一种太阳能电池片外观漏浆缺陷检测的方法与流程

您所在的位置：网站首页 › 太阳能电池片外观缺陷图片 › 一种太阳能电池片外观漏浆缺陷检测的方法与流程

一种太阳能电池片外观漏浆缺陷检测的方法与流程

2024-03-06 05:16| 来源: 网络整理| 查看: 265

本发明涉及光伏电池检测技术领域，主要涉及一种太阳能电池片外观漏浆缺陷检测的方法。

背景技术：

太阳能发电的广泛应用，愈加成为能源领域不可或缺的一部分。太阳能电池板的质量好坏直接影响到太阳能组件的发电效率，所以对电池板表面质量的要求也更加严格。由于在加工制备过程中，繁琐的生产工艺、高质量的生产技术等要求使得太阳能电池片极易产生各种各样的缺陷。影响电池片的发电效率和使用寿命。因此，在生产环节必须对太阳能电池板进行表面缺陷检测，将在生产过程中不可避免产生细微缺陷的电池板给剔除出去。漏浆属于太阳能电池片表面外观缺陷的一种，具体的形式有栅线上白点、栅线外白点和大面积漏浆。是在生产过程中，由于印刷时浆料过量或者滴漏在太阳能电池片表上形成的缺陷。多于的浆料会使电池片烧结不良，影响表面转化效率，降低生产质量。因此，将有漏浆缺陷的太阳能电池片在生产环节就检测挑选出来，对提升产品质量非常重要，对提升企业的经济效益和生产水平有很大促进作用。

目前，现有的漏浆缺陷表面检测依旧依靠人工肉眼检测。肉眼检测容易引起视觉疲劳，主观意识强，易造成漏检、误检，效率低下，而且人工劳动成本高，无疑加大了生产电池片的价值。通过机器视觉检测缺陷的方法在太阳能电池片生产行业还未得到大量的应用。由于太阳能电池片表面图像纹理不均匀，表面背景较为复杂，特征不容易提取，从现有的检测方法得知，目前还没有一个专一准确的算法去检测太阳能电池片表面漏浆缺陷。

因此，亟需一种太阳能电池片外观漏浆缺陷检测的方法，提高工作效率以及电池片的检测质量，提升机械化作业程度。

技术实现要素：

有鉴于此，本发明提供了一种太阳能电池片外观漏浆缺陷检测的方法。解决现有技术中的种种不足，具体方案如下：

一种太阳能电池片外观漏浆缺陷检测的方法，该方法包括四个步骤单元：

第一步，图像预处理单元

1-1、获得灰度图像：将工业相机采集到的rgb图像信息转换为灰度图像信息；

1-2、获取图像旋转角：在步骤1-1的基础上，获取图像横向主栅线区域，将其拟合为多个矩形，获得其水平旋转角平均角；

1-3、图像旋转：在步骤1-2的基础上，利用获得的水平旋转角平均角对图像进行旋转，得到旋转图像；

1-4、roi分割：在步骤1-3的基础上，对图像进行roi分割，提取感兴趣区域，获得需要处理的图像信息；

1-5、获取i通道图像：在步骤1-4的基础上，将需要处理的图像信息转换为rsi空间图像，选取i通道作为处理图像；

1-6、拉普拉斯变换：在步骤1-5的基础上，对处理图像分别做四邻域拉普拉斯变换和八邻域拉普拉斯变换，并将其两者相加，得到拉普拉斯变换图像；

1-7、均值滤波：在步骤1-6的基础上，对得到的拉普拉斯变换图像进行均值滤波，得到均值滤波后的拉普拉斯图像；

1-8、图像二值化：在步骤1-7的基础上，对均值滤波后的拉普拉斯图像选取特定的区域进行二值化，得到二值图像；

第二步，检测栅线外漏浆白点

2-1、去除栅线：在步骤1-8的基础上，对得到的二值图像通过形态学变换，去除太阳能电池片表面的主栅线和副栅线；

2-2、检测栅线外白点：在步骤2-1的基础上，在去除主副栅线后的图像上检测栅线外白点并标记出来；

第三步，检测大面积漏浆缺陷

3-1、获取检测区域：在步骤2-2的基础上，利用连通域选取特定高度、宽度和面积的区域，获取检测区域；

3-2、计算图像平均值：在步骤1-7的基础上，计算均值滤波后的拉普拉斯图像的平均值；

3-3、检测大面积漏浆区域：在步骤3-2的基础上，利用得到的平均值进行筛选，大于平均值的作为缺陷区域，标记检测结果；

第四步，检测栅线上的白点

4-1、得到imagei区域图像：在步骤1-8的基础上，利用区域特征得到imagei在区域中的图像进行处理；

4-2、获取竖向上梯度信息：在步骤4-1的基础上，通过卷积模板对上述步骤得到的区域图像进行卷积变换，获取竖向上的梯度信息图像；

4-3、计算图像信息数据：在步骤4-2的基础上，获取竖向上的梯度信息图像区域图像的平均值和方差，最大值和最小值；

4-4、获得特定区域：在步骤4-3的基础上，利用竖向上的梯度信息图像信息的平均值、方差、最大值和最小值选取特定区域，并将选取的特定区域提取出来；

4-5、获得连通域：在步骤4-4的基础上，选取特定高度、宽度和面积的连通域，以便于从连通域中提取缺陷信息；

4-6、检测栅线上白点：在步骤4-5的基础上，从imagei中获得的连通域信息图像筛选灰度值大于imagei平均值区域，并标记其信息，该标记区域就是检测目标，从而检测到栅线上的白点。

具体的，图像采集所用相机是500万像素工业相机，采集图像大小为2456*2054，精度0.08mm/pixl。

具体的，在此算法适用的太阳能电池片大小为156mm*156mm。

具体的，在所述步骤3-1中，利用连通域选取的特定高度、宽度和面积分别为，宽度2-300、高度为2-300和面积为10-1500。

具体的，在所述步骤1-8中，进行二值化的区域为i通道图像的-500到-10之间。

具体的，在所述步骤4-2中，进行的卷积处理模板是：

具体的，在所述步骤4-5中，所述特定高度、宽度和面积的连通域分别为，宽度4-300、长度4-300和面积15-1500的区域。

具体的，该算法通过计算检测连通域信息来判断太阳能电池板是否有漏浆缺陷。

本发明解决所述缺陷问题采用的技术方案是，针对漏浆缺陷种类特点，进行分类检测，程序算法分块检测，实现太阳能电池片表面外观漏浆缺陷的视觉检测，通过灰度转换、旋转变换、roi分割、转换为hsi空间图像、拉普拉斯变换、均值滤波、图像二值化、形态学变换、卷积处理、选取连通域、筛选缺陷特征区域等11部分组成的缺陷检测方法，检测表面漏浆缺陷方法分为四大部分，第一部分是图像预处理单元，将原始图像转换为便于处理的图像信息；第二部分是去除主副栅线，检测栅线外漏浆白点；第三部分是选取特定连通域，检测大面积漏浆缺陷；第四部分是通过卷积处理，从i通道图像检测栅线上的漏浆白点。具有以下有益效果：1、提高工作效率。2、提高电池片检测质量。3、适合生产线在线分选。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明检测方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1所示，图1为本发明检测方法的流程图，