[发明专利]一种基于卷积神经网络的太阳能电池组件缺陷检测系统及方法

权利要求书

1.一种基于卷积神经网络的太阳能电池组件缺陷检测系统，其特征在于：包括传送机构（1）、图像拍摄机构（2）、图像传输元件（3）、图像分析元件（4），所述传送机构（1）分布在所述图像拍摄机构（2）的两侧，所述图像拍摄机构（2）将拍摄的EL照片通过所述图像传输元件（3）传输给所述图像分析元件（4），所述传送机构（1）分为传入机构（11）和传出机构（12），分布在所述图像拍摄机构（2）的两侧，所述传入机构（11）有单向传送带，所述传出机构（12）有横纵双向传送带，所述图像拍摄机构由箱体（21）、传送装置（22）、拍摄装置（23）、贴标签装置（24）和直流电源（25）组成，所述传送装置（22）分布在箱体（21）内两侧的入口和出口处，所述拍摄装置（23）安装在箱体（21）内底部，所述贴标签装置（24）安装在箱体（21）内顶部，所述直流电源（25）安装在箱体（21）内一侧面，为光伏组件电致发光检测提供正向偏置电压，所述贴标签装置包括标签传输器（241）和传导轨道（242），所述传导轨道（242）与标签传输器（241）的右侧下方的输出端固定连接，所述传导轨道（242）的右侧固定连接有弹性贴合压片（243），所述传导轨道（242）的右侧中间位置且位于弹性贴合压片（243）的右侧转动连接有翻转连杆（244），所述翻转连杆（244）的顶端固定连接有刮动触杆组件（245），所述弹性贴合压片（243）的右侧表面均匀设置有增阻凹槽（246），所述刮动触杆组件（245）与增阻凹槽（246）的表面接触滑动，所述传导轨道（242）的底部靠近右侧的位置固定连接有储气块（247），所述传导轨道（242）底部的两侧均匀设置有排气孔（248），所述排气孔（248）与储气块（247）连通，所述弹性贴合压片（243）的左侧表面均匀设置有空气爆炸组件（249），所述弹性贴合压片（243）向下翻转时向下挤压储气块（247），所述储气块（247）内部被压缩的空气从排气孔（248）喷出。

2.据权利要求1所述的一种基于卷积神经网络的太阳能电池组件缺陷检测系统，其特征在于：所述刮动触杆组件（245）包括刮料锥板（2451），所述刮料锥板（2451）的右侧与翻转连杆（244）固定连接，所述刮料锥板（2451）的底端表面均匀转动连接有行走滚轮（2452），所述行走滚轮（2452）的外部表面固定连接有弹性刮刀（2453）。

3.根据权利要求2所述的一种基于卷积神经网络的太阳能电池组件缺陷检测系统，其特征在于：所述空气爆炸组件（249）包括疏通孔（2491），所述疏通孔（2491）设置在弹性贴合压片（243）的表面，所述疏通孔（2491）的内侧的四周均匀固定连接有挤压翻转片（2492），所述挤压翻转片（2492）的背面固定连接有压合板（2493）。

4.根据权利要求3所述的一种基于卷积神经网络的太阳能电池组件缺陷检测系统，其特征在于：所述挤压翻转片（2492）内侧表面且靠近疏通孔（2491）的位置均固定连接有空气爆炸囊（2494），所述空气爆炸囊（2494）的中间位置设置有鸭嘴阀（2495）。

5.根据权利要求4所述的一种基于卷积神经网络的太阳能电池组件缺陷检测系统的检测方法，所述的方法包括以下步骤：

S1.获取待检测光伏组件EL图像；

S2.在步骤S1的基础上，对处理后的图像进行融合滤波去噪，改善图像质量；

S3.在步骤S2的基础上，对处理后的图像进行位置矫正，去除图像角度倾斜或畸变的问题；

S4.在步骤S3的基础上，对处理后的图像进行ROI划分处理，提取前景区域图像，避免背景对图像检测造成影响；

S5.在步骤S4的基础上，对处理后的图像进行增强处理，进一步提高图像质量；

S6.在步骤S5的基础上，对处理后的图像进行分割处理，获得电池片单元图像；

S7.在步骤S6的基础上，用已训练好的卷积神经网络对处理后的图像进行缺陷检测和分类，并标记位置。