[发明专利]基于人工智能的光伏电池板焊带偏移检测方法与系统

权利要求书

1.一种基于人工智能的光伏电池板焊带偏移检测方法，其特征在于，该方法包括：

步骤1，提取光伏电池板灰度图像的焊带ROI区域；

步骤2，对光伏电池板灰度图像进行二值化、开运算，去除背景、栅线，利用焊带ROI区域对处理后的光伏电池板灰度图像进行裁剪，得到焊带图像，并调整焊带图像使所有焊带图像方向一致；

步骤3，对焊带图像进行边缘提取，将焊带边缘图像分割为多个子图，针对每一个子图执行特征提取操作，包括：

计算子图的连通域周长；

计算子图的质心坐标；

对子图进行顶帽运算，计算处理后图像的质心坐标；

对子图进行黑帽运算，计算处理后图像的质心坐标；

对子图先进行闭运算，然后对闭运算结果进行开运算，计算处理后图像中连通域的最小外接矩形的倾斜斜率、宽、高；

根据相邻两个子图的质心坐标、斜率计算子图邻域关系特征；

步骤4，将步骤3获得的周长、质心坐标、斜率、宽、高、邻域关系特征整合为焊带偏移特征向量，利用焊带偏移特征向量之间的距离对子图进行聚类，类别中子图个数较少的为偏移类别；

步骤5，连续偏移的子图构成偏移片段，计算偏移片段的偏移程度，并根据所有偏移片段偏的移程度计算焊带图像的偏移程度。

2.如权利要求1所述的方法，其特征在于，所述根据相邻两个子图的质心坐标、斜率计算子图邻域特征包括：

O_n＝[O_n1，O_n2]

其中，O_n为第n个子图的邻域关系特征，为第n+1个子图的质心坐标，为第n-1个子图的质心坐标，k_n+1为第n+1个子图的最小外接矩形的倾斜斜率，k_n-1为第n-1个子图的最小外接矩形的倾斜斜率。

3.如权利要求1所述的方法，其特征在于，所述O_n1为：

4.如权利要求1所述的方法，其特征在于，所述焊带偏移特征向量之间的距离为：

其中，R_mn为第m个焊带子图与第n个焊带子图之间的距离，w_i为第i个特征值的权重，ΔF_i为两个焊带子图第i个特征值的差值。

5.如权利要求1所述的方法，其特征在于，所述第i个特征值的差值为：

ΔF₁＝lnS_n-lnS_m

ΔF₅＝k_n²-k_m²

ΔF₆＝p_n²-p_m²

其中，S_n、S_m分别为第n个图像、第m个图像的周长；分别为第n个图像、第m个图像的质心坐标；分别为顶帽运算后第n个图像、第m个图像的质心坐标；分别为黑帽运算后第n个图像、第m个图像的质心坐标；k_n、k_m分别为先闭后开处理后的第n个图像、第m个图像的最小外接矩形的倾斜斜率；p_n、p_m分别为先闭后开处理后的第n个图像、第m个图像的最小外接矩形的宽、高比；O_n、O_m分别为第n个图像、第m个图像的邻域关系特征。

6.如权利要求1所述的方法，其特征在于，所述根据偏移片段包含的子图的最大倾斜斜率与最大邻域关系特征计算偏移片段的偏移程度包括：

L_q＝K1_q·K2_q

其中，k_qm、O_qm表示第q个偏移片段包含的第m个子图的倾斜斜率、邻域关系特征。