[发明专利]用于检测单晶硅太阳能电池缺陷的方法和装置

说明书

本申请实施例公开了用于检测单晶硅太阳能电池缺陷的方法和装置。该方法的一具体实施方式包括获取待检测的单晶硅太阳能电池的电致发光图像；将电致发光图像输入到预先训练的缺陷分类模型，得到缺陷信息，缺陷信息用于指示单晶硅太阳能电池所包括的缺陷的缺陷类别，其中缺陷分类模型用于根据输入到其中的单晶硅太阳能电池的电致发光图像预测单晶硅太阳能电池所包括的缺陷的缺陷类别。该实施方式实现了在实时检测在线生产的单晶硅太阳能电池的缺陷的基础上，提高识别单晶硅太阳能电池的缺陷的准确率。

技术领域

本申请实施例涉及计算机技术领域，具体涉及人工智能技术领域，尤其涉及用于检测单晶硅太阳能电池缺陷的方法和装置。

背景技术

单晶硅太阳能电池电致发光(英文Electroluminescent，简称EL)图像，是通过对单晶硅太阳能电池外加正向偏置电压，电源向单晶硅太阳能电池注入大量非平衡载流子，电致发光依靠从扩散区注入的大量非平衡载流子不断地复合发光，放出光子；利用相机捕捉到这些光子，通过计算机进行处理后显示出来的图像。可以通过单晶硅太阳能电池的电致发光图像来检测单晶硅太阳能电池是否存在内在缺陷和外在缺陷。并根据检测结果对单晶硅太阳能电池做相应的处理，例如废弃、返工等。

现有的单晶硅太阳能电池质检系统在缺陷分类应用中主要有两种方式。第一为纯人工质检方式，即依赖于行业专家肉眼观察生产环境中的照片给出判断；第二为机器辅助的人工质检方式，主要由具有一定判断能力的质检系统过滤掉没有缺陷的照片，由人工对疑似存在缺陷的照片进行检测判断。其中，第二种方式的质检系统固化了人工经验，具有一定的自动化能力。

发明内容

本申请实施例提出了一种用于检测单晶硅太阳能电池缺陷的方法和装置。

第一方面，本申请实施例提供了一种用于检测单晶硅太阳能电池缺陷的方法，该方法包括：获取待检测的单晶硅太阳能电池的电致发光图像；将电致发光图像输入到预先训练的缺陷分类模型，得到缺陷信息，缺陷信息用于指示单晶硅太阳能电池所包括的缺陷的缺陷类别，其中缺陷分类模型用于根据输入到其中的单晶硅太阳能电池的电致发光图像预测单晶硅太阳能电池所包括的缺陷的缺陷类别。

在一些实施例中，将电致发光图像输入到预先训练的缺陷分类模型，得到缺陷信息，包括：获取至少一个预先训练的缺陷分类模型的当前负载信息；根据至少一个预先训练的缺陷分类模型的当前负载信息确定出目标缺陷分类模型；将电致发光图像输入到目标缺陷分类模型，得到缺陷信息。

在一些实施例中，缺陷分类模型为包括卷积层、池化层、全连接层以及分类网络的深度卷积神经网络模型。

在一些实施例中，缺陷分类模型是通过如下方式训练得到的：获取训练样本集合，其中，训练样本包括单晶硅太阳能电池的电致发光图像以及缺陷类别；利用机器学习的方法，将训练样本集合中的训练样本中的单晶硅太阳能电池的电致发光图像作为初始缺陷分类模型的输入，将与输入的单晶硅太阳能电池的电致发光图像对应的缺陷类别作为初始缺陷分类模型的期望输出，训练得到缺陷分类模型。

在一些实施例中，该方法还包括：响应于单晶硅太阳能电池所对应的缺陷类别满足预设条件，触发报警装置报警。

在一些实施例中，缺陷分类模型是通过如下方式更新的：获取用户根据报警所执行的响应操作；根据响应操作所指示的缺陷类别更新单晶硅太阳能电池的缺陷信息；基于更新后的单晶硅太阳能电池的缺陷信息调整缺陷分类模型。

第二方面，本申请实施例提供了一种用于检测单晶硅太阳能电池缺陷的装置，该装置包括：获取单元，被配置成获取待检测的单晶硅太阳能电池的电致发光图像；缺陷信息生成单元，被配置成将电致发光图像输入到预先训练的缺陷分类模型，得到缺陷信息，缺陷信息用于指示单晶硅太阳能电池所包括的缺陷的类别，其中缺陷分类模型用于根据输入到其中的单晶硅太阳能电池的电致发光图像预测单晶硅太阳能电池所包括的缺陷的类别。