[发明专利]一种光伏太阳能电池片电致发光图像缺陷分类方法

说明书

本发明为一种光伏太阳能电池片电致发光图像缺陷分类方法，该方法步骤是：第一步：获取光伏太阳能电池电致发光图像；第二步：图像分块；第三步：用特征描述子描述每个图像块特征；第四步：用分类器进行训练测试。所述特征描述子为CS‑LBP特征描述子或CPICS‑LBP特征描述子。该方法通过将图像先进行分块处理，再通过特征描述子进行局部提取的方式获得图像特征，再结合分类器能很好地将EL图像进行分类。本发明方法尤其适用于检测裂纹、断栅，并在光伏电池片电致发光图像缺陷分类工程实践中取得了很好的效果。

技术领域

本发明涉及光伏电池缺陷检测技术领域，具体涉及一种光伏太阳能电池片电致发光图像缺陷分类方法。该方法主要通过运用机器学习的方法对图像进行特征提取与分类器分类，并运用了一种新颖的特征描述子，即融合中心像素信息的中心对称二值模式CPICS-LBP。

背景技术

随着科学技术的不断发展，太阳能的应用越来越广。在新能源领域，我们通过光电转换的原理，将清洁的太阳能转换成电能，为我们提供源源不断的能源。目前，光伏行业发展迅速，年增长率在20％左右。这些生产出来的电池片首先就是要对其质量进行检测，电池片的质量影响着其使用的寿命、稳定性、以及光电转换效率，在工业实践中，EL缺陷检测主要以机器辅助人工来完成，速度慢，而且检测精确度低(约为80％)，劳动成本高，传统的机器辅助人工分拣已经无法满足市场需求。

太阳能电池片EL图像缺陷检测属于非均匀纹理背景下的缺陷检测，传统的方法如傅里叶重构、各向异性扩散等无法同时实现多种缺陷的在线分类。CS-LBP(M,M,Schmid C.Description of interest regions with local binarypatterns[J].Pattern Recognition,vol.3,no.42,pp.425-436,2009.)特征描述子主要提取图像纹理的梯度信息，丢失了中心像素所带的信息。

发明内容

针对现有技术的不足，本发明拟解决的技术问题是，提出一种光伏太阳能电池片电致发光图像缺陷分类方法。该方法分类精度高，而且大大节省了人力成本，能实现自动检测。

本发明解决所述技术问题采用的技术方案是：提供一种光伏太阳能电池片电致发光图像缺陷分类方法，该方法步骤是：

第一步：获取光伏太阳能电池电致发光图像；

第二步：图像分块；

第三步：用特征描述子描述每个图像块特征；

第四步：用分类器进行训练测试。

所述特征描述子为CS-LBP特征描述子或CPICS-LBP特征描述子；

所述CPICS-LBP通过以下步骤得到：

1)首先将中心像素值C与半径为R的P个邻域像素值的平均值C_m进行比较，中心像素值大于此平均值C_m，二进制码取1，否则取0；

2)将得到的二进制码以串联的方式拼接到中心对称二值模式CS-LBP的右侧，形成融合中心像素信息的中心对称二进制模式CPICS-LBP。

CPICS-LBP的具体计算公式为：

其中，C代表中心像素值；Cm代表中心像素P个邻域像素值的平均值，

CPICS-LBP的半径R为1或2，P为8或16。

所述分类器为SVM分类器或NNC分类器。

图像分块后的图像块大小均相同。

与现有的方法相比，本发明提出了一种光伏太阳能电池片电致发光图像缺陷分类方法具有如下优点：