[发明专利]用于检测单晶硅太阳能电池的方法和装置

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；响应于确定电致发光图像满足预设的检测条件，将电致发光图像输入至预先训练的单晶硅太阳能电池缺陷检测系统，得到检测结果信息，其中，单晶硅太阳能电池缺陷检测系统包括至少一个基于语义分割的卷积神经网络，检测结果信息用于指示输入的电致发光图像中的像素显示的内容的类别，类别包括用于表示非缺陷的第一类别和用于表示缺陷的第二类别。该实施方式实现了利用基于语义分割的卷积神经网络对单晶硅太阳能电池进行检测，无需再由人工对单晶硅太阳能电池进行检测。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于检测单晶硅太阳能电池的方法和装置。

背景技术

对于单晶硅太阳能电池，硅片的质量会直接影响到太阳能电池的转换效率等，因此，硅片表面质量检测是生产过程中重要的一环。

目前，硅片的质量控制主要是依靠人工一片一片目视检测，还有少部分采用自动检测设备，利用基于计算机图像处理的检测技术来完成。

发明内容

本申请实施例提出了用于检测单晶硅太阳能电池的方法和装置。

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；响应于确定电致发光图像满足预设的检测条件，将电致发光图像输入至预先训练的单晶硅太阳能电池缺陷检测系统，得到检测结果信息，其中，单晶硅太阳能电池缺陷检测系统包括至少一个基于语义分割的卷积神经网络，检测结果信息用于指示输入的电致发光图像中的像素显示的内容的类别，类别包括用于表示非缺陷的第一类别和用于表示缺陷的第二类别。

在一些实施例中，上述方法还包括：响应于确定电致发光图像不满足预设的检测条件，根据检测条件调整电致发光图像，得到调整后的电致发光图像；将调整后的电致发光图像输入至预先训练的单晶硅太阳能电池缺陷检测系统，得到检测结果信息。

在一些实施例中，将电致发光图像输入至预先训练的单晶硅太阳能电池缺陷检测系统，得到检测结果信息，包括：根据至少一个基于语义分割的卷积神经网络的负载信息，选取基于语义分割的卷积神经网络作为目标卷积神经网络，将电致发光图像输入至目标卷积神经网络，得到检测结果信息。

在一些实施例中，在将电致发光图像输入至预先训练的单晶硅太阳能电池缺陷检测系统，得到检测结果信息之后，还包括：根据得到的检测结果信息，查找检测结果信息对应的处理信息；执行处理信息指示的处理操作。

在一些实施例中，上述处理操作包括以下至少一项：记录日志、触发报警、触发对单晶硅太阳能电池的拾取。

在一些实施例中，上述基于语义分割的卷积神经网络通过如下方式训练得到：确定初始基于语义分割的卷积神经网络；获取训练样本集合，其中，训练样本包括满足检测条件的、单晶硅太阳能电池的电致发光图像和满足检测条件的、电致发光图像对应的检测结果信息；利用机器学习的方法，将训练样本集合中的训练样本中的电致发光图像作为初始基于语义分割的卷积神经网络的输入，将与输入的电致发光图像对应的检测结果信息作为初始基于语义分割的卷积神经网络的期望输出，训练得到基于语义分割的卷积神经网络。

在一些实施例中，上述基于语义分割的卷积神经网络通过如下方式进行更新：获取针对输入至单晶硅太阳能电池缺陷检测系统的电致发光图像标注的检测结果信息；将标注的检测结果信息与利用单晶硅太阳能电池缺陷检测系统得到的检测结果信息进行比较，得到用于表示标注的检测结果信息与利用单晶硅太阳能电池缺陷检测系统得到的检测结果信息的差异的差异值；响应于确定差异值大于预设的差异阈值，将输入至单晶硅太阳能电池缺陷检测系统的电致发光图像和对输入至单晶硅太阳能电池缺陷检测系统的电致发光图像标注的检测结果信息添加到训练样本集合中，得到更新后的训练样本集合；基于更新后的训练样本集合，训练基于语义分割的卷积神经网络，得到更新后的基于语义分割的卷积神经网络。