【技术实现步骤摘要】
本专利技术涉及太阳能组件缺陷检测，尤其是涉及一种太阳能组件的缺陷检测方法、装置和设备。
技术介绍
1、电致发光(electro luminescence，el)和光致发光(photoluminescence，pl)成像技术广泛应用于太阳能组件的缺陷检测中，可以通过捕捉太阳能电池片产生的电致发光信号或光致发光信号来检测电池片表面的缺陷，如裂纹、电池片不均匀性等。现有技术中，随着深度学习技术的发展，基于深度学习的缺陷检测方法被提出并应用，然而，在工业场景中，生产线上产品合格率较高，具有缺陷的太阳能组件图像的数量相对较少，深度学习模型难以充分学习缺陷特征，导致深度学习模型的准确度不高，在进行缺陷检测时缺陷准确率往往较低。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种太阳能组件的缺陷检测方法、装置和设备，以解决深度学习模型准确度较低导致缺陷检测准确率较低的问题，提高缺陷检测的准确性。
2、第一方面，本专利技术实施例提供了一种太阳能组件的缺陷检测方法，该方法包括：获取目标图像...
【技术保护点】
1.一种太阳能组件的缺陷检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述目标缺陷检测模型的最末输出层包括分类激活函数；所述将所述目标图像输入至预先训练完成的目标缺陷检测模型中，输出第一检测结果的步骤，包括：
3.根据权利要求1所述的方法，其特征在于，所述太阳能组件包括按照预设顺序排列的多个太阳能电池单元；所述将所述目标图像划分为多个子图像的步骤，包括：
4.根据权利要求1所述的方法，其特征在于，所述图像分类模型包括卷积神经网络；所述图像分类模型的最末输出层包括分类激活函数；
5.根据权...
【技术特征摘要】
1.一种太阳能组件的缺陷检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述目标缺陷检测模型的最末输出层包括分类激活函数；所述将所述目标图像输入至预先训练完成的目标缺陷检测模型中，输出第一检测结果的步骤，包括：
3.根据权利要求1所述的方法，其特征在于，所述太阳能组件包括按照预设顺序排列的多个太阳能电池单元；所述将所述目标图像划分为多个子图像的步骤，包括：
4.根据权利要求1所述的方法，其特征在于，所述图像分类模型包括卷积神经网络；所述图像分类模型的最末输出层包括分类激活函数；
5.根据权利要求1所述的方法，其特征在于，基于所述第一检测结果和所述第二检测结果，确定所述太阳能组件的缺陷检测结果的步骤，包括：
6.根据权利要求5所述的方法，其特征在于，所述子图像预设有位置标识；所述位置标识指示所述子图像在所述目标图像中的图像位置；所述将所述第一检测结果中缺陷位置，与所述子图像在所述目标图像中的图像位置进行匹配的步骤，包括：
【专利技术属性】
技术研发人员：姜华，
申请(专利权)人：阳光电源股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。