一种光伏电池组件缺陷检测方法和系统技术方案

本发明专利技术涉及一种光伏电池组件缺陷检测方法和系统，其中，方法包括：步骤S1：获取关于光伏电池组件的图像数据；步骤S2：构建检测模型，检测模型基于YOLOv8‑nano构建，包括依次连接的Backbone模块、Neck模块和Head模块；在Backbone模块中加入EMA注意力机制，得到YOLOv8n‑EMA模型；步骤S4：通过最小化损失函数来训练所述YOLOv8n‑EMA模型，使所述YOLOv8n‑EMA模型收敛；步骤S5：利用收敛的YOLOv8n‑EMA模型对光伏电池组件的图像数据进行缺陷检测。本发明专利技术的YOLOv8n‑EMA模型提升了对缺陷特征学习的能力，进而提高了光伏电池组件缺陷检测的精度。

【技术实现步骤摘要】

本专利技术涉及光伏电池组件缺陷检测，尤其是指一种光伏电池组件缺陷检测方法和系统。

技术介绍

1、光伏电池组件是光伏发电的核心部件，光伏电池组件的质量将直接影响其寿命以及光电转换的效率。虽然晶硅太阳电池及组件的制造工艺已较为成熟，但产品在生产过程中也会出现不同程度的缺陷。由于光伏电池组件缺陷种类多而杂，且每一种缺陷尺度不一致，目前没有统一的划分标准将缺陷进行分类，主要对严重影响光伏电池组件转换效率且在生产中较为常见的5类缺陷进行检测：裂纹(carck)、星型裂纹(star_crack)、断栅(finger)、黑芯(black_core)、粗线(thick_line)。

2、目前有很多学者致力于对光伏电池组件的缺陷检测。例如在传统图像处理技术方面，张翰进等人提出双峰法与最大类间方法结合，利用灰度直方图检测太阳电池背景和缺陷部位差异。chen等通过设计结构相似测度(ssm)函数，采用非最大值抑制方法提取候选裂纹缺陷。tsai等人提出了一种基于傅里叶图像重建技术的太阳能电池缺陷检测自参考方案。通过评估原始图像和重建图像之间的灰度差。该方法可以有效地检测本文档来自技高网...

【技术保护点】

1.一种光伏电池组件缺陷检测方法，其特征在于：包括：

2.根据权利要求1所述的光伏电池组件缺陷检测方法，其特征在于：对所述步骤S1中的图像数据进行数据增强处理，所述数据增强处理方法包括Mosic、Mixup和MedianBlur。

3.根据权利要求1所述的光伏电池组件缺陷检测方法，其特征在于：所述步骤S2中的Backbone模块包括依次连接的第一CBS模块、第二CBS模块、第一C2f模块、第三CBS模块、第二C2f模块、第四CBS模块、第一C2f-EMA模块、第五CBS模块、第二C2f-EMA模块和SPPF模块。

4.根据权利要求3所述的光伏电池组件缺...

【技术特征摘要】

1.一种光伏电池组件缺陷检测方法，其特征在于：包括：

2.根据权利要求1所述的光伏电池组件缺陷检测方法，其特征在于：对所述步骤s1中的图像数据进行数据增强处理，所述数据增强处理方法包括mosic、mixup和medianblur。

3.根据权利要求1所述的光伏电池组件缺陷检测方法，其特征在于：所述步骤s2中的backbone模块包括依次连接的第一cbs模块、第二cbs模块、第一c2f模块、第三cbs模块、第二c2f模块、第四cbs模块、第一c2f-ema模块、第五cbs模块、第二c2f-ema模块和sppf模块。

4.根据权利要求3所述的光伏电池组件缺陷检测方法，其特征在于：所述步骤s2中的neck模块包括依次连接的第一upsample层、第一concat层、第三c2f模块、第二upsample层、第二concat层、第四c2f模块、第六cbs模块、第三concat层、第五c2f模块、第七cbs模块、第四concat层和第六c2f模块，其中，所述sppf模块的输出和第四concat层的输入连接，所述第一c2f-ema模块的输出和第一concat层的输入连接，所述第三c2f模块的输出和第三concat层的输入连接，所述第二c2f模块的输出和第二concat层的输入连接。

5.根据权利要求4所述的光伏电池组件缺陷检测方法，其特征在于：所述步骤s2中的head模块包括第一detect模块、第二detect模块和第三detect模块，其中，所述第一detect模块与第四c2f模块的输...

【专利技术属性】
技术研发人员：周德强，朱家豪，徐皓，盛卫锋，左文娟，张秋菊，
申请(专利权)人：江南大学，
类型：发明
国别省市：