光伏组件隐裂检测方法和相关产品技术

本申请实施例公开了人工智能领域，尤其涉及光伏组件缺陷检测领域的一种光伏组件隐裂检测方法和相关产品，该方法包括：对第一图像进行隐裂特征提取处理，得到第二图像；所述隐裂特征提取处理包括：将第一像素点的灰度值调整为第一灰度值，以及将第二像素点的灰度值调整为第二灰度值；所述第一像素点对应的第一海森矩阵的第一特征值满足目标条件，所述第二像素点对应的第二海森矩阵的第二特征值未满足所述目标条件，所述第一灰度值利用所述第一特征值得到；利用训练得到的缺陷识别模型对所述第二图像进行缺陷识别，输出缺陷识别结果；所述缺陷识别结果指示所述光伏组件存在隐裂或者不存在隐裂；可以提高识别光伏组件中的隐裂缺陷的精度。缺陷的精度。缺陷的精度。

【技术实现步骤摘要】
光伏组件隐裂检测方法和相关产品


[0001]本申请涉及光伏组件缺陷检测领域，尤其涉及光伏组件隐裂检测方法和相关产品。

技术介绍

[0002]光伏系统是利用光伏组件(也称太阳能电池组件)及其他辅助设备将太阳能转换成电能的系统。目前光伏系统的应用十分广泛，除了中国作为最大的应用市场外，其他诸如西班牙、美国、印度、越南以及中东等的新兴地区也对其市场拓展起到了很大的推动作用。尤其是在经过2018年度的调整后，全球光伏系统的市场恢复到强有力的发展轨迹上。
[0003]作为光伏系统的核心组成部分，光伏组件对于整个系统的发电效率起着至关重要的作用。然而除去制造工艺的参差不一，现场的施工安装、后期的运营维护同样会成为影响光伏组件质量优劣的因素。因此，对于光伏组件定期的检测工作成为必不可少的程序，例如进行光伏组件的电致发光(electro luminescence，EL)检测。
[0004]光伏组件的EL检测，是给光伏组件通上反向电压，通过专业相机在黑暗环境下拍摄其照片，可从拍摄的图像中找出隐裂、断栅、碎屏、黑斑等内部缺陷。隐裂作为光伏组件最常见的缺陷之一。一方面会给光伏系统的发电量带来影响。另一方面，隐裂在运行过程中会逐渐严重，变成更为严重的缺陷，最恶劣的情况会给整个光伏系统的安全带来威胁。因此，需要研究能够准确识别光伏组件中的隐裂缺陷的方案。

技术实现思路

[0005]本申请实施例公开了一种光伏组件隐裂检测方法和相关产品，能够提高识别光伏组件中的隐裂缺陷的精度。
[0006]第一方面，本申请实施例提供了一种光伏组件隐裂检测方法，该方法包括：对第一图像进行隐裂特征提取处理，得到第二图像；所述第一图像为检测光伏组件得到的电致发光EL图像，所述隐裂特征提取处理包括：将第一像素点的灰度值调整为第一灰度值，以及将第二像素点的灰度值调整为第二灰度值；所述第一像素点和所述第二像素点均包含于所述第一图像，所述第一像素点对应的第一海森矩阵的第一特征值满足目标条件，所述第二像素点对应的第二海森矩阵的第二特征值未满足所述目标条件，所述第一灰度值利用所述第一特征值得到，所述第二灰度值和所述第一灰度值不同；利用训练得到的缺陷识别模型对所述第二图像进行缺陷识别，输出缺陷识别结果；所述缺陷识别结果指示所述光伏组件存在隐裂或者不存在隐裂。
[0007]本申请实施例的执行主体为隐裂检测装置。所述第一图像可以是在所述光伏组件(例如光伏电池片)上施加一个外加电压，在暗室下利用红外相机拍摄得到的光伏组件的EL图像。本申请实施例中，第一图像可通过多种方式获得，本申请不作限定。在一个可能的实现方式中，所述第二灰度值为0。
[0008]光伏组件的EL图像中晶节多呈现斑状特征，隐裂具备较强的线性特征。研究发现，
对应于这两种不同结构(即晶节和隐裂)的像素点(例如第一像素点和第二像素点)对应的海森矩阵的特征值有很大的差异。所述第一像素点可理解为对应于隐裂缺陷的任一像素点，所述第二像素点可理解为未对应于隐裂缺陷的任一像素点。第一图像中对应于隐裂缺陷的像素点对应的海森矩阵的特征值往往满足目标条件，未对应于隐裂缺陷的像素点对应的海森矩阵的特征值往往不满足目标条件。本申请实施例中，根据第一图像中的像素点对应的海森矩阵的特征值是否满足目标条件，来调整像素点的灰度值；可以较精确地提取出该第一图像中的隐裂特征。在实际应用中，隐裂检测装置可根据第一图像中的每个像素点对应的海森矩阵的特征值是否满足目标条件，来调整每个像素点的灰度值。
[0009]本申请实施例中，将第一像素点的灰度值调整为第一灰度值，以及将第二像素点的灰度值调整为第二灰度值；可以较精确提取出第一图像中的隐裂特征，从而提高识别光伏组件中的隐裂缺陷的精度。
[0010]在一个可能的实现方式中，所述第一特征值满足所述目标条件包括：所述第一特征值包括的第三特征值小于或等于0，所述第三特征值为所述第一特征值包括的两个特征值中绝对值较大的特征值，所述第二特征值未满足所述目标条件包括：所述第二特征值包括的第四特征值大于0，所述第四特征值为所述第二特征值包括的两个特征值中绝对值较大的特征值。
[0011]所述第一特征值可包括所述第一海森矩阵的各特征值，所述第二特征值可包括所述第二海森矩阵的各特征值。所述第一海森矩阵和所述第二海森矩阵可均为2行2列的矩阵。对于第一图像中的任一像素点对应的海森矩阵的一组特征值(例如第一特征值)来说，若该组特征值中绝对值较大的特征值小于或等于0，则该组特征值满足目标条件；否则，该组特征值不满足该目标条件。所述第一像素点可理解为对应于隐裂缺陷的任一像素点，所述第二像素点可理解为未对应于隐裂缺陷的任一像素点。应理解，根据某个像素点对应的海森矩阵的特征值是否满足目标条件，可确定该像素点是否对应于隐裂缺陷，从而准确地提取出隐裂特征。
[0012]在该实现方式中，当第一特征值包括的第三特征值小于或等于0时，该第一特征值满足目标条件；当第二特征值包括的第四特征值大于0时，该第二特征值未满足该目标条件；可以准确地区分出对应于隐裂缺陷的像素点以及未对应于隐裂缺陷的像素点。
[0013]在一个可能的实现方式中，在将第一像素点的灰度值调整为第一灰度值，以及将第二像素点的灰度值调整为第二灰度值之前，所述方法还包括：构建所述第一像素点对应的所述第一海森矩阵以及构建所述第二像素点对应的所述第二海森矩阵；处理所述第一海森矩阵以得到所述第一特征值，处理所述第二海森矩阵以得到所述第二特征值。
[0014]下面以第一像素点的第一海森矩阵为例，介绍第一图像中任一像素点对应的海森矩阵。
[0015]示例性的，第一像素点的第一海森矩阵如下：
[0016][0017]其中，I
xx
表示第一像素点在x方向的二阶偏导数，I
yy
表示该第一像素点在y方向的二阶偏导数，I
xy
＝I
yx
为该第一像素点在xy方向的混合偏导数。具体如下：
[0018]I
xx
＝I(i+1，j)
‑
2*I(i，j)+I(i
‑
1，j)
ꢀꢀ
(2)；
[0019]I
yy
＝I(i，j+1)
‑
2*I(i，j)+I(i，j
‑
1)
ꢀꢀ
(3)；
[0020]I
xy
＝I(i+1，j+1)
‑
I(i，j+1)
‑
I(i+1，j)+I(i，j)
ꢀꢀ
(4)；
[0021]其中，I(i，j)为第一像素点的灰度值，即第一图像中坐标为(i，j)的像素点的灰度值，I(i，j
‑
1)为该第一图像中坐标为(i，j
‑
1)的像素点的灰度值，以此类推。在实际应用中，隐裂检测装置可利用类似于上述公式(2)至(4)来计算得到第一图像中每个像素点对应的海森矩阵，也可采用其他方式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏组件隐裂检测方法，其特征在于，包括：对第一图像进行隐裂特征提取处理，得到第二图像；所述第一图像为检测光伏组件得到的电致发光EL图像，所述隐裂特征提取处理包括：将第一像素点的灰度值调整为第一灰度值，以及将第二像素点的灰度值调整为第二灰度值；所述第一像素点和所述第二像素点均包含于所述第一图像，所述第一像素点对应的第一海森矩阵的第一特征值满足目标条件，所述第二像素点对应的第二海森矩阵的第二特征值未满足所述目标条件，所述第一灰度值利用所述第一特征值得到，所述第二灰度值和所述第一灰度值不同；利用训练得到的缺陷识别模型对所述第二图像进行缺陷识别，输出缺陷识别结果；所述缺陷识别结果指示所述光伏组件存在隐裂或者不存在隐裂。2.根据权利要求1所述的方法，其特征在于，所述第一特征值满足所述目标条件包括：所述第一特征值包括的第三特征值小于或等于0，所述第三特征值为所述第一特征值包括的两个特征值中绝对值较大的特征值，所述第二特征值未满足所述目标条件包括：所述第二特征值包括的第四特征值大于0，所述第四特征值为所述第二特征值包括的两个特征值中绝对值较大的特征值。3.根据权利要求1或2所述的方法，其特征在于，在对第一图像进行隐裂特征提取处理，得到第二图像之后，所述方法还包括：对所述第二图像进行隐裂特征增强处理，得到第三图像；所述隐裂特征增强处理包括：获得所述第二图像中的第三像素点在K个方向上的F个灰度响应，以及将所述第三像素点的灰度值调整为第三灰度值；所述第三灰度值利用所述F个灰度响应得到，所述第三像素点在第一方向上的灰度响应用于确定所述第三像素点在所述第一方向是否存在隐裂，所述第一方向包含于所述K个方向，所述K为大于1的整数，所述F为等于或大于K的整数；所述利用训练得到的缺陷识别模型对所述第二图像进行缺陷识别，输出缺陷识别结果包括：利用训练得到的所述缺陷识别模型对所述第三图像进行缺陷识别，输出所述缺陷识别结果。4.根据权利要求3所述的方法，其特征在于，所述获得所述第二图像中的第三像素点在K个方向上的F个灰度响应包括：获取第一灰度矩阵；所述第一灰度矩阵由滑动矩阵与第一子矩阵点乘得到，所述滑动矩阵中的第一元素不为零，所述滑动矩阵中的第二元素为零，所述第一元素对应的第一射线的方向包含于所述K个方向，所述第一射线为所述滑动矩阵中以中心元素为起始点且经过所述第一元素的射线，所述第二元素对应的第二射线的方向未包含于所述K个方向，所述第二射线为所述滑动矩阵中以中心元素为起始点且经过所述第二元素的射线，所述第一子矩阵的中心元素为所述第三像素点且所述第一子矩阵为所述第二图像的子矩阵；根据所述第一灰度矩阵，获得所述第三像素点在所述K个方向上的所述F个灰度响应；所述第一灰度矩阵中以中心元素为起点的K条射线的方向与所述K个方向一一对应，所述第一方向对应于所述K条射线中的第三射线，所述第三射线经过所述第一灰度矩阵中的两个或两个以上元素，所述第三像素点在所述第一方向上的灰度响应包括所述第三射线经过所述第一灰度矩阵中的所述两个或两个以上元素。5.根据权利要求3或4所述的方法，其特征在于，在对所述第二图像进行隐裂特征增强
处理，得到第三图像之后，所述方法还包括：对所述第三图像中的栅线以及所述第三图像的边界进行消除，得到第四图像；所述利用训练得到的所述缺陷识别模型对所述第三图像进行缺陷识别，输出所述缺陷识别结果包括：利用训练得到的所述缺陷识别模型对所述第四图像进行缺陷识别，输出所述缺陷识别结果。6.一种隐裂检测装置，其特征在于，包括：特征提取处理单元，用于对第一图像进行隐裂特征提取处理，得到第二图像；所述第一图像为检测光伏组件得到的电致发光EL图像，所述隐裂特征提取处理包括：将第一像素点的灰度值调整为第一灰度值，以及将第二像素点的灰度值调整为第二灰度值；所述第一像素点和所述第二像素点均包含于所述第一图像，所述第一像素点对应的第一海森矩阵的第一特征值满足目标条件，所述第二像素点对应的第二海森矩阵的第二特征值未满足所述目标条件，所述第一灰度值利用所述第一特征值得到，所述第二灰度值和所述第一灰度值不同；缺陷识别单元，用于利用训练得到的缺陷识别模型对所述第二图像进行缺陷识别，得到缺陷识别结果；所述缺陷识别结果指示所述光伏组件存在隐裂或者不存在隐裂；输出单元，用于输出所述缺陷识别结果。7.根据权利要求6所述的隐裂检测装置，其特征在于，所述第一特征值满足所述目标条件包括：所述第一特征值包括的第三特征值小于或等于0，所述第三特征值为所述...

【专利技术属性】
技术研发人员：唐武勤，刘凯，舒震寰，
申请(专利权)人：华为数字能源技术有限公司，
类型：发明
国别省市：