伏组件的缺陷分类以及所述待检测的光伏组件的缺陷值；其中，所述检测模型包括用于对缺陷进行预测分类的第一全连接层以及用于对缺陷值进行预测的第二全连接层。
[0009]在可选的实施方式中，在将所述检测图片输入到预先训练得到检测模型中之前，所述方法还包括：
[0010]对样本光伏组件的样本图片的缺陷类别以及缺陷真实值进行标注；
[0011]将标注后的样本图片输入到原始检测模型中，通过原始检测模型的第一全连接层得到所述样本图片的缺陷的预测类别，以及通过原始检测模型的第二全连接层得到所述样本图片的缺陷预测值；
[0012]根据预设的第一损失函数，计算所述缺陷类别与预测类别的第一损失，以及根据预设的第二损失函数，计算所述缺陷真实值与所述缺陷预测值的第二损失；
[0013]计算第一损失和第二损失的和值；
[0014]判断所述和值是否满足预设条件，若未满足，将所述第一损失以及第二损失反向传播，调整原始检测模型的参数，以此迭代，直至计算得到的第一损失和第二损失的和值满足预设条件，得到检测模型。
[0015]在可选的实施方式中，所述判断所述和值是否满足预设条件，若未满足，将所述第一损失以及第二损失反向传播，调整原始检测模型的参数，以此迭代，直至计算得到的第一损失和第二损失的和值满足预设条件，得到检测模型的步骤包括：
[0016]判断所述和值是否满足预设条件；
[0017]若满足，得到初始检测模型，并以此迭代，计算每次迭代得到的第一损失和第二损失的和值；
[0018]若未满足，将所述第一损失以及第二损失反向传播，调整原始检测模型的参数，以此迭代，计算每次迭代得到的第一损失和第二损失的和值；
[0019]在计算得到的第一损失和第二损失的和值满足所述预设条件的次数达到设定阈值时，得到多个初始检测模型；
[0020]计算每个所述初始检测模型对应的评判指标；
[0021]将最高的评判指标对应的初始检测模型作为检测模型。
[0022]在可选的实施方式中，所述计算每个所述初始检测模型对应的评判指标的步骤包括：
[0023]计算每个初始检测模型的分类评价指标以及缺陷评价指标；
[0024]根据所述分类评价指标以及所述缺陷评价指标，得到每个所述初始检测模型对应的评判指标。
[0025]在可选的实施方式中，所述计算每个初始检测模型的分类评价指标的步骤包括：
[0026]计算每个所述初始检测模型的准确率、精确率以及召回率；
[0027]根据每个所述初始检测模型的精确率以及召回率，计算得到每个所述初始检测模型的调和平均数；
[0028]根据每个所述初始检测模型的准确率以及调和平均数，得到每个所述初始检测模型的分类评价指标。
[0029]在可选的实施方式中，所述计算每个初始检测模型的缺陷评价指标的步骤包括：
[0030]针对每个初始检测模型，计算该初始检测模型输出的样本图片的缺陷预测值的均绝对误差；
[0031]判断所述均绝对误差是否大于预设的最大误差；
[0032]若小于，则根据所述均绝对误差以及所述最大误差，得到该初始检测模型的缺陷评价指标；
[0033]若大于等于，则将预设值设定为该初始检测模型的缺陷评价指标。
[0034]在可选的实施方式中，所述针对每个初始检测模型，计算该初始检测模型输出的样本图片的缺陷预测值的均绝对误差的步骤包括：
[0035]通过以下公式计算该初始检测模型输出的样本图片的缺陷预测值的均绝对误差：
[0036][0037]其中，x
i
为第i个的样本图片，y
i
为第i个样本图片的缺陷真实值，f(x
i
)为第i个样本图片的缺陷预测值，n为样本图片的个数，L1_loss为均绝对误差。
[0038]在可选的实施方式中，所述根据均绝对误差以及所述最大误差，得到该初始检测
模型的缺陷评价指标的步骤包括：
[0039]根据均绝对误差以及所述最大误差，通过以下公式得到该初始检测模型的缺陷评价指标：
[0040][0041]其中，Widthloss_acc为缺陷评价指标，a为最大误差，L1_loss为均绝对误差。
[0042]在可选的实施方式中，所述对样本光伏组件的样本图片的缺陷类别以及缺陷真实值进行标注的步骤包括：
[0043]对所述样本图片进行灰度化以及直方图处理，得到所述样本图片的边缘线直方图；
[0044]根据所述样本图片的边缘线直方图，得到所述样本图片中依次排列的所有电池片的总宽度以及总高度；
[0045]根据所述总宽度、所述总高度以及所述电池片的个数，得到各所述电池片的关键点的位置信息；
[0046]根据各所述电池片的关键点的位置信息，计算各所述电池片之间的缺陷值；
[0047]根据各所述电池片之间的缺陷值对所述样本图片进行标注，并判断各所述电池片之间的缺陷值是否存在异常；
[0048]若存在异常，将所述样本图片的缺陷类别标注为异常，若未存在异常，将所述样本图片的缺陷类别标注为正常。
[0049]在可选的实施方式中，在将所述检测图片输入到预先训练得到检测模型中之前，所述方法还包括：
[0050]获取样本光伏组件不同类型的样本图片以及不同类型的样本图片的标签值；
[0051]针对每个类型的样本图片，将该类型的样本图片输入到原始检测模型中，通过原始检测模型中与该本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏组件缺陷检测方法，其特征在于，所述方法包括：获取待检测的光伏组件的检测图片；通过检测模型对所述检测图片进行检测处理，得到所述待检测的光伏组件的缺陷分类以及所述待检测的光伏组件的缺陷值；其中，所述检测模型包括用于对缺陷进行预测分类的第一全连接层以及用于对缺陷值进行预测的第二全连接层。2.根据权利要求1所述的光伏组件缺陷检测方法，其特征在于，在通过检测模型对所述检测图片进行检测处理之前，所述方法还包括：对样本光伏组件的样本图片的缺陷类别以及缺陷真实值进行标注；将标注后的样本图片输入到原始检测模型中，通过原始检测模型的第一全连接层得到所述样本图片的缺陷的预测类别，以及通过原始检测模型的第二全连接层得到所述样本图片的缺陷预测值；根据预设的第一损失函数，计算所述缺陷类别与预测类别的第一损失，以及根据预设的第二损失函数，计算所述缺陷真实值与所述缺陷预测值的第二损失；计算第一损失和第二损失的和值；判断所述和值是否满足预设条件，若未满足，将所述第一损失以及第二损失反向传播，调整原始检测模型的参数，以此迭代，直至计算得到的第一损失和第二损失的和值满足预设条件，得到检测模型。3.根据权利要求2所述的光伏组件缺陷检测方法，其特征在于，所述判断所述和值是否满足预设条件，若未满足，将所述第一损失以及第二损失反向传播，调整原始检测模型的参数，以此迭代，直至计算得到的第一损失和第二损失的和值满足预设条件，得到检测模型的步骤包括：判断所述和值是否满足预设条件；若满足，得到初始检测模型，并以此迭代，计算每次迭代得到的第一损失和第二损失的和值；若未满足，将所述第一损失以及第二损失反向传播，调整原始检测模型的参数，以此迭代，计算每次迭代得到的第一损失和第二损失的和值；在计算得到的第一损失和第二损失的和值满足所述预设条件的次数达到设定阈值时，得到多个初始检测模型；计算每个所述初始检测模型对应的评判指标；将最高的评判指标对应的初始检测模型作为检测模型。4.根据权利要求3所述的光伏组件缺陷检测方法，其特征在于，所述计算每个所述初始检测模型对应的评判指标的步骤包括：计算每个初始检测模型的分类评价指标以及缺陷评价指标；根据所述分类评价指标以及所述缺陷评价指标，得到每个所述初始检测模型对应的评判指标。5.根据权利要求4所述的光伏组件缺陷检测方法，其特征在于，所述计算每个初始检测模型的分类评价指标的步骤包括：计算每个所述初始检测模型的准确率、精确率以及召回率；根据每个所述初始检测模型的精确率以及召回率，计算得到每个所述初始检测模型的
调和平均数；根据每个所述初始检测模型的准确率以及调和平均数，得到每个所述初始检测模型的分类评价指标。6.根据权利要求4所述的光伏组件缺陷检测方法，其特征在于，所述计算每个初始检测模型的缺陷评价指标的步骤包括：针对每个初始检测模型，计算该初始检测模型输出的样本图片的缺陷预测值的均绝对误差；判断所述均绝对误差是否大于预设的最大误差；若小于，则根据所述均绝对误差以及所述最大误差的比例，计算得到该初始检测模型的缺陷评价指标；若大于等于，则将预设值设定为该初始检测模型的缺陷评价指标。7.根据权利要求6所述的光伏组件缺陷检测方法，其特征在于，所述针对每个初始检测模型，计算该初始检测模型输出的样本图片的缺陷预测值的均绝对误差的步骤包括：通过以下公式计算该初始检测模型输出的样本图片的缺陷预测值的均绝对误差：其中，x
i
为第i个的样本图片，y
i
为第i个样本图片的缺陷真实值，f(x
i
)为第i个样本图片的缺陷预测值，n为样本图片的个数，L1_loss为均绝对误差。8.根据权利要求6所述的光伏组件缺陷检测方法，其特...

【专利技术属性】
技术研发人员：曾小辉，宗迎仙，沈建华，刘敏，徐健，
申请(专利权)人：正泰集团研发中心上海有限公司，
类型：发明
国别省市：