【技术实现步骤摘要】
本专利技术属于人工智能，具体涉及一种晶硅光伏组件图像的缺陷检测方法。
技术介绍
1、目前，对于光伏组件的缺陷检测而言，现有方法一种是采用传统图像处理，例如，使用自适应图像分割结合canny滤波方法检测故障类型；另一种是直接使用深度学习方式进行检测，例如，采用fasterrcnn等模型直接对图像进行目标检测。但是，传统图像处理的方式的检测效果不理想，且应用场景比较局限，检测故障类型也比较单一。而直接采用深度学习的方式，因电控发光(el)图像本身信噪比小背景复杂以及多晶硅复杂的纹理，往往会造成特别多的漏检和错检，准确率不高。
技术实现思路
1、为了解决相关技术中存在的上述问题，本专利技术提供了一种晶硅光伏组件图像的缺陷检测方法。本专利技术要解决的技术问题通过以下技术方案实现：
2、本专利技术提供一种晶硅光伏组件图像的缺陷检测方法，包括：
3、获取光伏组件图像以及所述光伏组件图像的第一类别和第二类别；所述光伏组件图像中包含多个电池片；所述第一类别表征所述光伏组件图像对应的光伏板的数量类别，每个光伏板中包含预设数量的电池片；所述第二类别表征所述多个电池片的材料；
4、采用与所述光伏板的数量类别对应的坐标提取方式，提取所述光伏组件图像的感兴趣区域的顶点坐标；所述感兴趣区域为所述多个电池片所在的区域；
5、根据所述顶点坐标对所述光伏组件图像进行畸变校正，得到校正图像；
6、采用灰度积分投影分割方法对所述校正图像的感兴趣区域进行分割，得
7、确定每个分割子图像中的主栅线位置，并根据所述主栅线位置消除主栅线，得到多个干扰消除子图像；
8、采用与所述多个电池片的材料对应的背景噪声消除方式，消除每个干扰消除子图像的背景噪声，得到多个噪声消除子图像，每个电池片的图像一一对应一个噪声消除子图像；每个包含缺陷区域的电池片的图像所对应的噪声消除子图像中包含用于描述缺陷区域的形状的骨架特征；
9、将每个噪声消除子图像输入预训练的分类模型，得到对应的缺陷识别结果；所述预训练的分类模型采用带有标注的噪声消除子图像训练得到。
10、本专利技术具有如下有益技术效果：
11、根据光伏组件图像对应的光伏板的数量类别的不同，使用不同的方式进行感兴趣区域的顶点坐标提取，根据顶点坐标进行图像校正并分割，对分割后的图像进行干扰消除，并根据光伏组件所使用的材料的不同，使用不同的方式对分割后的图像进行背景噪声的去除，如此，可以适用于不同的光伏板的数量类别场景(例如，单块光伏板场景和多块光伏板场景)，以及适用于不同的光伏材质(例如，单晶硅和多晶硅)，并且，采用畸变校正消除了摄像畸变对故障特征扭曲的影响，将整块光伏板分割成若干个电池片，消除了电池片互相之间的干扰，也简化了背景干扰，以及，通过去除背景噪声有利于破除多晶硅复杂块状纹理的干扰，如此，提高了最终得到的噪声消除子图像的质量，从而采用带有标注的噪声消除子图像训练出的预训练的分类模型的分类精度也更高，能检测出的故障类别也更多，后续采用预训练的分类模型的对待检测的噪声消除子图像中的缺陷进行识别时，识别出的缺陷类别更准确，可识别的故障类别也更多样。
12、以下将结合附图及实施例对本专利技术做进一步详细说明。
本文档来自技高网...【技术保护点】
1.一种晶硅光伏组件图像的缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的晶硅光伏组件图像的缺陷检测方法，其特征在于，所述光伏组件图像的数量类别包括：单块光伏板和多块光伏板；所述采用与所述光伏板的数量类别对应的坐标提取方式，提取所述光伏组件图像的感兴趣区域的顶点坐标，包括：
3.根据权利要求1所述的晶硅光伏组件图像的缺陷检测方法，其特征在于，所述采用灰度积分投影分割方法对所述校正图像的感兴趣区域进行分割，得到多个分割子图像，包括：
4.根据权利要求1所述的晶硅光伏组件图像的缺陷检测方法，其特征在于，所述确定每个分割子图像中的主栅线位置，并根据所述主栅线位置消除主栅线，得到多个干扰消除子图像，包括：
5.根据权利要求1所述的晶硅光伏组件图像的缺陷检测方法，其特征在于，所述多个电池片的材料包括：多晶硅和单晶硅；所述采用与所述多个电池片的材料对应的背景噪声消除方式，消除每个干扰消除子图像的背景噪声，得到多个噪声消除子图像，包括：
6.根据权利要求5所述的晶硅光伏组件图像的缺陷检测方法，其特征在于，所述通过Frangi
7.根据权利要求1所述的晶硅光伏组件图像的缺陷检测方法，其特征在于，所述根据所述顶点坐标对所述光伏组件图像进行畸变校正，得到校正图像，包括：
8.根据权利要求1所述的晶硅光伏组件图像的缺陷检测方法，其特征在于，当所述光伏组件图像是通过无人设备拍摄的图像时，所述光伏组件图像的第一类别表征所述光伏组件图像对应多块光伏板；当所述光伏组件图像是通过用户设备拍摄的图像时，所述光伏组件图像的第一类别表征所述光伏组件图像对应单块光伏板。
9.根据权利要求1所述的晶硅光伏组件图像的缺陷检测方法，其特征在于，在所述将每个噪声消除子图像输入预训练的分类模型，得到对应的缺陷识别结果之前，所述方法还包括：
10.根据权利要求1所述的晶硅光伏组件图像的缺陷检测方法，其特征在于，所述缺陷识别结果表征输入的噪声消除子图像中是否存在缺陷，以及存在的缺陷的类别；所述缺陷的类别至少包括：隐裂、断栅、破片。
...【技术特征摘要】
1.一种晶硅光伏组件图像的缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的晶硅光伏组件图像的缺陷检测方法，其特征在于，所述光伏组件图像的数量类别包括：单块光伏板和多块光伏板；所述采用与所述光伏板的数量类别对应的坐标提取方式，提取所述光伏组件图像的感兴趣区域的顶点坐标，包括：
3.根据权利要求1所述的晶硅光伏组件图像的缺陷检测方法，其特征在于，所述采用灰度积分投影分割方法对所述校正图像的感兴趣区域进行分割，得到多个分割子图像，包括：
4.根据权利要求1所述的晶硅光伏组件图像的缺陷检测方法，其特征在于，所述确定每个分割子图像中的主栅线位置，并根据所述主栅线位置消除主栅线，得到多个干扰消除子图像，包括：
5.根据权利要求1所述的晶硅光伏组件图像的缺陷检测方法，其特征在于，所述多个电池片的材料包括：多晶硅和单晶硅；所述采用与所述多个电池片的材料对应的背景噪声消除方式，消除每个干扰消除子图像的背景噪声，得到多个噪声消除子图像，包括：
6.根据权利要求5所述的晶硅光伏组件图像的...
【专利技术属性】
技术研发人员：张江明，胡宏宽，闫广义，马腾飞，吴斌蕾，张中东，
申请(专利权)人：国能河北新能源发展有限公司，
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。