一种基于图像处理的光伏板裂纹与划痕的分类方法技术

本发明专利技术涉及图像分析技术领域，具体涉及一种基于图像处理的光伏板裂纹与划痕的分类方法

【技术实现步骤摘要】
一种基于图像处理的光伏板裂纹与划痕的分类方法


[0001]本专利技术涉及图像分析
，具体涉及一种基于图像处理的光伏板裂纹与划痕的分类方法
。

技术介绍

[0002]光伏板质检是太阳能光伏产业的一个重要环节，质检环节的把控可以确保光伏组件的性能和质量符合标准，以提高能源产出和维护可靠性
。
现如今，光伏板质检逐渐趋向于自动化，结合计算机视觉和机器学习技术来实现高效的质检过程，例如对于光伏板的表面缺陷，该部分缺陷是光伏板在生产过程中由于参数设置不当
、
工业失误等因素所产生的隐裂，隐裂在光伏板运行过程中进一步扩大，产生裂纹缺陷，而光伏板通常露天放置于阳光强烈的地区，对应的收到风吹沙尘等所导致的划痕缺陷，均能够影响光伏板本身的能效
。
[0003]相关技术中，直接使用连通域检测对光伏板进行缺陷区域的识别，并基于连通域的形态实现裂纹与划痕的分类，这种方式下，由于裂纹与划痕的形态均是不可控的，从而导致根据形态进行分析的准确性较低，也即缺陷类型识别的准确性与可靠性不足，进而导致光伏板裂纹与划痕的分类效果较差
。

技术实现思路

[0004]为了解决相关技术中缺陷类型识别的准确性与可靠性不足，进而导致光伏板裂纹与划痕的分类效果较差的技术问题，本专利技术提供一种基于图像处理的光伏板裂纹与划痕的分类方法，所采用的技术方案具体如下：本专利技术提出了一种基于图像处理的光伏板裂纹与划痕的分类方法，方法包括：获取光伏板的电致发光灰度图像，根据所述电致发光灰度图像中所有像素点的灰度值，计算每个像素点所处行的行偏差值和所处列的列偏差值；根据每一像素点的所述行偏差值和所述列偏差值，对所述电致发光灰度图像进行连通域分析，确定异常连通域，根据所述异常连通域中所有像素点的行偏差值和列偏差值
、
所述异常连通域中所有像素点的灰度值和数量，确定所述异常连通域的裂纹概率；根据所述异常连通域中每一像素点的灰度值
、
周围预设领域大小范围内其他像素点灰度值的最大值和最小值，确定所述异常连通域的划痕概率；根据所述异常连通域的所述裂纹概率
、
划痕概率，确定所述异常连通域的缺陷类型
。
[0005]进一步地，所述根据所述电致发光灰度图像中所有像素点的灰度值，计算每个像素点所处行的行偏差值和所处列的列偏差值，包括：将任一像素点作为待测像素点，计算待测像素点所处行的所有像素点的灰度值均值作为行均值；计算待测像素点的灰度值与所述行均值的差值绝对值作为行偏差值；计算待测像素点所处列的所有像素点的灰度值均值作为列均值；计算待测像素点的灰度值与所述列均值的差值绝对值作为列偏差值
。
[0006]进一步地，所述根据每一像素点的所述行偏差值和所述列偏差值，对所述电致发光灰度图像进行连通域分析，确定异常连通域，包括：将所述行偏差值大于预设第一阈值的像素点所处行作为异常行；将所述列偏差值大于预设第二阈值的像素点所处行作为异常列；所述异常行和异常列所组成的区域作为异常区域；对所述异常区域进行连通域分析，得到异常连通域
。
[0007]进一步地，所述根据所述异常连通域中所有像素点的行偏差值和列偏差值
、
所述异常连通域中所有像素点的灰度值和数量，确定所述异常连通域的裂纹概率，包括：根据所述异常连通域中所有像素点的灰度值
、
行偏差值和列偏差值，确定所述异常连通域为裂纹连通域的第一裂纹影响系数；将所述异常连通域中像素点的数量进行归一化处理得到第二裂纹影响系数；根据所述第一裂纹影响系数
、
所述第二裂纹影响系数，确定所述异常连通域的裂纹概率
。
[0008]进一步地，所述根据所述异常连通域中所有像素点的灰度值
、
行偏差值和列偏差值，确定所述异常连通域为裂纹连通域的第一裂纹影响系数，包括：计算所述行偏差值与所述列偏差值的和值绝对值作为偏差系数；将所述异常连通域中所有像素点的灰度值的均值进行反比例的归一化处理得到裂纹灰度相似系数；计算所述偏差系数和所述裂纹灰度相似系数的乘积的归一化值作为第一裂纹影响系数
。
[0009]进一步地，所述第一裂纹影响系数与所述异常连通域的裂纹概率呈正相关关系，所述第二裂纹影响系数与所述异常连通域的裂纹概率呈正相关关系，所述异常连通域的裂纹概率的取值为归一化的数值
。
[0010]进一步地，所述根据所述异常连通域中每一像素点的灰度值
、
周围预设领域大小范围内其他像素点灰度值的最大值和最小值，确定所述异常连通域的划痕概率，包括：在所述异常连通域中任选一个像素点作为待分析像素点；以待分析像素点为中心，将所述预设领域大小内其他像素点灰度值的最大值作为邻域灰度极大值；计算待分析像素点的灰度值与邻域灰度极大值的差值绝对值作为极大值差异；以待分析像素点为中心，将所述预设领域大小内其他像素点灰度值的最小值作为邻域灰度极小值；计算待分析像素点的灰度值与邻域灰度极小值的差值绝对值作为极小值差异；将所述极小值差异和所述极大值差异的乘积的归一化值作为第一划痕影响系数；将所述异常连通域的边缘像素点向外侧进行区域生长预设数量个像素点，得到生长区域；计算所述异常连通域中所有像素点的灰度均值和所述生长区域中所有像素点的灰度均值的差值绝对值作为生长差异，对所述生长差异进行归一化处理得到第二划痕影响系数；根据所述第一划痕影响系数和所述第二划痕影响系数，确定所述异常连通域的划
痕概率
。
[0011]进一步地，所述第一划痕影响系数与所述异常连通域的划痕概率呈正相关关系，所述第二划痕影响系数与所述异常连通域的划痕概率呈正相关关系，所述划痕概率的取值为归一化的数值
。
[0012]进一步地，所述根据所述异常连通域的所述裂纹概率
、
划痕概率，确定所述异常连通域的缺陷类型，包括：计算所述异常连通域的所述裂纹概率与划痕概率的差值作为概率差值；在所述概率差值大于第一差值阈值时，确定所述异常连通域的缺陷类型为裂纹缺陷类型；在所述概率差值小于等于第一差值阈值，且大于第二差值阈值时，确定所述异常连通域的缺陷类型为组合缺陷类型；在所述概率差值小于等于第二差值阈值时，确定所述异常连通域的缺陷类型为划痕缺陷类型，其中，所述第一差值阈值大于0，所述第二差值阈值小于
0。
[0013]进一步地，所述第一差值阈值为
0.2
，所述第二差值阈值为
‑
0.2。
[0014]本专利技术具有如下有益效果：本专利技术通过获取光伏板的电致发光灰度图像，根据电致发光灰度图像中所有像素点的灰度值，计算每个像素点所处行的行偏差值和所处列的列偏差值，通过行偏差值和列偏差值的计算，从而能够避免受光伏板本身规则纹理的影响，提升后续异常连通域分析的准确性与可靠性；根据每一像素点的行偏差值和列偏差值，对电致发光灰度图像进行连通域分析，确定异常连通域，根据异常连通域中所有像素点的行偏差值和列偏差值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于图像处理的光伏板裂纹与划痕的分类方法，其特征在于，所述方法包括：获取光伏板的电致发光灰度图像，根据所述电致发光灰度图像中所有像素点的灰度值，计算每个像素点所处行的行偏差值和所处列的列偏差值；根据每一像素点的所述行偏差值和所述列偏差值，对所述电致发光灰度图像进行连通域分析，确定异常连通域，根据所述异常连通域中所有像素点的行偏差值和列偏差值
、
所述异常连通域中所有像素点的灰度值和数量，确定所述异常连通域的裂纹概率；根据所述异常连通域中每一像素点的灰度值
、
周围预设领域大小范围内其他像素点灰度值的最大值和最小值，确定所述异常连通域的划痕概率；根据所述异常连通域的所述裂纹概率
、
划痕概率，确定所述异常连通域的缺陷类型；所述根据每一像素点的所述行偏差值和所述列偏差值，对所述电致发光灰度图像进行连通域分析，确定异常连通域，包括：将所述行偏差值大于预设第一阈值的像素点所处行作为异常行；将所述列偏差值大于预设第二阈值的像素点所处行作为异常列；所述异常行和异常列所组成的区域作为异常区域；对所述异常区域进行连通域分析，得到异常连通域
。2.
如权利要求1所述的一种基于图像处理的光伏板裂纹与划痕的分类方法，其特征在于，所述根据所述电致发光灰度图像中所有像素点的灰度值，计算每个像素点所处行的行偏差值和所处列的列偏差值，包括：将任一像素点作为待测像素点，计算待测像素点所处行的所有像素点的灰度值均值作为行均值；计算待测像素点的灰度值与所述行均值的差值绝对值作为行偏差值；计算待测像素点所处列的所有像素点的灰度值均值作为列均值；计算待测像素点的灰度值与所述列均值的差值绝对值作为列偏差值
。3.
如权利要求1所述的一种基于图像处理的光伏板裂纹与划痕的分类方法，其特征在于，所述根据所述异常连通域中所有像素点的行偏差值和列偏差值
、
所述异常连通域中所有像素点的灰度值和数量，确定所述异常连通域的裂纹概率，包括：根据所述异常连通域中所有像素点的灰度值
、
行偏差值和列偏差值，确定所述异常连通域为裂纹连通域的第一裂纹影响系数；将所述异常连通域中像素点的数量进行归一化处理得到第二裂纹影响系数；根据所述第一裂纹影响系数
、
所述第二裂纹影响系数，确定所述异常连通域的裂纹概率
。4.
如权利要求3所述的一种基于图像处理的光伏板裂纹与划痕的分类方法，其特征在于，所述根据所述异常连通域中所有像素点的灰度值
、
行偏差值和列偏差值，确定所述异常连通域为裂纹连通域的第一裂纹影响系数，包括：计算所述行偏差值与所述列偏差值的和值绝对值作为偏差系数；将所述异常连通域中所有像素点的灰度值的均值进行反比例的归一化处理得到裂纹灰度...

【专利技术属性】
技术研发人员：许伟剑，潘振华，周学浩，
申请(专利权)人：无锡洛宇智能制造有限公司，
类型：发明
国别省市：