[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

说明书

本发明公开了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，包括一种基于卷积神经网络的太阳能电池组件缺陷检测系统和一种基于卷积神经网络的太阳能电池组件缺陷检测方法，太阳能电池组件缺陷检测系统，包括传送机构、图像拍摄机构、图像传输元件、图像分析元件，传送机构分布在图像拍摄机构的两侧，图像拍摄机构将拍摄的EL照片通过图像传输元件传输给图像分析元件，图像分析元件依据本发明提出的光伏电池组件缺陷检测方法对图像进行处理，该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，能够实时检测生产过程中光伏组件的缺陷并进行分类及位置标注，代替了人工观察检测，极大的提高了检测速率和检测效率。

技术领域

本发明涉及太阳能电池检测技术领域，具体为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。

背景技术

随着环境日益污染严重，作为清洁能源之一的太阳能产业也逐渐发展起来。太阳能发电主要载体为电池板，能源转换过程中不产生其他有害的气体或固体废料，是一种环保、安全、无污染的新型能源。电池板目前90％以上是由晶体硅材料构成，而由于生产设备、生产原料质量及工艺参数等诸多影响，晶体硅太阳能电池在生产加工流程中可能会出现各种各样的缺陷，严重影响太阳能电池的光电转换效率和寿命。

目前太阳能电池的缺陷检测方法主要基于电致发光成像技术，依靠人工观察判断。但检测人员主观判断标准不同，具有较大的不确定因素，会出现误检、漏检等现象，且检测速度慢、效率低，很难满足产线快速检测的需求，易造成不必要的经济损失。

发明内容

（一）解决的技术问题

针对现有技术的不足，本发明提供了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，解决了上述背景技术中提出的问题。

（二）技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种基于卷积神经网络的太阳能电池组件缺陷检测系统，包括传送机构、图像拍摄机构、图像传输元件、图像分析元件，所述传送机构分布在所述图像拍摄机构的两侧，所述图像拍摄机构将拍摄的EL照片通过所述图像传输元件传输给所述图像分析元件。

优选的，所述传送机构分为传入机构和传出机构，分布在所述图像拍摄机构的两侧。

优选的，所述传入机构有单向传送带，所述传出机构有横纵双向传送带。

优选的，所述图像拍摄机构由箱体、传送装置、拍摄装置、贴标签装置和直流电源组成，所述传送装置分布在箱体内两侧的入口和出口处，所述拍摄装置安装在箱体内底部，所述贴标签装置安装在箱体内顶部，所述直流电源安装在箱体内一侧面，为光伏组件电致发光检测提供正向偏置电压。

一种基于卷积神经网络的太阳能电池组件缺陷检测方法，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。

优选的，所述EL图像获取方式为：在暗箱内给待测太阳能电池板组件外加正向偏置电压，利用CCD相机拍摄采集。