CN106841211A - 一种运用机器视觉对电池片表面缺陷检测的平台及方法 - Google Patents
一种运用机器视觉对电池片表面缺陷检测的平台及方法 Download PDFInfo
- Publication number
- CN106841211A CN106841211A CN201611259461.6A CN201611259461A CN106841211A CN 106841211 A CN106841211 A CN 106841211A CN 201611259461 A CN201611259461 A CN 201611259461A CN 106841211 A CN106841211 A CN 106841211A
- Authority
- CN
- China
- Prior art keywords
- cell piece
- module
- machine vision
- sorting
- platform
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
- G01N2021/8893—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques providing a video image and a processed signal for helping visual decision
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种运用机器视觉对电池片表面缺陷检测的平台及方法，其中，平台包括：图像采集模块、坐标变换与分割模块、平面信息获取模块、处理模块、判断模块、以及分选模块；图像采集模块用于接收信号并获取电池片的图像数据；坐标变换与分割模块用于对获取的图像数据进行坐标变换以及图像分割；平面信息获取模块用于获取电池片图片的RGB空间各平面信息；处理模块用于进行平面二值化以及滤波处理；判断模块用于判断被检测的电池片表面是否发生破损；分选模块用于对被检测的电池片进行分选。本发明能够针对太阳能电池片进行统一且准确的检测，有利于太阳能电池片的分选，保证了太阳能电池片的合格率，降低了废品太阳能电池片的流出。
Description
技术领域
本发明涉及太阳能电池片检测技术领域，尤其涉及一种用于运用机器视觉对电池片表面缺陷检测的平台及方法。
背景技术
太阳能电池片是太阳能电池的重要组成部分，其在生产过程中不同阶段具有的缺陷种类也不同，影响也不一样。以镀膜后的电池片为例，其镀膜质量的优劣直接决定后续工序中电池片印刷的质量，从而影响太阳能电池的性能，因此必须对镀膜后电池片进行分选，将存在缺陷的不合格电池片予以剔除。
但由于石墨舟各个槽的温度不一样、外界环境等因素的影响，镀膜后电池片会出现各种缺陷，上述电池片品种的多样性和复杂性导致了对其检测方法的不确定性，进而影响了太阳能电池片的检测和分选。
因此，针对上述问题，提出进一步的解决方案。
发明内容
本发明的目的在于提供一种运用机器视觉对电池片表面缺陷检测的平台，以克服现有技术中存在的不足。
为实现上述发明目的，本发明提供一种运用机器视觉对电池片表面缺陷检测的平台，其包括：图像采集模块、坐标变换与分割模块、平面信息获取模块、处理模块、判断模块、以及分选模块；
所述图像采集模块用于接收信号并获取电池片的图像数据；
所述坐标变换与分割模块用于对获取的图像数据进行坐标变换以及图像分割；
所述平面信息获取模块用于获取电池片图片的RGB空间各平面信息；
所述处理模块用于进行平面二值化以及滤波处理；
所述判断模块用于判断被检测的电池片表面是否发生破损；
所述分选模块用于根据所述判断模块的判断结果，对被检测的电池片进行分选。
作为本发明的运用机器视觉对电池片表面缺陷检测的平台的改进，所述判断模块具体用于：
通过图像数据中的像素数据，判断被检测的电池片表面是否发生破损；
如未发生破损，计算各平面中像素点为零所占的像素比；
与数据库中的样本数据进行逻辑对比，获得判断结果。
作为本发明的运用机器视觉对电池片表面缺陷检测的平台的改进，具有缺陷的电池片包括缺边电池片、断角电池片、跳色电池片、断栅电池片。
作为本发明的运用机器视觉对电池片表面缺陷检测的平台的改进，所述分选模块包括机械臂和分选盒，所述分选盒设置于分选位上，所述机械臂自检测位和分选位之间进行往复运动。
为实现上述发明目的，本发明提供一种运用机器视觉对电池片表面缺陷检测方法，其包括如下步骤：
S1、接收信号并获取电池片的图像数据；
S2、对获取的图像数据进行坐标变换以及图像分割；
S3、获取电池片图片的RGB空间各平面信息；
S4、进行平面二值化以及滤波处理；
S5、判断被检测的电池片表面是否发生破损；
S6、根据判断结果，对被检测的电池片进行分选。
作为本发明的运用机器视觉对电池片表面缺陷检测方法的改进，所述步骤S5具体包括：
通过图像数据中的像素数据，判断被检测的电池片表面是否发生破损；
如未发生破损，计算各平面中像素点为零所占的像素比；
与数据库中的样本数据进行逻辑对比，获得判断结果。
作为本发明的运用机器视觉对电池片表面缺陷检测方法的改进，具有缺陷的电池片包括缺边电池片、断角电池片、跳色电池片、断栅电池片。
与现有技术相比，本发明的有益效果是：本发明的运用机器视觉对电池片表面缺陷检测的平台能够针对太阳能电池片进行统一且准确的检测，有利于太阳能电池片的分选，保证了太阳能电池片的合格率，降低了废品太阳能电池片的流出。
附图说明
图1为本发明的运用机器视觉对电池片表面缺陷检测的平台的一具体实施方式的模块示意图；
图2为本发明的运用机器视觉对电池片表面缺陷检测方法的一具体实施方式的方法流程示意图。
具体实施方式
下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。
如图1所示，本发明的运用机器视觉对电池片表面缺陷检测的平台包括：图像采集模块10、坐标变换与分割模块20、平面信息获取模块30、处理模块40、判断模块50、以及分选模块60。
其中，所述图像采集模块10用于接收信号并获取电池片的图像数据，具体地，所述图像获取模块10可以包括光源、镜头以及相机。其中，所述光源用于作为检测光源，所述镜头在检测光源照射下，进行图像数据采集，并将其传递至相机。
所述坐标变换与分割模块20用于对获取的图像数据进行坐标变换以及图像分割，如此，以便于为后续的图像数据处理做准备。所述平面信息获取模块30用于获取电池片图片的RGB空间各平面信息。所述处理模块40用于进行平面二值化以及滤波处理，如此以提高图像数据的准确性。
所述判断模块50用于判断被检测的电池片表面是否发生破损。具体地，所述判断模块50按照如下方式工作：
通过图像数据中的像素数据，判断被检测的电池片表面是否发生破损；如未发生破损，计算各平面中像素点为零所占的像素比；与数据库中的样本数据进行逻辑对比，获得判断结果。优选地，所述判断模块50可以为PC机等。具有缺陷的电池片可以包括缺边电池片、断角电池片、跳色电池片、断栅电池片。从而，基于上述不同缺陷的电池片，所述判断模块50中集成有相应地判断标准，以便于实现精确的判断。
所述分选模块60用于根据所述判断模块50的判断结果，对被检测的电池片进行分选。具体地，所述分选模块60与所述判断模块50进行信号传输，从而，其可根据接收自所述判断模块50发送的判断模块50的判断结果，并据此对被检测的电池片进行分选。所述分选模块60包括机械臂和分选盒，其中，所述分选盒至少包括合格电池片分选盒以及不合格电池片分选盒，且所述分选盒设置于相应的分选位上。所述机械臂自检测位和分选位之间进行往复运动。根据需要，任一分选位上可具有各自的独立机械臂，此外，也可多个分选位共用同一机械臂。所述机械臂在所述分选模块60的控制下，将检测位上的电池片传送至对应的分选位上。所述机械臂抓取电池片时，可通过其上设置的吸盘对电池片进行吸取而实现抓取动作。
如图2所示，基于相同的发明构思，本发明还提供一种运用机器视觉对电池片表面缺陷检测方法，其包括如下步骤：
S1、接收信号并获取电池片的图像数据；
S2、对获取的图像数据进行坐标变换以及图像分割；
S3、获取电池片图片的RGB空间各平面信息；
S4、进行平面二值化以及滤波处理；
S5、判断被检测的电池片表面是否发生破损；
S6、根据判断结果，对被检测的电池片进行分选。
其中，所述步骤S5具体包括：通过图像数据中的像素数据，判断被检测的电池片表面是否发生破损；如未发生破损，计算各平面中像素点为零所占的像素比；与数据库中的样本数据进行逻辑对比，获得判断结果。此外，所述步骤S5中，具有缺陷的电池片包括缺边电池片、断角电池片、跳色电池片、断栅电池片。
综上所述，本发明的运用机器视觉对电池片表面缺陷检测的平台能够针对太阳能电池片进行统一且准确的检测，有利于太阳能电池片的分选，保证了太阳能电池片的合格率，降低了废品太阳能电池片的流出。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (7)
1.一种运用机器视觉对电池片表面缺陷检测的平台，其特征在于，所述电池片表面缺陷检测的平台包括：图像采集模块、坐标变换与分割模块、平面信息获取模块、处理模块、判断模块、以及分选模块；
所述图像采集模块用于接收信号并获取电池片的图像数据；
所述坐标变换与分割模块用于对获取的图像数据进行坐标变换以及图像分割；
所述平面信息获取模块用于获取电池片图片的RGB空间各平面信息；
所述处理模块用于进行平面二值化以及滤波处理；
所述判断模块用于判断被检测的电池片表面是否发生破损；
所述分选模块用于根据所述判断模块的判断结果，对被检测的电池片进行分选。
2.根据权利要求1所述的运用机器视觉对电池片表面缺陷检测的平台，其特征在于，所述判断模块具体用于：
通过图像数据中的像素数据，判断被检测的电池片表面是否发生破损；
如未发生破损，计算各平面中像素点为零所占的像素比；
与数据库中的样本数据进行逻辑对比，获得判断结果。
3.根据权利要求1所述的运用机器视觉对电池片表面缺陷检测的平台，其特征在于，具有缺陷的电池片包括缺边电池片、断角电池片、跳色电池片、断栅电池片。
4.根据权利要求1所述的运用机器视觉对电池片表面缺陷检测的平台，其特征在于，所述分选模块包括机械臂和分选盒，所述分选盒设置于分选位上，所述机械臂自检测位和分选位之间进行往复运动。
5.一种运用机器视觉对电池片表面缺陷检测方法，其特征在于，所述电池片表面缺陷检测的方法包括如下步骤：
S1、接收信号并获取电池片的图像数据；
S2、对获取的图像数据进行坐标变换以及图像分割；
S3、获取电池片图片的RGB空间各平面信息；
S4、进行平面二值化以及滤波处理；
S5、判断被检测的电池片表面是否发生破损；
S6、根据判断结果，对被检测的电池片进行分选。
6.根据权利要求1所述的运用机器视觉对电池片表面缺陷检测方法，其特征在于，所述步骤S5具体包括：
通过图像数据中的像素数据，判断被检测的电池片表面是否发生破损；
如未发生破损，计算各平面中像素点为零所占的像素比；
与数据库中的样本数据进行逻辑对比，获得判断结果。
7.根据权利要求6所述的运用机器视觉对电池片表面缺陷检测方法，其特征在于，具有缺陷的电池片包括缺边电池片、断角电池片、跳色电池片、断栅电池片。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611259461.6A CN106841211A (zh) | 2016-12-30 | 2016-12-30 | 一种运用机器视觉对电池片表面缺陷检测的平台及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611259461.6A CN106841211A (zh) | 2016-12-30 | 2016-12-30 | 一种运用机器视觉对电池片表面缺陷检测的平台及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106841211A true CN106841211A (zh) | 2017-06-13 |
Family
ID=59113837
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611259461.6A Pending CN106841211A (zh) | 2016-12-30 | 2016-12-30 | 一种运用机器视觉对电池片表面缺陷检测的平台及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106841211A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107843600A (zh) * | 2017-10-31 | 2018-03-27 | 河北工业大学 | 一种多晶硅太阳能电池片外观手印缺陷检测的方法 |
| CN108596903A (zh) * | 2017-09-27 | 2018-09-28 | 广东产品质量监督检验研究院（国家质量技术监督局广州电气安全检验所、广东省试验认证研究院、华安实验室） | 一种太阳能电池片的黑边和碎片的缺陷检测方法 |
| CN111860705A (zh) * | 2019-04-29 | 2020-10-30 | 北京铂阳顶荣光伏科技有限公司 | 一种太阳能电池片的检测方法及*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103611690A (zh) * | 2013-10-29 | 2014-03-05 | 上海欧普泰科技创业有限公司 | 太阳能电池片分选装置 |
| CN104574389A (zh) * | 2014-12-26 | 2015-04-29 | 康奋威科技（杭州）有限公司 | 基于彩色机器视觉的电池片色差分选控制方法 |
| CN104952754A (zh) * | 2015-05-05 | 2015-09-30 | 江苏大学 | 基于机器视觉的镀膜后硅片分选方法 |
| CN205643194U (zh) * | 2016-05-27 | 2016-10-12 | 南京点触智能科技有限公司 | 一种基于机器视觉的触控ito薄膜导电层缺陷检测*** |
| CN106057700A (zh) * | 2016-07-25 | 2016-10-26 | 河海大学常州校区 | 一种太阳能电池片的边红片的检测方法 |
-
2016
- 2016-12-30 CN CN201611259461.6A patent/CN106841211A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103611690A (zh) * | 2013-10-29 | 2014-03-05 | 上海欧普泰科技创业有限公司 | 太阳能电池片分选装置 |
| CN104574389A (zh) * | 2014-12-26 | 2015-04-29 | 康奋威科技（杭州）有限公司 | 基于彩色机器视觉的电池片色差分选控制方法 |
| CN104952754A (zh) * | 2015-05-05 | 2015-09-30 | 江苏大学 | 基于机器视觉的镀膜后硅片分选方法 |
| CN205643194U (zh) * | 2016-05-27 | 2016-10-12 | 南京点触智能科技有限公司 | 一种基于机器视觉的触控ito薄膜导电层缺陷检测*** |
| CN106057700A (zh) * | 2016-07-25 | 2016-10-26 | 河海大学常州校区 | 一种太阳能电池片的边红片的检测方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108596903A (zh) * | 2017-09-27 | 2018-09-28 | 广东产品质量监督检验研究院（国家质量技术监督局广州电气安全检验所、广东省试验认证研究院、华安实验室） | 一种太阳能电池片的黑边和碎片的缺陷检测方法 |
| CN108596903B (zh) * | 2017-09-27 | 2022-06-03 | 广东产品质量监督检验研究院（国家质量技术监督局广州电气安全检验所、广东省试验认证研究院、华安实验室） | 一种太阳能电池片的黑边和碎片的缺陷检测方法 |
| CN107843600A (zh) * | 2017-10-31 | 2018-03-27 | 河北工业大学 | 一种多晶硅太阳能电池片外观手印缺陷检测的方法 |
| CN107843600B (zh) * | 2017-10-31 | 2021-01-08 | 河北工业大学 | 一种多晶硅太阳能电池片外观手印缺陷检测的方法 |
| CN111860705A (zh) * | 2019-04-29 | 2020-10-30 | 北京铂阳顶荣光伏科技有限公司 | 一种太阳能电池片的检测方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN204359710U (zh) | 一种玻璃表面缺陷检测装置 | |
| CN101981683B (zh) | 缺陷分类方法以及缺陷分类装置 | |
| CN107966454A (zh) | 一种基于fpga的端塞缺陷检测装置及检测方法 | |
| CN109584227A (zh) | 一种基于深度学习目标检测算法的焊点质量检测方法及其实现*** | |
| CN110135521A (zh) | 基于卷积神经网络的极片极耳缺陷检测模型、检测方法及*** | |
| CN206113866U (zh) | 电感六面自动化检测设备 | |
| CN111768363A (zh) | 基于深度学习的电路板表面缺陷检测方法及检测*** | |
| CN110610199B (zh) | 基于svm和xgboost的印制电路板电阻元件焊点自动光学检测方法 | |
| CN112233059B (zh) | 基于分割+决策的二阶段残差注意力网络的导光板缺陷检测方法 | |
| Li et al. | System design for PCB defects detection based on AOI technology | |
| CN112651966A (zh) | 一种基于acyolov4_csp的印刷电路板微小缺陷检测方法 | |
| CN113325001A (zh) | 一种铜箔表面外观瑕疵自动分辨检测设备及检测方法 | |
| CN106841211A (zh) | 一种运用机器视觉对电池片表面缺陷检测的平台及方法 | |
| CN106501282A (zh) | Fpc自动检查机器人及其智能检测方法 | |
| CN110567976A (zh) | 基于机器视觉的手机盖板丝印缺陷检测装置及检测方法 | |
| CN107358486A (zh) | 一种智能板式定制家具模拟试装方法、***及用户终端 | |
| CN105424721A (zh) | 一种金属应变计缺陷自动检测*** | |
| CN108844961A (zh) | 一种温控器壳体视觉检测***及方法 | |
| CN109685789A (zh) | 基于视觉检测的电芯表面胶纸检测方法及装置 | |
| CN116026839A (zh) | 一种车载电池表面缺陷的检测装置及其智能检测方法 | |
| CN206470220U (zh) | 电路板检测*** | |
| CN106814088A (zh) | 基于机器视觉对电池片颜色分选的检测装置及方法 | |
| CN206990465U (zh) | 液晶面板的缺陷检测装置 | |
| CN206177368U (zh) | 手机尺寸综合测试仪 | |
| CN206258390U (zh) | 活塞杆表面缺陷自动化检测设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170613 |