System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及太阳能光伏电池板,具体涉及一种基于改进lbp(localbinary pattern,局部二进制模式)算法的光伏电池板缺陷检测方法和基于改进lbp算法的光伏电池板缺陷检测装置。
技术介绍
1、现阶段,光伏发电在全球范围内得到了广泛的推广和应用,由于光伏发电可以应用于各种场合,例如屋顶光伏发电、光伏发电站和移动式光伏发电设备,其前景非常广阔。在太阳能光伏电池板生产过程中,由于设备、材料和工艺等方面的原因,尽管制作光伏电池板的每个环节都经过了严格的控制和检测,但是在实际的使用过程中仍然会出现一定数量的不良品,这些不良品会对太阳能光伏电池板的产量、成本和质量造成非常严重的影响。
2、传统的太阳能光伏电池板的质量检测通常为人工检测,通过肉眼对太阳能光伏电池板进行观察分辨,而人工检测的速度非常慢,且检测的精度较低,因此导致成本较大。
技术实现思路
1、本专利技术为解决上述技术问题,提供了一种基于改进lbp算法的光伏电池板缺陷检测方法和装置,能够有效提高光伏电池板缺陷检测的效率和准确性,降低了光伏电池板的生产成本。
2、本专利技术采用的技术方案如下:
3、一种基于改进lbp算法的光伏电池板缺陷检测方法,其特征在于,包括以下步骤:获取样本光伏电池板电致发光图像;对所述样本光伏电池板电致发光图像进行预处理;通过所述改进lbp算法获取预处理后的光伏电池板电致发光图像的特征向量;根据所述特征向量构建高维特征空间,以获取所述光伏电池板的缺陷类型;根据所述
4、在本专利技术的一个实施例中,对所述样本光伏电池板电致发光图像进行预处理,具体包括:将所述样本光伏电池板电致发光图像灰度化;对灰度化后的样本光伏电池板电致发光图像进行滤波处理;对滤波处理后的样本光伏电池板电致发光图像进行图像增强处理。
5、在本专利技术的一个实施例中,通过所述改进lbp算法获取预处理后的光伏电池板的发光图像的图像纹理特征,具体包括:定义所述改进lbp算法的中心像素点的灰度值、周围像素点的灰度值、采样半径和采样点个数;通过改进阈值模式求解动态阈值;判断所述周围像素点的灰度值和中心像素点的灰度值的差的绝对值与所述动态阈值的大小,并记为二进制编码;将所述二进制编码转换成十进制。
6、在本专利技术的一个实施例中,通过knn算法对所述光伏电池板的缺陷类型进行分类。
7、在本专利技术的一个实施例中,所述光伏电池板的缺陷类型包括虚焊、串短路、电池片污染、电池片划伤、单片短路和单片贯穿。
8、一种基于改进lbp算法的光伏电池板缺陷检测装置,包括:第一获取模块,所述第一获取模块用于获取样本光伏电池板电致发光图像;预处理模块,所述预处理模块用于对所述样本光伏电池板电致发光图像进行预处理;第二获取模块,所述第二获取模块用于通过所述改进lbp算法获取预处理后的光伏电池板电致发光图像的特征向量;构建模块,所述构建模块用于根据所述特征向量构建高维特征空间,以获取所述光伏电池板的缺陷类型;检测模块,所述检测模块用于根据所述光伏电池板的缺陷类型对待检测光伏电池板进行缺陷检测。
9、在本专利技术的一个实施例中,所述预处理模块对所述样本光伏电池板电致发光图像进行预处理,具体包括:将所述样本光伏电池板电致发光图像灰度化;对灰度化后的样本光伏电池板电致发光图像进行滤波处理;对滤波处理后的样本光伏电池板电致发光图像进行图像增强处理。
10、在本专利技术的一个实施例中,第二获取模块通过所述改进lbp算法获取预处理后的光伏电池板的发光图像的图像纹理特征,具体包括:定义所述改进lbp算法的中心像素点的灰度值、周围像素点的灰度值、采样半径和采样点个数;通过改进阈值模式求解动态阈值;判断所述周围像素点的灰度值和中心像素点的灰度值的差的绝对值与所述动态阈值的大小,并记为二进制编码;将所述二进制编码转换成十进制。
11、在本专利技术的一个实施例中,通过knn算法对所述光伏电池板的缺陷类型进行分类。
12、在本专利技术的一个实施例中,所述光伏电池板的缺陷类型包括虚焊、串短路、电池片污染、电池片划伤、单片短路和单片贯穿。
13、本专利技术的有益效果:
14、本专利技术通过获取样本光伏电池板电致发光图像,并对样本光伏电池板电致发光图像进行预处理,然后通过改进lbp算法获取预处理后的光伏电池板电致发光图像的特征向量,并根据特征向量构建高维特征空间,以获取光伏电池板的缺陷类型,最后根据光伏电池板的缺陷类型对待检测光伏电池板进行缺陷检测,由此,能够有效提高光伏电池板缺陷检测的效率和准确性,降低了光伏电池板的生产成本。
本文档来自技高网...【技术保护点】
1.一种基于改进LBP算法的光伏电池板缺陷检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于改进LBP算法的光伏电池板缺陷检测方法,其特征在于,对所述样本光伏电池板电致发光图像进行预处理,具体包括:
3.根据权利要求1所述的基于改进LBP算法的光伏电池板缺陷检测方法,其特征在于,通过所述改进LBP算法获取预处理后的光伏电池板的发光图像的图像纹理特征,具体包括:
4.根据权利要求1所述的基于改进LBP算法的光伏电池板缺陷检测方法,其特征在于,通过KNN算法对所述光伏电池板的缺陷类型进行分类。
5.根据权利要求1所述的基于改进LBP算法的光伏电池板缺陷检测方法,其特征在于,所述光伏电池板的缺陷类型包括虚焊、串短路、电池片污染、电池片划伤、单片短路和单片贯穿。
6.一种基于改进LBP算法的光伏电池板缺陷检测装置,其特征在于,包括:
7.根据权利要求6所述的基于改进LBP算法的光伏电池板缺陷检测装置,其特征在于,所述预处理模块对所述样本光伏电池板电致发光图像进行预处理,具体包括:
8.根据
9.根据权利要求6所述的基于改进LBP算法的光伏电池板缺陷检测装置,其特征在于,通过KNN算法对所述光伏电池板的缺陷类型进行分类。
10.根据权利要求6所述的基于改进LBP算法的光伏电池板缺陷检测装置,其特征在于,所述光伏电池板的缺陷类型包括虚焊、串短路、电池片污染、电池片划伤、单片短路和单片贯穿。
...【技术特征摘要】
1.一种基于改进lbp算法的光伏电池板缺陷检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于改进lbp算法的光伏电池板缺陷检测方法,其特征在于,对所述样本光伏电池板电致发光图像进行预处理,具体包括:
3.根据权利要求1所述的基于改进lbp算法的光伏电池板缺陷检测方法,其特征在于,通过所述改进lbp算法获取预处理后的光伏电池板的发光图像的图像纹理特征,具体包括:
4.根据权利要求1所述的基于改进lbp算法的光伏电池板缺陷检测方法,其特征在于,通过knn算法对所述光伏电池板的缺陷类型进行分类。
5.根据权利要求1所述的基于改进lbp算法的光伏电池板缺陷检测方法,其特征在于,所述光伏电池板的缺陷类型包括虚焊、串短路、电池片污染、电池片划伤、单片短路和单片贯穿。
6....
【专利技术属性】
技术研发人员:浦永华,孙玉波,沈金荣,时厚龙,陶华,
申请(专利权)人:江苏格林保尔新能源有限公司,
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。