一种太阳能电池片的表面缺陷检测方法技术

本发明专利技术涉及图像处理技术领域，具体涉及一种太阳能电池片的表面缺陷检测方法，包括：采集太阳能电池片表面图像，获取主栅线的最大宽度，根据最大宽度建立窗口，获取每个窗口的灰度波动程度，进而获取多个区域，根据每个区域的混合高斯模型获取每个区域的参考度，得到参考区域以及待增强区域，获取每个待增强区域的光照影响因子，进而得到第一光照区域以及第二光照区域，根据第二光照区域中第一像素点的显著性得到每个第二光照区域的更新灰度直方图，根据参考区域、第一光照区域的灰度直方图以及第二光照区域的更新灰度直方图获取增强图像，根据增强图像识别太阳能电池片表面缺陷。本发明专利技术消除了光照影响，增强效果更好，识别的缺陷更加准确。更加准确。更加准确。

【技术实现步骤摘要】
一种太阳能电池片的表面缺陷检测方法


[0001]本专利技术涉及图像处理
，具体涉及一种太阳能电池片的表面缺陷检测方法。

技术介绍

[0002]如今世界经济发展迅速，人类面临着环境问题和能源需求问题，而太阳能光伏发电已成为解决能源问题的主要方案之一。太阳能电池片作为太阳能光伏发电中的核心部件，关系着整个发电系统的发电效率，但是太阳能电池片可能会受到生产工艺、失误操作或极端天气等因素的影响，导致表面产生裂纹、污渍等缺陷。由于缺陷特征表现不明显等多种因素，需要对图像进行增强以获得更清晰的太阳能电池片表面图像，这样再进行缺陷检测时以获得更准确的检测结果。
[0003]现有技术中对于太阳能电池片表面缺陷检测方法主要有人工目测检测、物理方法检测和机器视觉检测等方法。其中，机器视觉检测相比于前两者更方便、稳定、快捷。但是在利用视觉检测的过程中，由于缺陷区域表现特征不明显或其他外界因素影响而导致检测结果不准确，所以需要利用直方图规定化对图像进行增强，但是对图像全局增强可能导致过度增强，缺陷检测结果仍不准确。因此本专利技术基于图像灰度特征利用图像滑窗法和聚类分析对图像区域进行划分，而后对每个划分的区域进行自适应增强。最后再通过现有算法对太阳能电池片表面缺陷进行检测，获得更准确的检测结果。

技术实现思路

[0004]本专利技术提供一种太阳能电池片的表面缺陷检测方法，以解决现有的问题。
[0005]本专利技术的一种太阳能电池片的表面缺陷检测方法采用如下技术方案：本专利技术一个实施例提供了一种太阳能电池片的表面缺陷检测方法，该方法包括以下步骤：采集太阳能电池片表面图像；将太阳能电池片表面图像中所有像素点分为第一像素点和第二像素点；根据所有第二像素点获取主栅线的最大宽度；根据主栅线的最大宽度以太阳能电池片表面图像中每个像素点为中心建立窗口，根据每个窗口中的第一像素点获取每个窗口的灰度波动程度；根据每个窗口的灰度波动程度将太阳能电池片表面图像分割成多个区域；根据每个区域中所有第一像素点的灰度值绘制每个区域的灰度直方图，对每个区域的灰度直方图进行混合高斯模型拟合，得到每个区域的混合高斯模型；根据每个区域的混合高斯模型获取每个区域的参考度；将参考度最大的区域作为参考区域，将其余区域作为待增强区域；根据每个待增强区域中的第一像素点获取每个待增强区域的灰度波动程度；根据每个待增强区域的灰度波动程度以及包含的窗口的灰度波动程度获取每个待增强区域的光照影响因子；根据光照影响因子将所有待增强区域分为第一光照区域以及第二光照区
域；获取每个第二光照区域中每个第一像素点的显著性；根据每个第二光照区域中所有第一像素点的显著性得到每个第二光照区域的更新灰度直方图；根据参考区域、每个第一光照区域的灰度直方图以及每个第二光照区域的更新灰度直方图获取增强图像；根据增强图像识别太阳能电池片表面缺陷。
[0006]优选的，所述将太阳能电池片表面图像中所有像素点分为第一像素点和第二像素点，包括的具体步骤如下：对太阳能电池片表面图像中所有像素点的灰度值进行聚类，将所有灰度值分为两类；将灰度值均值最大的类别记为主栅线类别，将灰度值均值最小的类别记为非主栅线类别；若像素点的灰度值属于非主栅线类别，将像素点作为第一像素点；若像素点的灰度值属于主栅线类别，将像素点作为第二像素点。
[0007]优选的，所述根据所有第二像素点获取主栅线的最大宽度，包括的具体步骤如下：将连通的所有第二像素点构成一个连通域，得到多个连通域；获取包含第二像素点个数最多的连通域作为目标连通域，对目标连通域进行骨架提取，过骨架上每个像素点作骨架的垂线，获取每条垂线与目标连通域的边缘的两个交点，将一条垂线对应的两个交点之间的欧式距离作为主栅线的一个宽度，获取主栅线的所有宽度；将所有宽度中的最大值作为主栅线的最大宽度。
[0008]优选的，所述根据每个窗口中的第一像素点获取每个窗口的灰度波动程度，包括的具体步骤如下：将每个窗口中所有第一像素点的灰度值的方差作为每个窗口的灰度波动程度。
[0009]优选的，所述根据每个窗口的灰度波动程度将太阳能电池片表面图像分割成多个区域，包括的具体步骤如下：当窗口的灰度波动程度大于预设第一阈值时，将窗口的中心像素点作为分界点，获取所有分界点；将每个分界点与距离最近的两个分界点相连，得到多条分界线，通过分界线将太阳能电池片表面图像分割成多个区域。
[0010]优选的，所述根据每个区域的混合高斯模型获取每个区域的参考度，包括的具体步骤如下：根据每个区域的混合高斯模型获取每个区域的参考度：其中为第个区域的参考度；为第个区域的混合高斯模型中第1个子高斯模型的均值参数；为第个区域的混合高斯模型中第2个子高斯模型的均值参数；为第个区域的混合高斯模型中第1个子高斯模型的方差参数；为第个区域的混合高斯模型中第2个子高斯模型的方差参数；为绝对值符号。
[0011]优选的，所述根据每个待增强区域的灰度波动程度以及包含的窗口的灰度波动程度获取每个待增强区域的光照影响因子，包括的具体步骤如下：获取每个待增强区域的光照影响因子：
其中为第个待增强区域的光照影响因子；为第个待增强区域的灰度波动程度；为第个待增强区域包含的第个窗口的灰度波动程度；为第个待增强区域包含的窗口的个数；为绝对值符号；为双曲正切函数；为超参数。
[0012]优选的，所述获取每个第二光照区域中每个第一像素点的显著性，包括的具体步骤如下：对第二光照区域中每个窗口内所有第一像素点的灰度值进行聚类，将每个窗口内所有第一像素点灰度值分为两类，将灰度值均值最小的类别记为第一类别，将灰度值均值最大的类别记为第二类别；获取第二光照区域中每个第一像素点的显著性：其中为第个第二光照区域中第个第一像素点的显著性；为第个第二光照区域中第个第一像素点的灰度值；为第个第二光照区域中第个第一像素点的窗口的第一类别中所有灰度值的均值；为第个第二光照区域中第个第一像素点的窗口的第一类别中所有灰度值构成的集合；为第个第二光照区域中第个第一像素点的窗口的第二类别中所有灰度值构成的集合；为最大值函数；为最小值函数。
[0013]优选的，所述根据每个第二光照区域中所有第一像素点的显著性得到每个第二光照区域的更新灰度直方图，包括的具体步骤如下：将第二光照区域中所有第一像素点的显著性映射到[0,255]范围内，将映射后的值作为第一像素点的更新灰度值，根据每个第二光照区域中所有第一像素点的更新灰度值绘制每个第二光照区域的更新灰度直方图。
[0014]优选的，所述根据参考区域、每个第一光照区域的灰度直方图以及每个第二光照区域的更新灰度直方图获取增强图像，包括的具体步骤如下：以参考区域的灰度直方图为规定的直方图，分别对每个第一光照区域的灰度直方图以及每个第二光照区域的更新灰度直方图进行直方图规定化，得到每个第一光照区域的增强图像和每个第二光照区域的增强图像；将所有第一光照区域的增强图像、第二光照区域的增强图像以及参考区域构成一个完整的增强图像。
[0015]本专利技术的技术方案的有益效果是：本专利技术根据太阳能电池片表面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种太阳能电池片的表面缺陷检测方法，其特征在于，该方法包括以下步骤：采集太阳能电池片表面图像；将太阳能电池片表面图像中所有像素点分为第一像素点和第二像素点；根据所有第二像素点获取主栅线的最大宽度；根据主栅线的最大宽度以太阳能电池片表面图像中每个像素点为中心建立窗口，根据每个窗口中的第一像素点获取每个窗口的灰度波动程度；根据每个窗口的灰度波动程度将太阳能电池片表面图像分割成多个区域；根据每个区域中所有第一像素点的灰度值绘制每个区域的灰度直方图，对每个区域的灰度直方图进行混合高斯模型拟合，得到每个区域的混合高斯模型；根据每个区域的混合高斯模型获取每个区域的参考度；将参考度最大的区域作为参考区域，将其余区域作为待增强区域；根据每个待增强区域中的第一像素点获取每个待增强区域的灰度波动程度；根据每个待增强区域的灰度波动程度以及包含的窗口的灰度波动程度获取每个待增强区域的光照影响因子；根据光照影响因子将所有待增强区域分为第一光照区域以及第二光照区域；获取每个第二光照区域中每个第一像素点的显著性；根据每个第二光照区域中所有第一像素点的显著性得到每个第二光照区域的更新灰度直方图；根据参考区域、每个第一光照区域的灰度直方图以及每个第二光照区域的更新灰度直方图获取增强图像；根据增强图像识别太阳能电池片表面缺陷；所述将太阳能电池片表面图像中所有像素点分为第一像素点和第二像素点，包括的具体步骤如下：对太阳能电池片表面图像中所有像素点的灰度值进行聚类，将所有灰度值分为两类；将灰度值均值最大的类别记为主栅线类别，将灰度值均值最小的类别记为非主栅线类别；若像素点的灰度值属于非主栅线类别，将像素点作为第一像素点；若像素点的灰度值属于主栅线类别，将像素点作为第二像素点；所述根据每个区域的混合高斯模型获取每个区域的参考度，包括的具体步骤如下：获取每个区域的参考度：其中为第个区域的参考度；为第个区域的混合高斯模型中第1个子高斯模型的均值参数；为第个区域的混合高斯模型中第2个子高斯模型的均值参数；为第个区域的混合高斯模型中第1个子高斯模型的方差参数；为第个区域的混合高斯模型中第2个子高斯模型的方差参数；为绝对值符号；所述根据每个待增强区域的灰度波动程度以及包含的窗口的灰度波动程度获取每个待增强区域的光照影响因子，包括的具体步骤如下：获取每个待增强区域的光照影响因子：
其中为第个待增强区域的光照影响因子；为第个待增强区域的灰度波动程度；为第个待增强区域包含的第个窗口的灰度波动程度；为第个待增强区域包含的窗口的个数；为绝对值符号；为双曲正切函数；为超参数；所述获取每个第二光照区域中每个第一像素点的显著性，包括的具体步骤如下：对第二光照区域中每个窗口内所有第一像素点的灰度值进行聚类，将每个窗口内所有第一像素点灰度值分为两类，将灰...

【专利技术属性】
技术研发人员：张新忠，
申请(专利权)人：无锡惠淳科技有限公司，
类型：发明
国别省市：