CN111598851A - 一种基于形态学图像处理的太阳能电池破片检测方法 - Google Patents
一种基于形态学图像处理的太阳能电池破片检测方法 Download PDFInfo
- Publication number
- CN111598851A CN111598851A CN202010357034.1A CN202010357034A CN111598851A CN 111598851 A CN111598851 A CN 111598851A CN 202010357034 A CN202010357034 A CN 202010357034A CN 111598851 A CN111598851 A CN 111598851A
- Authority
- CN
- China
- Prior art keywords
- image
- morphological
- result
- solar cell
- method based
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8874—Taking dimensions of defect into account
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Multimedia (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于形态学图像处理的太阳能电池破片检测方法,该种基于形态学图像处理的太阳能电池破片检测方法包括通过工业相机获取电池片图像A;对图像A进行二值化得到二值图B;构造形态学元素,利用此形态学元素对二值图B进行闭操作得到结果图C;将图C减去二值图B得到差分图D;构造形态学元素,尺寸为(1,h),利用此形态学元素对二值图B进行闭操作得到结果图E;将图E减去二值图B得到差分图F;将差分图D和F相加得到结果图G;将图G进行连通区域提取即可获取破片的位置和大小,标记破片位置后的最终结果。通过上述方式,本发明相对于传统的基于模板对比的方法具有快速和检测精度高的优点。
Description
技术领域
本发明涉及太阳能组件制造及外观检测技术领域,特别是涉及一种基于形态学图像处理的太阳能电池破片检测方法。
背景技术
随着环境保护的呼吁越来越强烈,国家也在逐渐改变传统的发电模式,增加新能源、清洁能源的发电比例,其中太阳能发电得到了迅猛的发展,因此对于太阳能组件的需求也迅速增长。
太阳能光伏组件的制造过程复杂,自动化程度日益提高,机器视觉技术在其中得到广泛应用,光伏组件的制造流程包括电池片分选、单焊接、串焊接、拼接(排版)、中间测试(中间测试分:红外线测试和外观检查)、层压、削边、层后外观、层后红外、装框(一般为铝边框)、装接线盒、清洗、测试(此环节也分红外线测试和外观检查,判定该组件的等级)和包装,其中的外观缺陷检测包括电池片的异物、划痕、破片、缺角等各种缺陷的检测。
传统的电池片破片的视觉检测方法使用电池片图像和标准模板图像进行差分对比的方法,将图像和模板有差异的部分作为破片位置,因为采集图像设备的差异以及电池片制造时的差异使得正常电池片的图像和标准模板之间也会有或大或小的差异,因此采用模板对比方法进行检测易产生误检,基于以上缺陷和不足,有必要对现有的技术予以改进,设计出一种基于形态学图像处理的太阳能电池破片检测方法。
发明内容
本发明主要解决的技术问题是利用机器视觉方法进行光伏组件太阳能电池片,主要目的在于提供一种基于形态学图像处理的太阳能电池破片检测方法,应用在光伏组件自动化生产线的外观检测环节中,通过机器视觉***进行太阳能电池片的破片检测,根据检测结果自动剔除有缺陷的电池片。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种基于形态学图像处理的太阳能电池破片检测方法,该种基于形态学图像处理的太阳能电池破片检测方法包括以下步骤:
步骤一:通过工业相机获取电池片图像A,如附图2所示;
步骤二:对图像A进行二值化得到二值图B,如附图3所示,二值化使用固定阈值的二值化或使用自适应阈值的二值化;
步骤三:构造形态学元素,尺寸为(w,1),w是宽度,高度是1,宽度w一般要大于水平边缘最大的破损的宽度,利用此形态学元素对二值图B进行闭操作得到结果图C,如附图4所示;
步骤四:将步骤三的结果图C减去二值图B得到差分图D,如附图5所示;
步骤五:构造形态学元素,尺寸为(1,h),h是高度,宽度是1,高度h一般要大于垂直边缘最大的破损的高度,利用此形态学元素对二值图B进行闭操作得到结果图E,如附图6所示;
步骤六:将步骤五的结果图E减去二值图B得到差分图F,如附图7所示;
步骤七:将步骤四和步骤六得到的差分图D和F相加得到结果图G,如附图8所示,图G中的白色区域即是电池片的破损部分;
步骤八:将图G进行连通区域提取即可获取破片的位置和大小,标记破片位置后的最终结果,如附图9所示。
与现有技术相比,本发明的有益效果是:
利用两种形态学元素对二值化后的电池片图像进行形态学闭操作,用得到的结果图像和原图像做差即可得到电池片破损部位的图像,检测不受电池片大小比例影响,只要是矩形电池片即可检测,不需要根据不同的电池片使用多个标准模板图像,相对于传统的基于模板对比的方法具有快速和检测精度高的优点,并且不易受电池片制造以及图像采集误差的影响。
附图说明
图1为本发明的程序流程图。
图2为本发明获取的原始电池片图像A。
图3为本发明二值化后的图像B。
图4为本发明使用尺寸为(w,1)的形态学元素进行闭操作后的图像C。
图5为本发明差分后得到的电池片水平边缘破片图像D。
图6为本发明使用尺寸为(1,h)的形态学元素进行闭操作后的图像E。
图7为本发明差分后得到的电池片垂直边缘破片图像F。
图8为本发明检测到的电池片破损区域图像G。
图9为本发明标记破片位置后的图像。
具体实施方式
下面结合附图对本发明较佳实施例进行详细阐述,以使发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
请参阅图1至图9,本发明实施例包括:
一种基于形态学图像处理的太阳能电池破片检测方法,该种基于形态学图像处理的太阳能电池破片检测方法包括以下步骤:
步骤一:使用4k线阵相机和条形光源获取电池片原始图像A,如附图2所示;
步骤二:在本实施例中根据获取的原始图像A情况使用固定阈值的二值化方法,阈值为10,阈值化后的结果B,如附图3所示;
步骤三:使用的形态学元素尺寸为(237,1),宽度为237个像素,高度为1个像素,宽度的选择主要依据电池片图像的宽度以及待检测破损的最大宽度,其宽度必须为大于待检测破损宽度的奇数,使用此形态学元素对步骤二得到的二值图进行闭操作得到结果图C,如附图4,可以看到闭操作的结果填补了电池片水平边缘的破损部位;
步骤四:步骤三得到的结果图和步骤二得到的二值化图B利用矩阵相减的方法得到两幅图像的差分图像D,如附图5,差分的结果是只保留了电池片水平边缘破损部位的图像;
步骤五:使用的形态学元素尺寸为(1,237),宽度为1个像素,高度为237个像素,高度的选择主要依据电池片图像的高度以及待检测破损的最大高度,其高度必须为大于待检测破损高度的奇数,使用此形态学元素对步骤二得到的二值图B进行闭操作得到结果图E,如附图6,可以看到闭操作的结果填补了电池片垂直边缘的破损部位;
步骤六:将步骤五得到的结果图E和步骤二得到的二值化图B利用矩阵相减的方法得到两幅图像的差分图像F,如附图7,差分的结果是只保留了电池片垂直边缘破损部位的图像;
步骤七:将步骤四和步骤六得到的差分图D和F相加得到得到包含所有破损部位的图像G,如附图8,图G中的白色区域即是电池片的破损部分;
步骤八:将步骤七得到的结果图G进行联通区域提取,得到破损区域的精确坐标和面积大小,根据这些数据即可在原电池片图像上进行标记,如附图9。
本实施例中只给出了电池片边缘部位的破损的检测,实际上本发明对电池片内部的破洞的检测也同样有效。
本发明一种基于形态学图像处理的太阳能电池破片检测方法,检测不受电池片大小比例影响,只要是矩形电池片即可检测,不需要根据不同的电池片使用多个标准模板图像,相对于传统的基于模板对比的方法具有快速和检测精度高的优点,并且不易受电池片制造以及图像采集误差的影响。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (3)
1.一种基于形态学图像处理的太阳能电池破片检测方法,其特征在于:该种基于形态学图像处理的太阳能电池破片检测方法包括以下步骤:
步骤一:通过工业相机获取电池片图像A;
步骤二:对图像A进行二值化得到二值图B;
步骤三:构造形态学元素,尺寸为(w,1),w是宽度,高度是1,宽度w大于水平边缘最大的破损的宽度,利用此形态学元素对二值图B进行闭操作得到结果图C;
步骤四:将步骤三的结果图C减去二值图B得到差分图D;
步骤五:构造形态学元素,尺寸为(1,h),h是高度,宽度是1,高度h要大于垂直边缘最大的破损的高度,利用此形态学元素对二值图B进行闭操作得到结果图E;
步骤六:将步骤五的结果图E减去二值图B得到差分图F;
步骤七:将步骤四和步骤六得到的差分图D和F相加得到结果图G,图G中的白色区域即是电池片的破损部分;
步骤八:将图G进行连通区域提取即可获取破片的位置和大小,标记破片位置后的最终结果。
2.根据权利要求1所述的一种基于形态学图像处理的太阳能电池破片检测方法,其特征在于:所述步骤一中相机采用面阵相机或线阵相机。
3.根据权利要求1所述的一种基于形态学图像处理的太阳能电池破片检测方法,其特征在于:所述步骤二中二值化使用固定阈值的二值化或使用自适应阈值的二值化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010357034.1A CN111598851B (zh) | 2020-04-29 | 2020-04-29 | 一种基于形态学图像处理的太阳能电池破片检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010357034.1A CN111598851B (zh) | 2020-04-29 | 2020-04-29 | 一种基于形态学图像处理的太阳能电池破片检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111598851A true CN111598851A (zh) | 2020-08-28 |
CN111598851B CN111598851B (zh) | 2023-09-19 |
Family
ID=72192058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010357034.1A Active CN111598851B (zh) | 2020-04-29 | 2020-04-29 | 一种基于形态学图像处理的太阳能电池破片检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111598851B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907536A (zh) * | 2021-02-20 | 2021-06-04 | 云南电网有限责任公司电力科学研究院 | 一种用于压接型耐张线夹的压接缺陷检测方法及装置 |
CN115661040A (zh) * | 2022-09-28 | 2023-01-31 | 广州市易鸿智能装备有限公司 | 一种锂电池电芯涂胶的检测方法及装置、电子设备 |
CN112907536B (zh) * | 2021-02-20 | 2024-07-26 | 云南电网有限责任公司电力科学研究院 | 一种用于压接型耐张线夹的压接缺陷检测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714541A (zh) * | 2013-12-24 | 2014-04-09 | 华中科技大学 | 一种利用山体轮廓区域约束识别定位建筑物的方法 |
US20140219541A1 (en) * | 2011-05-19 | 2014-08-07 | Michelin Recherche Et Technique S.A. | Method for determining markings in relief on the outer surface of the sidewall of a tyre |
CN107563990A (zh) * | 2017-07-15 | 2018-01-09 | 河北工业大学 | 一种光伏电池片崩边及钝型和v型缺口的检测算法 |
CN109816652A (zh) * | 2019-01-25 | 2019-05-28 | 湖州云通科技有限公司 | 一种基于灰度显著性的复杂铸件缺陷识别方法 |
CN109829919A (zh) * | 2019-01-31 | 2019-05-31 | 苏州晟成光伏设备有限公司 | 一种太阳能电池片的视觉定位方法 |
-
2020
- 2020-04-29 CN CN202010357034.1A patent/CN111598851B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140219541A1 (en) * | 2011-05-19 | 2014-08-07 | Michelin Recherche Et Technique S.A. | Method for determining markings in relief on the outer surface of the sidewall of a tyre |
CN103714541A (zh) * | 2013-12-24 | 2014-04-09 | 华中科技大学 | 一种利用山体轮廓区域约束识别定位建筑物的方法 |
CN107563990A (zh) * | 2017-07-15 | 2018-01-09 | 河北工业大学 | 一种光伏电池片崩边及钝型和v型缺口的检测算法 |
CN109816652A (zh) * | 2019-01-25 | 2019-05-28 | 湖州云通科技有限公司 | 一种基于灰度显著性的复杂铸件缺陷识别方法 |
CN109829919A (zh) * | 2019-01-31 | 2019-05-31 | 苏州晟成光伏设备有限公司 | 一种太阳能电池片的视觉定位方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907536A (zh) * | 2021-02-20 | 2021-06-04 | 云南电网有限责任公司电力科学研究院 | 一种用于压接型耐张线夹的压接缺陷检测方法及装置 |
CN112907536B (zh) * | 2021-02-20 | 2024-07-26 | 云南电网有限责任公司电力科学研究院 | 一种用于压接型耐张线夹的压接缺陷检测方法及装置 |
CN115661040A (zh) * | 2022-09-28 | 2023-01-31 | 广州市易鸿智能装备有限公司 | 一种锂电池电芯涂胶的检测方法及装置、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111598851B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111223093A (zh) | 一种aoi缺陷检测方法 | |
CN107966454A (zh) | 一种基于fpga的端塞缺陷检测装置及检测方法 | |
CN103872983A (zh) | 太阳能电池表面缺陷检测设备及方法 | |
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 | |
CN102854195B (zh) | 彩色滤光片上缺陷坐标的检测方法 | |
WO2010064720A1 (ja) | 太陽電池セルの検査装置、検査方法及びそのプログラムを記録した記録媒体 | |
CN117132844B (zh) | 一种基于图像处理的光伏板裂纹与划痕的分类方法 | |
CN113962929A (zh) | 光伏电池组件缺陷检测方法、***及光伏电池组件生产线 | |
CN104200215A (zh) | 一种大口径光学元件表面灰尘与麻点识别方法 | |
CN113487563B (zh) | 一种基于el图像的光伏组件隐裂自适应检测方法 | |
CN109829919B (zh) | 一种太阳能电池片的视觉定位方法 | |
Chindarkkar et al. | Deep learning based detection of cracks in electroluminescence images of fielded PV modules | |
CN110426395B (zh) | 一种太阳能el电池硅片表面检测方法及装置 | |
CN111598851B (zh) | 一种基于形态学图像处理的太阳能电池破片检测方法 | |
CN113808104B (zh) | 一种基于分块的金属表面缺陷检测方法及*** | |
CN117455917B (zh) | 一种蚀刻引线框架误报库建立及误报在线判定筛选方法 | |
CN103177426B (zh) | 一种基于形态学的强干扰激光边缘图像修复方法 | |
Rodriguez et al. | Segmentation and error detection of PV modules | |
CN107563990B (zh) | 一种光伏电池片崩边及钝型和v型缺口的检测方法 | |
CN112415013A (zh) | 一种铜箔缺陷检测*** | |
CN116934732A (zh) | 一种光伏组件的检测方法、装置及电子设备 | |
CN115937555A (zh) | 一种基于标准化流模型的工业缺陷检测算法 | |
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 | |
CN111899248B (zh) | 一种基于机器学习的自动pcb焊锡膏缺陷检测方法 | |
Song et al. | Research on broken corner and black edge detection of solar cell |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |