【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；该目标图像中包含太阳能组件；将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；其中，第一检测结果包括：太阳能组件的缺陷位置，以及缺陷位置对应的缺陷类别参数；将目标图像划分为多个子图像；子图像中包括太阳能组件的部分组件区域；将多个子图像输入至预先训练完成的图像分类模型中，输出子图像对应的第二检测结果；其中，第二检测结果包括：子图像对应的缺陷类别参数；基于第一检测结果和第二检测结果
3、进一步的，上述目标缺陷检测模型的最末输出层包括分类激活函数；上述将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：将目标图像输入至预先训练完成的目标缺陷检测模型中，通过目标缺陷检测模型中的分类激活函数，输出太阳能组件的缺陷位置，以及缺陷位置对应的缺陷类别参数；其中，缺陷位置通过显示在目标图像上的区域指示标识指示；缺陷类别参数包括：该缺陷位置中的缺陷属于预设多种缺陷类别的概率参数。
4、进一步的，上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；将目标图像划分为多个子图像的步骤，包括：将目标图像输入至预先训练完成的语义分割模型，输出初始轮廓图像；对初始轮廓图像进行第一图像处理操作，得到最终轮廓图像，最终轮廓图像中显示有太阳能电池单元的边缘线条；识别最终轮廓图像中太阳能组件中太阳能电池单元的边缘线条，得到识别结果；基于识别结果，对目标图像进行划分，得到多个子图像；其中，子图像中包括对应的太阳能电池单元。
5、进一步的，上述图像分类模型包括卷积神经网络；图像分类模型的最末输出层包括分类激活函数；上述将多个子图像输入至预先训练完成的图像分类模型中，输出子图像对应的第二检测结果的步骤，包括：将子图像依次输入至图像分类模型，通过图像分类模型的分类激活函数，输出子图像对应的缺陷类别参数；缺陷类别参数包括：子图像中的缺陷属于预设多种缺陷类别的概率参数。
6、进一步的，上述基于第一检测结果和第二检测结果，确定太阳能组件的缺陷检测结果的步骤，包括：将第一检测结果中缺陷位置，与子图像在目标图像中的图像位置进行匹配；确定匹配成功的缺陷位置和子图像，基于匹配成功的缺陷位置和子图像对应的缺陷类别参数，生成太阳能组件的缺陷检测结果。
7、进一步的，上述子图像预设有位置标识；位置标识指示子图像在目标图像中的图像位置；上述将第一检测结果中缺陷位置，与子图像在目标图像中的图像位置进行匹配的步骤，包括：针对每个子图像，基于子图像的位置标识，确定子图像在目标图像中的图像位置；从第一检测结果中，确定图像位置是否是缺陷位置；如果图像位置是缺陷位置，确定子图像与缺陷位置相匹配。
8、进一步的，上述确定匹配成功的缺陷位置和子图像，基于匹配成功的缺陷位置和子图像对应的缺陷类别参数，生成太阳能组件的缺陷检测结果的步骤，包括：获取匹配成功的缺陷位置的缺陷类别参数，确定缺陷位置的缺陷类别参数中的第一参数值，基于第一参数值确定第一参数值对应的第一缺陷类别；获取匹配成功的子图像的缺陷类别参数；确定子图像的缺陷类别参数中的第二参数值，基于第二参数值确定第二参数值对应的第二缺陷类别；基于第一参数值和所述第一缺陷类别，以及第二参数值和第二缺陷类别，确定缺陷位置的最终缺陷类别和最终缺陷类别对应的最终缺陷类别参数；基于每个缺陷位置的最终缺陷类别和最终缺陷类别参数，生成太阳能组件的缺陷检测结果。
9、进一步的，上述基于第一参数值和第一缺陷类别，以及第二参数值和第二缺陷类别，确定缺陷位置的最终缺陷类别和最终缺陷类别对应的最终缺陷类别参数的步骤，包括：如果第一缺陷类别与第二缺陷类别相同，将相同的缺陷类别确定为缺陷位置的最终缺陷类别；基于第一参数值和第二参数值，确定最终缺陷类别参数；如果第一缺陷类别与第二缺陷类别不同，从第一参数值和第二参数值中确定最大参数值，将最大参数值对应的缺陷类别，确定为缺陷位置的最终缺陷类别，最大参数值确定为最终缺陷类别参数。
10、第二方面，本专利技术实施例提供了一种太阳能组件的缺陷检测装置，该装置包括：第一获取模块，用于获取目标图像；目标图像中包含太阳能组件；第一输出模块，用于将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；其中，第一检测结果包括：太阳能组件的缺陷位置，以及缺陷位置对应的缺陷类别参数；第一划分模块，用于将目标图像划分为多个子图像；子图像中包括太阳能组件的部分组件区域；第二输出模块，用于将多个子图像输入至预先训练完成的图像分类模型中，输出子图像对应的第二检测结果；其中，第二检测结果包括：子图像对应的缺陷类别参数；第一确定模块，用于基于第一检测结果和第二检测结果，确定太阳能组件的缺陷检测结果。
11、第三方面，本专利技术实施例提供了一种太阳能组件的缺陷检测设备，该设备包括处理器和存储器，存储器存储有能够被处理器执行的机器可执行指令，处理器执行机器可执行指令以实现上述太阳能组件的缺陷检测方法。第四方面，本专利技术实施例提供了一种机器可读存储介质，该机器可读存储介质存储有机器可执行指令，机器可执行指令在被处理器调用和执行时，机器可执行指令促使处理器实现上述的太阳能组件的缺陷检测方法。
12、本专利技术实施例带来了以下有益效果：
13、上述太阳能组件的缺陷检测方法、装置和设备，获取目标图像；该目标图像中包含太阳能组件；将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；其中，第一检测结果包括：太阳能组件的缺陷位置，以及缺陷位置对应的缺陷类别参数；将目标图像划分为多个子图像；子图像中包括太阳能组件的部分组件区域；将多个子图像输入至预先训练完成的图像分类模型中，输出子图像对应的第二检测结果；其中，第二检测结果包括：子图像对应的缺陷类别参数；基于第一检测结果和第二检测结果，确定太阳能组件的缺陷检测结果。
14、该方式中，通过训练好的目标缺陷检测模型对太阳能组件本文档来自技高网...
【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：
7.根据权利要求5所述的方法，其特征在于，确定匹配成功的缺
8.根据权利要求7所述的方法，其特征在于，基于所述第一参数值和所述第一缺陷类别，以及所述第二参数值和所述第二缺陷类别，确定所述缺陷位置的最终缺陷类别和所述最终缺陷类别对应的最终缺陷类别参数的步骤，包括：
9.一种太阳能组件的缺陷检测装置，其特征在于，所述装置包括：
10.一种太阳能组件的缺陷检测设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器执行所述机器可执行指令以实现权利要求1-8任一项所述的太阳能组件的缺陷检测方法。
11.一种机器可读存储介质，其特征在于，所述机器可读存储介质存储有机器可执行指令，所述机器可执行指令在被处理器调用和执行时，所述机器可执行指令促使所述处理器实现权利要求1-8任一项所述的太阳能组件的缺陷检测方法。
...【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。