一种晶硅电池内部缺陷检测方法技术

本发明专利技术涉及图像数据处理技术领域，具体涉及一种晶硅电池内部缺陷检测方法，该方法首先根据晶硅电池内部灰度图像中的灰度值分布得到异常像素点，对内部灰度图像对应比特层图像中参考像素点密度进行分析，得到特征比特层图像，根据特征比特层图像中的参考像素点的位置和内部灰度图像中异常像素点的密度得到最优搜索半径，根据特征比特层图像中的参考像素点的分布得到最优最少点数目，根据最优搜索半径和最优最少点数目进行聚类分析得到噪声点，对消除噪声点的去噪后内部灰度图像进行缺陷检测，得到对应的缺陷区域。本发明专利技术通过内部灰度图像进行缺陷检测对应的在保证适应性的同时，对应的检测准确度更高。对应的检测准确度更高。对应的检测准确度更高。

【技术实现步骤摘要】
一种晶硅电池内部缺陷检测方法


[0001]本专利技术涉及图像数据处理
，具体涉及一种晶硅电池内部缺陷检测方法。

技术介绍

[0002]晶硅电池即晶体硅太阳能电池，尤其是单晶硅太阳能电池，其太阳能转换效率较高且技术较为成熟，因此在太阳能光电利用领域应用较为广泛。但是单晶硅太阳能电池在生产制造过程中可能会由于不可抗力等外界因素影响，导致出现一些内部缺陷，例如晶界缺陷、结构缺陷和化学缺陷等，大多数的缺陷比较明显，对应的缺陷检测难度较小。但是可能会存在一些潜在缺陷，例如单晶硅太阳能的内部隐裂，即电池片内部存在无法直接观测到的裂纹和微小缺陷。所以通常采用电致发光检测技术对电池片内部隐裂缺陷进行检测，但是单晶硅内部通常存在微尘等漂浮缺陷，对应的微尘等漂浮缺陷会产生动态噪声，可能对电池片内部隐裂缺陷的检测精度产生影响。
[0003]现有技术通常根据微尘等漂浮缺陷的灰度特征和集中分布特征，通过DBSCAN聚类算法筛选出微尘等漂浮缺陷对应的噪声点，但是DBSCAN聚类算法需要设置先验参数，不同的先验参数对微尘等漂浮缺陷检测的准确度不同，因此不具有适应性。且选取固定的先验参数可能会使得一些实施场景下微尘等漂浮缺陷的检测准确度较低，造成对微尘等漂浮缺陷的去噪效果较差，进一步降低对晶硅电池内部缺陷检测的准确度。所以在对不同场景下的晶硅电池进行内部缺陷检测时，现有技术不具有适应性，且检测准确度较低。

技术实现思路

[0004]为了解决在对不同场景下的晶硅电池进行内部缺陷检测时，现有的晶硅电池内部缺陷检测方法的准确度较低的技术问题，本专利技术的目的在于提供一种晶硅电池内部缺陷检测方法，所采用的技术方案具体如下：本专利技术提出了一种晶硅电池内部缺陷检测方法，所述方法包括：获取晶硅电池的内部灰度图像；获取所述内部灰度图像对应的各个比特层图像；将所有比特层图像中灰度值为0的像素点作为参考像素点；根据比特层图像之间参考像素点密度变化的趋势差异筛选出特征比特层图像；根据特征比特层图像中参考像素点的位置分布特征，得到上限搜索半径；根据所述上限搜索半径，以及内部灰度图像中异常像素点的局部密度差异分布情况，得到下限搜索半径；根据所述上限搜索半径和所述下限搜索半径得到最优搜索半径；根据特征比特层图像中每个参考像素点对应最优搜索半径内的参考像素点数量分布情况，得到最优最少点数目；根据所述最优搜索半径和所述最优最少点数目，对特征比特层图像的参考像素点进行DBSCAN聚类分析，得到特征比特层图像的参考像素点中的噪声点；根据所述噪声点对所述内部灰度图像进行去噪，得到去噪后内部灰度图像；对所述去噪后内部灰度图像进行缺陷检测，得到晶硅电池内部的缺陷区域。
[0005]进一步地，所述特征比特层图像的获取方法包括：通过预设边长大小的滑窗遍历每个比特层图像，得到所有比特层图像中每个位置处的滑窗；将所有位置处的滑窗以蛇形排列，得到滑窗位置序列；计算每个位置处的滑窗在每个比特层图像中的参考像素点密度；将最高比特层图像外的其他每个比特层图像作为对比比特层图像；根据最高比特层图像与每个对比比特层图像之间相邻滑窗位置处的参考像素点密度变化的趋势差异，得到密度变化趋势差异值计算模型，通过所述密度变化趋势差异值计算模型得到每个对比比特层图像对应的密度变化趋势差异值；将所述密度变化趋势差异值以对应对比比特层图像的比特层阶数从大到小的顺序，构建对应的密度变化趋势差异拟合曲线，将所述密度变化趋势差异拟合曲线中最大拐点处的下一个密度变化趋势差异值对应的比特层图像，作为特征比特层图像。
[0006]进一步地，所述密度变化趋势差异值计算模型包括：其中，表示第个对比比特层图像对应的密度变化趋势差异值，表示第个对比比特层图像，表示最高比特层图像，为滑窗位置序列中元素的数量，表示最高比特层图像在滑窗位置序列中第个滑窗位置处的滑窗对应的参考像素点密度，表示最高比特层图像在滑窗位置序列中第个滑窗位置处的滑窗对应的参考像素点密度，表示最高比特层图像对应所有参考像素点密度的最大值，表示最高比特层图像对应所有参考像素点密度的最小值，表示第个对比比特层图像在滑窗位置序列中第个滑窗位置处的滑窗对应的参考像素点密度，表示第个对比比特层图像在滑窗位置序列中第个滑窗位置处的滑窗对应的参考像素点密度，表示第个对比比特层图像对应所有参考像素点密度的最大值，表示第个对比比特层图像对应所有参考像素点密度的最小值。
[0007]进一步地，所述上限搜索半径的获取方法包括：将所述特征比特层图像中的参考像素点作为特征像素点；在以预设第一搜索半径为上限和以预设第二搜索半径为下限的搜索半径大小范围内，等预设大小的间隔获取至少两个间隔搜索半径；在所有间隔搜索半径中任选一个间隔搜索半径作为目标间隔搜索半径；以每个特征像素点为中心，计算每个特征像素点的目标间隔搜索半径范围内的特征像素点数量；根据所有特征像素点目标间隔搜索半径范围内的特征像素点数量的方差与目标间隔搜索半径对应长度的和值，得到目标间隔搜索半径对应的局部密度差异特征值；将各迭代搜索半径对应的局部密度差异特征值中的最小值对应的间隔搜索半径，
作为上限搜索半径。
[0008]进一步地，所述下限搜索半径的获取方法包括：将上限搜索半径外的其他间隔搜索半径作为参考搜索半径，计算所述内部灰度图像中的异常像素点密度，根据内部灰度图像中的异常像素点密度与每个参考搜索半径作为半径所形成的圆的面积的乘积，得到每个参考搜索半径对应的最少点数目；根据每个参考搜索半径和对应的最少点数目通过DBSCAN算法对内部灰度图像中的异常像素点进行聚类分析，得到每个参考搜索半径对应的聚类集合数量；以每个参考搜索半径对应长度从小到大为序，根据每个参考搜索半径对应聚类集合数量进行曲线拟合，得到聚类集合数量曲线；在所述聚类集合数量曲线上将所有参考搜索半径对应斜率的绝对值的最小值，作为参考斜率值；当参考斜率值对应一个参考搜索半径时，将参考斜率值对应的参考搜索半径作为下限搜索半径；当参考斜率值对应多个参考搜索半径，将长度最小的参考搜索半径作为下限搜索半径。
[0009]进一步地，所述最优最少点数目的获取方法包括：在所述特征比特层图像中，将所有参考像素点的最优搜索半径范围内参考像素点数量的均值，作为最优最少点数目。
[0010]进一步地，所述去噪后内部灰度图像的获取方法包括：将特征比特层图像中的噪声点对应的位置映射到内部灰度图像中，得到内部灰度图像中每个噪声点对应的像素点；在内部灰度图像将所有噪声点对应的像素点进行均值滤波处理，得到去噪后内部灰度图像。
[0011]进一步地，所述最优搜索半径的获取方法包括：根据预设权重，对上限搜索半径和下限搜索半径进行加权求和，得到最优搜索半径。
[0012]进一步地，所述异常像素点的获取方法包括：根据所述内部灰度图像中像素点的灰度值通过最大类间方差法，得到分割阈值；将内部灰度图像中灰度值小于所述分割阈值的像素点作为异常像素点。
[0013]本专利技术具有如下有益效果：考虑到晶硅电池内部中微尘等漂浮缺陷分布较少时，几乎不会对晶硅电池进行内部缺陷检测产本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种晶硅电池内部缺陷检测方法，其特征在于，所述方法包括：获取晶硅电池的内部灰度图像；获取所述内部灰度图像对应的各个比特层图像；将所有比特层图像中灰度值为0的像素点作为参考像素点；根据比特层图像之间参考像素点密度变化的趋势差异筛选出特征比特层图像；根据特征比特层图像中参考像素点的位置分布特征，得到上限搜索半径；根据所述上限搜索半径，以及内部灰度图像中异常像素点的局部密度差异分布情况，得到下限搜索半径；根据所述上限搜索半径和所述下限搜索半径得到最优搜索半径；根据特征比特层图像中每个参考像素点对应最优搜索半径内的参考像素点数量分布情况，得到最优最少点数目；根据所述最优搜索半径和所述最优最少点数目，对特征比特层图像的参考像素点进行DBSCAN聚类分析，得到特征比特层图像的参考像素点中的噪声点；根据所述噪声点对所述内部灰度图像进行去噪，得到去噪后内部灰度图像；对所述去噪后内部灰度图像进行缺陷检测，得到晶硅电池内部的缺陷区域。2.根据权利要求1所述的一种晶硅电池内部缺陷检测方法，其特征在于，所述特征比特层图像的获取方法包括：通过预设边长大小的滑窗遍历每个比特层图像，得到所有比特层图像中每个位置处的滑窗；将所有位置处的滑窗以蛇形排列，得到滑窗位置序列；计算每个位置处的滑窗在每个比特层图像中的参考像素点密度；将最高比特层图像外的其他每个比特层图像作为对比比特层图像；根据最高比特层图像与每个对比比特层图像之间相邻滑窗位置处的参考像素点密度变化的趋势差异，得到密度变化趋势差异值计算模型，通过所述密度变化趋势差异值计算模型得到每个对比比特层图像对应的密度变化趋势差异值；将所述密度变化趋势差异值以对应对比比特层图像的比特层阶数从大到小的顺序，构建对应的密度变化趋势差异拟合曲线，将所述密度变化趋势差异拟合曲线中最大拐点处的下一个密度变化趋势差异值对应的比特层图像，作为特征比特层图像。3.根据权利要求2所述的一种晶硅电池内部缺陷检测方法，其特征在于，所述密度变化趋势差异值计算模型包括：其中，表示第个对比比特层图像对应的密度变化趋势差异值，表示第个对比比特层图像，表示最高比特层图像，为滑窗位置序列中元素的数量，表示最高比特层图像在滑窗位置序列中第个滑窗位置处的滑窗对应的参考像素点密度，表示最高比特层图像在滑窗位置序列中第个滑窗位置处的滑窗对应的参考像素点密度，表示最高比特层图像对应所有参考像素点密度的最大值，表示最高比特层图像对应所有参考像素点密度的最小值，表示第个对比比特层图像在滑窗位置序
列中第个滑窗位置处的滑窗对应的参考像素点密度，表示第个对比比特层图像在滑窗位置序列中第个滑窗位置处的滑窗对应的参考像素点密度，表示第个对比比特层图像对应所有参考像素点密度的最大值，表示第个对比比特层图像对应所有参考像素点密度的最小值。4.根...

【专利技术属性】
技术研发人员：周敏，
申请(专利权)人：苏州普林新能源有限公司，
类型：发明
国别省市：