[发明专利]基于栅线检测的单晶硅太阳能电池片表面缺陷检测方法

说明书

技术领域

本发明涉及基于机器视觉的表面缺陷检测的技术领域，主要是基于栅线检测的单晶硅太阳能电池片表面缺陷检测方法。

背景技术

单晶硅太阳能电池片表面缺陷检测的实质是判断单晶硅太阳能电池片表面是否存在缺陷并定位缺陷区域的位置。近些年，太阳能光伏发电已成为解决能源危机问题的主要方案之一，同时太阳能电池片质量的好坏又直接影响光伏发电的效率，因此，对太阳能电池片表面进行缺陷检测具有重要意义。

基于机器视觉的太阳能电池片表面缺陷检测是当前的主要发展趋势，现有技术均是根据缺陷的特征建立各种不同类型的数学模型来进行缺陷检测，例如，基于梯度特征、聚类算法、频域分析、矩阵分解和机器学习等数学模型。然而，这些方法都存在泛化能力不足的问题，即：只适用于某几类缺陷的检测，例如，基于梯度特征和聚类算法的检测方法适用于裂纹和断栅类型的缺陷检测，基于频域分析和矩阵分解的检测方法更适用于条状和分布较为分散的缺陷检测。

发明内容

针对现有基于机器视觉的太阳能电池片表面缺陷检测方法泛化能力不足的技术问题，本发明提出了基于栅线检测的单晶硅太阳能电池片表面缺陷检测方法，根据单晶硅太阳能电池片表面纹理的特点，通过栅线检测来删除单晶硅太阳能电池片表面图像中的主栅线和副栅线，同时，利用超像素分割和自适应阈值处理相结合的方法在无栅线图像中检测缺陷区域。

为了解决上述技术问题，本发明的技术方案是：基于栅线检测的单晶硅太阳能电池片表面缺陷检测方法，其特征在于，其步骤如下：一)采用图像缩放和中值滤波对单晶硅太阳能电池片表面图像进行预处理；二)通过栅线检测删除单晶硅太阳能电池片表面图像中的主栅线和副栅线；三)利用超像素分割和自适应阈值处理方法在无栅线图像中检测缺陷区域，得到初始检测结果图；四)通过图像缩放对初始检测结果图进行后处理，得到最终的检测结果图。

所述预处理包括灰度图像转换、图像缩放和中值滤波方法：

1)灰度图像转换：将采集到的单晶硅太阳能电池片表面图像转换为灰度图像，得到的灰度图像为I₁；

2)图像缩放：将大小为m×n的灰度图像I₁进行等比例缩放，得到分辨率为k×g的缩放图像I₂；其中，缩放比例为r∈(0,1)，k＝round(m×r)，g＝round(n×r)，round(·)代表四舍五入运算，m、n、k、g均是非负整数，m、n代表灰度图像I₁的行数和列数，k、g代表缩放图像I₂的行数和列数；

3)图像降噪：采用中值滤波方法对缩放图像I₂进行降噪，去除对检测影响较大的脉冲噪声，降噪后的图像标记为I，分辨率为k×g。

所述中值滤波方法对缩放图像I₂进行降噪的方法是：定义坐标为(x,y)的像素点的邻域为：

N_x,y(R)＝{(i,j)||i-x|≤R,|j-y|≤R}(1)

其中，R为正整数，代表邻域的半径，(i,j)代表邻域内像素点的坐标，N_x,y(R)代表以像素点(x,y)为中心、半径为R的邻域内所有像素点的坐标集合；

对像素点(x,y)进行中值滤波，其结果为：

I(x,y)＝Median{I₂(i,j),(i,j)∈N_x,y(R)}(2)

其中，I(x,y)为像素点(x,y)中值滤波后的灰度值，I₂(i,j)为缩放图像I₂中坐标为(i,j)的像素点的灰度值，Median{·}为取中值操作；

公式(2)的R＝1；利用公式(2)遍历缩放图像I₂的所有像素点可得到图像I。

所述通过栅线检测删除单晶硅太阳能电池片表面图像中的主栅线和副栅线的方法为：

1)计算图像I各行和列的灰度之和：

其中，I(x,y)代表图像I中第x行、y列处像素的灰度值，SH_x表示图像I第x行所有像素的灰度和，SL_y表示图像I第y列所有像素的灰度和；

2)检测主栅线和副栅线的位置：