[发明专利]一种基于图像的太阳能电池缺陷检测系统及方法

权利要求书

1.一种太阳能电池缺陷的检测方法，其特征在于，结合了基于传统图像处理的检测方式和基于卷积神经网络的检测方式，对多种太阳能电池缺陷进行实时检测；对于黑片、虚焊、破片缺陷特征较为明显的缺陷通过图像处理方式进行检测，而由于裂片的裂纹缺陷容易与图像中的噪声混淆，则采用了基于卷积神经网络的方式进行检测；

具体的检测方法步骤如下：

步骤1，获取太阳能电池电致发光图像；

步骤2，图像预处理，对图像获取元件抓拍的太阳能电池电致发光图像进行畸变矫正、旋转、裁剪；提供给步骤3、步骤5；

步骤3，采用自适应二值化、图像滤波、检测闭合区域、求取外接矩形操作分割提取单体太阳能电池块图像，便于步骤4进一步的缺陷检测；

步骤4，对每块的单体太阳能电池图像依次进行黑片、虚焊、破片和裂纹缺陷的检测，其中采用图像处理方法检测黑片、虚焊和破片缺陷，利用预训练的裂纹神经网络检测模型检测裂片缺陷；

步骤5，将步骤4检测结果对应显示在通过步骤2之后的图像中；

步骤6，图像拼接，当适用于待检测的太阳能电池由多块单体太阳能电池组成的应用时，检测时获取图像使用到两个或者两个以上的图像获取元件，故最终需要将不同图像获取元件抓拍的图像检测结果拼接成与太阳能电池实物对应的一张图像；

步骤7，保存最终的检测结果，最终的检测结果包括拼接后与实物对应的一张图像以及存在的缺陷种类和位置信息，分类贴标装置将根据检测结果对检测完毕的太阳能电池进行处理；

其中步骤4中,基于图像处理的检测方式,对于黑片、虚焊、破片缺陷像素分布特征是通过如下方式分析得到的：获取带有不同缺陷的太阳能电池电致发光图像样本,按缺陷种类将太阳能电池电致发光图像样本分类；画出每种缺陷太阳能电池电致发光图像的灰度直方图；通过分析灰度直方图得到各缺陷像素分布特征；根据已获得的像素分布特征，通过统计学方法、图像二值化、图像滤波平滑、轮廓提取和特征匹配的方式检测缺陷，得到缺陷的种类和位置信息；根据缺陷位置信息，在图像中以矩形框的形式框选出缺陷区域并将种类标注在矩形框边上。

2.如权利要求1所述的方法，其特征在于，步骤3中分割提取单体太阳能电池块图像时，构造了一个如下式(1)的核算子进行卷积滤波，达到了预期滤波效果，便于下一步的检测闭合区域操作，

其中f(i,j)是卷积滤波后图像中第i行第j列的像素值，I(i+m,j+n)是滤波前图像中第i+m行第j+n列的像素值，K(m,n)为m*n大小的滤波器，也称之为核算子。

3.如权利要求1所述的方法，其特征在于，步骤4中,基于传统图像处理的检测方式,对于黑片、虚焊、破片缺陷像素分布特征是通过如下方式分析得到的：

获取带有不同缺陷的太阳能电池电致发光图像样本,按缺陷种类将太阳能电池电致发光图像样本分类；

画出每种缺陷太阳能电池电致发光图像的灰度直方图；

通过分析灰度直方图得到各缺陷像素分布特征；

根据已获得的像素分布特征，通过统计学方法、图像二值化、图像滤波平滑、轮廓提取和特征匹配的方式检测缺陷，得到缺陷的种类和位置信息；

根据缺陷位置信息，在图像中以矩形框的形式框选出缺陷区域并将种类标注在矩形框边上。

4.如权利要求1所述的方法，其特征在于，对于于黑片缺陷检测，统计太阳能电池电致发光灰度图像中像素值小于100的数量，当像素值小于100的像素个数超过整张图像总像素个数的85％，即检测判定为黑片缺陷，整张图像即为黑片缺陷位置。

5.如权利要求1所述的方法，其特征在于，对于虚焊缺陷检测，计算整张灰度图像的平均像素值a，根据下式选取阈值th_f对灰度图像进行全局二值化处理，然后从图像顶端自上向下滑窗统计窗口内黑色像素值个数，其中滑窗大小为与图像同宽，长为图像长度的1/10，每次滑窗步长为窗口的长度，当窗口内黑色像素个数占整个窗口像素个数的90％，即检测判定为虚焊缺陷，相应滑窗位置即为虚焊缺陷位置