CN114581360B - 光伏组件标签检测方法、装置、设备和计算机存储介质 - Google Patents
光伏组件标签检测方法、装置、设备和计算机存储介质 Download PDFInfo
- Publication number
- CN114581360B CN114581360B CN202110353310.1A CN202110353310A CN114581360B CN 114581360 B CN114581360 B CN 114581360B CN 202110353310 A CN202110353310 A CN 202110353310A CN 114581360 B CN114581360 B CN 114581360B
- Authority
- CN
- China
- Prior art keywords
- photovoltaic module
- label
- image
- target
- area
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 265
- 238000000034 method Methods 0.000 claims abstract description 77
- 238000001914 filtration Methods 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 44
- 238000003708 edge detection Methods 0.000 claims abstract description 28
- 238000006243 chemical reaction Methods 0.000 claims abstract description 21
- 238000007619 statistical method Methods 0.000 claims abstract description 17
- 238000013461 design Methods 0.000 claims description 35
- 230000015654 memory Effects 0.000 claims description 24
- 238000000605 extraction Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 13
- 238000007689 inspection Methods 0.000 description 7
- 230000002950 deficient Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012015 optical character recognition Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种光伏组件标签检测方法、装置、设备和计算机存储介质;所述方法,包括:获取光伏组件图像并处理,获得包含标签的目标图像;对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得初始轮廓;按照预设过滤规则过滤所述初始轮廓,获得目标轮廓,将所述目标轮廓拼接,形成包含所述标签的目标区域;对所述目标区域中各像素值的数量进行统计分析,获得标签检测结果并输出;本申请中对光伏组件图像进行处理,获得目标图像,然后按照边缘检测算法处理目标图像,获得标签的轮廓,并对轮廓形成的目标区域分析,获得标签检测结果,实现了高效准确的光伏组件标签检测。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及一种光伏组件标签检测方法、装置、设备和计算机存储介质。
背景技术
光伏组件(也叫太阳能电池板)是太阳能发电***中的核心部分,也是太阳能发电***中最重要的部分。其作用是将太阳能转化为电能,或送往蓄电池中存储起来,或推动负载工作。
光伏组件生产完成之后,生产厂商会将光伏组件的信息生成标签,并将标签贴在光伏组件上,方便检测人员查看标签,了解光伏组件的信息,也就是说,光伏组件的标签不符合规定,这样会影响检测人员查看效率,使得检测人员不可以及时发现次品进行修复,导致次品流入市场,此外,销售过程中客户会查看光伏组件的标签,若光伏组件的标签不符合规定,会影响光伏组件整体的美观性,进一步地,影响光伏组件的销量。
为了避免光伏组件残次品流入市场,光伏组件出厂之前都需要检测人员检测光伏标签,当前通过人眼对光伏组件标签进行检查,检查速度慢,准确性低,容易出现遗漏。
发明内容
本申请提供一种光伏组件标签检测方法、装置、设备和计算机存储介质,旨在解决现有的光伏组件标签检测检查速度慢,准确性低,容易出现遗漏的技术问题。
一方面,本申请提供一种光伏组件标签检测方法,所述方法包括:
获取光伏组件图像并处理,获得包含标签的目标图像;
对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得初始轮廓;
按照预设过滤规则过滤所述初始轮廓,获得目标轮廓,将所述目标轮廓拼接,形成包含所述标签的目标区域;
对所述目标区域中各像素值的数量进行统计分析,获得标签检测结果并输出。
在本申请一些实施例中,所述获取光伏组件图像并处理,获得包含标签的目标图像,包括:
获取光伏组件图像,及所述光伏组件图像关联的光伏组件设计文档;
提取所述光伏组件设计文档中标签位置信息,根据所述标签位置信息配置所述光伏组件图像的区域划分规则;
根据所述区域划分规则对所述光伏组件图像进行区域划分,获得包含标签的目标图像。
在本申请一些实施例中,所述对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得初始轮廓,包括:
对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得边缘灰度图像;
根据预设的轮廓提取算法对所述边缘灰度图像进行轮廓提取,获得初始轮廓。
在本申请一些实施例中,所述按照预设过滤规则过滤所述初始轮廓,获得目标轮廓,将所述目标轮廓拼接,形成包含所述标签的目标区域,包括:
按照所述预设过滤规则中的高度像素规则、宽度像素规则和起始坐标规则过滤所述初始轮廓,获得目标轮廓;
计算所述目标轮廓形成的拼接区域的面积,确定所述拼接区域的面积是否与所述标签的面积匹配;
若所述拼接区域的面积与所述标签的面积匹配,则将所述拼接区域作为包含所述标签的目标区域并输出。
在本申请一些实施例中,所述对所述目标区域中各像素值的数量进行统计分析,获得标签检测结果并输出,包括:
获取所述光伏组件图像关联的光伏组件设计文档,提取所述光伏组件设计文档中标签的设置方向;
将所述目标区域的像素按照所述设置方向的垂直方向进行像素相加,获得直方图;
获取所述直方图的总长度,将所述直方图按照总长度平均划分为左边部分和右边部分,比较所述左边部分和所述右边部分的直方图像素和;
若所述左边部分的直方图像素和大于所述右边部分的直方图像素和,则输出标签位置正确的检测结果;
若所述左边部分的直方图像素和小于或等于所述右边部分的直方图像素和,则输出标签位置错误的检测结果。
在本申请一些实施例中,所述对所述目标区域中各像素值的数量进行统计分析,获得标签检测结果并输出之后,所述方法包括:
若所述标签检测结果中标签位置正确,则对所述目标区域进行字符识别,获得所述标签中的标识信息;
遍历预设光伏组件数据库,将所述检测结果中标签位置正确的信息与所述标识信息关联,并将所述标识信息对应光伏组件更新为出厂状态。
在本申请一些实施例中,所述获取光伏组件图像并处理,获得包含标签的目标图像,包括:
获取光伏组件图像,将所述光伏组件图像输入至预设色差检测模型;
通过所述预设色差检测模型处理所述光伏组件图像的特征序列,获得所述光伏组件图像的色差检测结果;
若所述光伏组件图像的色差检测结果为无色差,则获得包含标签的目标图像。
另一方面,本申请还提供一种光伏组件标签检测装置,所述光伏组件标签检测装置包括:
图像提取模块,用于获取光伏组件图像并处理,获得包含标签的目标图像;
轮廓确定模块,用于对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得初始轮廓;
区域确定模块,用于按照预设过滤规则过滤所述初始轮廓,获得目标轮廓,将所述目标轮廓拼接,形成包含所述标签的目标区域;
检测输出模块,用于对所述目标区域中各像素值的数量进行统计分析,获得标签检测结果并输出。
另一方面,本申请还提供一种光伏组件标签检测设备,所述光伏组件标签检测设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现所述的光伏组件标签检测方法。
另一方面,本申请还提供一种计算机存储介质,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行所述的光伏组件标签检测方法中的步骤。
本申请的技术方案中获取光伏组件图像并处理,获得包含标签的目标图像;对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得初始轮廓;按照预设过滤规则过滤所述初始轮廓,获得目标轮廓,将所述目标轮廓拼接,形成包含所述标签的目标区域;对所述目标区域中各像素值的数量进行统计分析,获得标签检测结果并输出。本申请实施例中对光伏组件图像进行处理,获得包含标签的目标图像,然后按照边缘检测算法处理目标图像,获得标签的轮廓信息,将目标轮廓拼接,形成包含标签的目标区域,进一步地对目标区域进行分析,获得标签检测结果,本实施例中通过简单算法对光伏组件图像进行处理,确定包含标签的目标区域,这样可以实现标签位置的检测,然后对目标区域的各个像素值的数量进行统计分析,这样可以准确地确定标签的粘贴方向的检测,不需要人工进行检测,实现了高效准确的光伏组件标签检测。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用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申请的一些实施例,对于本领域技术人员来讲,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是本申请实施例提供的光伏组件标签检测方法的场景示意图;
图2是本申请实施例中提供的光伏组件标签检测方法的一个实施例流程示意图;
图3是本申请实施例中提供的光伏组件标签检测方法的一个实施例中光伏组件图像的示意图;
图4是本申请实施例中提供的光伏组件标签检测方法的一个实施例中标签的目标图像的示意图;
图5是本申请实施例中提供的光伏组件标签检测方法的一个实施例中初始轮廓的示意图;
图6为本申请实施例中提供的光伏组件标签检测方法中对像素进行分析确定标签检测结果的一个实施例流程示意图;
图7为本申请实施例中提供的光伏组件标签检测方法中标签方向设置示意图;
图8为本申请实施例中提供的光伏组件标签检测方法中对标签的像素分析直方图示意图;
图9为本申请实施例中提供的光伏组件标签检测方法中对标签的内容进行检测的一个实施例流程示意图;
图10为本申请实施例中光伏组件标签检测方法中光伏组件图像色差检测的一个实施例流程示意图;
图11是本申请实施例中提供的光伏组件标签检测装置的一个实施例结构示意图;
图12是本申请实施例中提供的光伏组件标签检测设备的一个实施例结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请包含的范围。
在本申请的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本申请。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本申请的描述变得晦涩。因此,本申请并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
本申请实施例中提供一种光伏组件标签检测方法、装置、设备及计算机存储介质,以下分别进行详细说明。
本申请实施例中的光伏组件标签检测方法应用于光伏组件标签检测装置,光伏组件标签检测装置设置于光伏组件标签检测设备,光伏组件标签检测设备中设置有一个或多个处理器、存储器,以及一个或多个应用程序,其中一个或多个应用程序被存储于存储器中,并配置为由处理器执行以实现光伏组件标签检测方法;光伏组件标签检测设备可以是终端,光伏组件标签检测设备还可以是一台服务器,或者多台服务器组成的服务集群。
如图1所示,图1为本申请实施例光伏组件标签检测方法的场景示意图,本申请实施例中光伏组件标签检测场景中包括光伏组件标签检测设备100,光伏组件标签检测设备100中集成有光伏组件标签检测装置,运行光伏组件标签检测对应的计算机存储介质,以执行光伏组件标签检测的步骤。
可以理解的是,图1所示光伏组件标签检测方法的具体应用场景中的光伏组件标签检测设备,或者光伏组件标签检测设备中包含的装置并不构成对本申请实施例的限制,即,光伏组件标签检测方法的具体应用场景中包含的设备数量、设备种类,或者各个设备中包含的装置数量、装置种类不影响本申请实施例中技术方案整体实现,均可以算作本申请实施例要求保护技术方案的等效替换或衍生。
本申请实施例中光伏组件标签检测设备100主要用于:获取光伏组件图像并处理,获得包含标签的目标图像;对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得初始轮廓;按照预设过滤规则过滤所述初始轮廓,获得目标轮廓,将所述目标轮廓拼接,形成包含所述标签的目标区域;对所述目标区域中各像素值的数量进行统计分析,获得标签检测结果并输出。
本申请实施例中该光伏组件标签检测设备100可以是独立的光伏组件标签检测设备,也可以是光伏组件标签检测设备组成的光伏组件标签检测设备网络或光伏组件标签检测设备集群,例如,本申请实施例中所描述的光伏组件标签检测设备100,其包括但不限于计算机、网络主机、单个网络光伏组件标签检测设备、多个网络光伏组件标签检测设备集或多个光伏组件标签检测设备构成的云光伏组件标签检测设备。其中,云光伏组件标签检测设备由基于云计算(Cloud Computing)的大量计算机或网络光伏组件标签检测设备构成。
本领域技术人员可以理解,图1中示出的应用环境,仅仅是与本申请方案一种应用场景,并不构成对本申请方案应用场景的限定,其他的应用环境还可以包括比图1中所示更多或更少的光伏组件标签检测设备,或者光伏组件标签检测设备网络连接关系,例如图1中仅示出1个光伏组件标签检测设备,可以理解的,该光伏组件标签检测方法的具体应用场景还可以包括一个或多个其他光伏组件标签检测设备,具体此处不作限定;该光伏组件标签检测设备100中还可以包括存储器。
此外,本申请光伏组件标签检测方法的具体应用场景中光伏组件标签检测设备100可以设置显示装置,或者光伏组件标签检测设备100中不设置显示装置与外接的显示装置200通讯连接,显示装置200用于输出光伏组件标签检测设备中光伏组件标签检测方法执行的结果。光伏组件标签检测设备100可以访问后台数据库300(后台数据库可以是光伏组件标签检测设备的本地存储器中,后台数据库还可以设置在云端),后台数据库300中保存有光伏组件标签检测相关的信息。
需要说明的是,图1所示的光伏组件标签检测方法的场景示意图仅仅是一个示例,本申请实施例描述的光伏组件标签检测方法的具体应用场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定。
基于上述光伏组件标签检测方法的具体应用场景,提出了光伏组件标签检测方法的实施例。
参照图2,图2为本申请实施例中光伏组件标签检测方法的一个实施例流程示意图,该光伏组件标签检测方法包括步骤201-204:
201,获取光伏组件图像并处理,获得包含标签的目标图像。
本实施例中的光伏组件标签检测方法应用在光伏组件标签检测设备,光伏组件标签检测设备种类不作具体限定,例如,光伏组件标签检测设备可以是终端或者服务器。
光伏组件标签检测设备接收光伏组件标签检测请求,其中,接收光伏组件标签检测请求的触发方式不作具体限定,即,接收光伏组件标签检测请求可以是用户主动触发的,例如,用户在光伏组件标签检测设备上输入待检测2021年2月到2021年3月生产的光伏组件的标签信息,然后触发检测指令,此外,光伏组件标签检测请求还可以是光伏组件标签检测设备自动触发的,例如,光伏组件标签检测设备检测到更新的光伏组件图像时,自动触发光伏组件标签检测请求。
光伏组件标签检测设备接收光伏组件标签检测请求之后,光伏组件标签检测设备确定待检测的光伏组件图像,其中,光伏组件图像的数量和具体形式不作限定,参照图3,图3是本申请实施例中提供的光伏组件标签检测方法的一个实施例中光伏组件图像的示意图。
光伏组件标签检测设备处理光伏组件图像,获得包含标签的目标图像,本实施例中光伏组件标签检测设备对光伏组件图像处理的方式不作具体限定,例如,实现方式一:对光伏组件进行像素识别,获得包含标签的目标图像;实现方式二:对光伏组件进行区域划分,获得包含标签的目标图像。
为了方便理解,本实施例中给出一种光伏组件标签检测设备处理光伏组件图像,以获得包含标签的目标图像的具体方式,步骤201包括:
(1)、获取光伏组件图像,及所述光伏组件图像关联的光伏组件设计文档;
(2)、提取所述光伏组件设计文档中标签位置信息,根据所述标签位置信息配置所述光伏组件图像的区域划分规则;
(3)、根据所述区域划分规则对所述光伏组件图像进行区域划分,获得包含标签的目标图像。
即,光伏组件标签检测设备获取光伏组件图像,及光伏组件图像关联的光伏组件设计文档;其中,光伏组件设计文档是光伏组件生产的依据,光伏组件设计文档中记录有光伏组件设计信息及光伏组件图像信息,例如,光伏组件设计文档中包括但不限定有光伏组件的大小,光伏组件图像的像素信息,光伏组件的标签位置信息、光伏组件的标签面积信息或光伏组件标签的宽度和高度,其中,光伏组件标签的宽度和高度用于计算光伏组件标签的面积,或者进行光伏组件轮廓筛选。
光伏组件标签检测设备提取光伏组件设计文档中标签位置信息,例如,标签位置信息为标签的位置为光伏组件左上角,第一块电池片的左边;光伏组件标签检测设备根据标签位置信息配置光伏组件图像的区域划分规则;例如,区域划分规则为按照电池片的大小进行划分,例如,横向长度一个电池片宽度,纵向长度一个电池片长度;光伏组件标签检测设备按照区域划分规则对光伏组件图像进行区域划分,获得多个图像单元,光伏组件标签检测设备提取包含标签的目标图像。
本实施例中光伏组件标签检测设备对光伏组件图像进行划分,获得包含标签的目标图像,可以减少后期图像的分析数据量,提高分析效率。
202,对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得初始轮廓。
光伏组件标签检测设备对目标图像进行灰度转化,获得目标灰度图像,光伏组件标签检测设备中预设边缘检测算法,预设边缘检测算法是指预先存储的图像边缘处理的算法,预设边缘检测算法可以是Canny算法、findContours算法等等;光伏组件标签检测设备按照预设边缘检测算法处理目标灰度图像,获得初始轮廓,其中,初始轮廓可以是线段集合,初始轮廓中包括多个点的坐标信息;具体地,步骤202包括:
(1)、对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得边缘灰度图像;
(2)、根据预设的轮廓提取算法对所述边缘灰度图像进行轮廓提取,获得初始轮廓。
即,光伏组件标签检测设备对目标图像进行灰度转化,获得目标灰度图像,光伏组件标签检测设备按照预设边缘检测算法中的Canny算法处理目标灰度图像,获得边缘灰度图像;光伏组件标签检测设备中预设轮廓提取算法,其中,轮廓提取算法的种类不作限定,轮廓提取算法可以是findContours算法,光伏组件标签检测设备根据opencv库中的预设的轮廓提取算法findContours对边缘灰度图像进行轮廓提取,获得初始轮廓,参照图5,图5是本申请实施例中提供的光伏组件标签检测方法的一个实施例中初始轮廓的示意图,此外,初始轮廓的方式不作限定,初始轮廓可以是一个轮廓线条列表,列表中包含多个点的坐标。
本实施例中光伏组件标签检测设备对目标图像进行处理,获得目标图像中的初始轮廓,以根据初始轮廓确定标签所处的目标区域,从而实现光伏组件的标签检测。
203,按照预设过滤规则过滤所述初始轮廓,获得目标轮廓,将所述目标轮廓拼接,形成包含所述标签的目标区域。
光伏组件标签检测设备中预设过滤规则,预设过滤规则是指初始轮廓筛选规则,例如预设过滤规则可以是初始轮廓长度在预设范围,其中,预设范围根据标签信息设置,例如,预设范围设置为标签的长度;初始轮廓形成一个矩形形状;光伏组件标签检测设备按照预设过滤规则过滤初始轮廓,获得目标轮廓,光伏组件标签检测设备将目标轮廓围成的包含标签的目标区域,例如,初始轮廓有10条,对初始轮廓进行过滤之后,形成4条目标轮廓,光伏组件标签检测设备将4条目标轮廓围成的区域作为目标区域。
本实施例中光伏组件标签检测设备对初始轮廓过滤的预设过滤规则不作限定,本实施例中给出光伏组件标签检测设备一种过滤初始轮廓,确定目标区域的具体实现方式,包括:
(1)、按照所述预设过滤规则中的高度像素规则、宽度像素规则和起始坐标规则过滤所述初始轮廓,获得目标轮廓;
(2)计算所述目标轮廓形成的拼接区域的面积,确定所述拼接区域的面积是否与所述标签的面积匹配;
(3)、若所述拼接区域的面积与所述标签的面积匹配,则将所述拼接区域作为包含所述标签的目标区域并输出。
即,本实施例中光伏组件标签检测设备中的预设过滤规则包括高度像素规则,宽度像素规则和起始坐标规则,高度像素规则,宽度像素规则和起始坐标规则根据光伏组件标签的位置确定,例如,高度像素规则为高度对应的像素在10-30的范围内,宽度像素规则为宽度对应的像素在10-30的范围内,起始坐标规则为轮廓起始位置为大于0小于300像素点的位置,这样是防止找到的轮廓为光伏组件的上边沿。
光伏组件标签检测设备按照预设过滤规则中的高度像素规则、宽度像素规则和起始坐标规则过滤初始轮廓,获得目标轮廓;光伏组件标签检测设备确定目标轮廓拼接形成的拼接区域为类矩形,光伏组件标签检测设备按照轮廓的长度计算拼接区域的面积。
光伏组件标签检测设备将拼接区域的面积与标签的面积进行比对,以确定拼接区域的面积是否与标签的面积匹配;例如,光伏组件标签检测设备设定拼接区域的面积与标签的面积的比值在0.8-1.2的范围内,拼接区域的面积与标签的面积匹配;反之,若拼接区域的面积与标签的面积的比值不在0.8-1.2的范围内,确定拼接区域的面积与标签的面积不匹配。若拼接区域的面积与标签的面积匹配,光伏组件标签检测设备则将拼接区域作为包含标签的目标区域并输出;若拼接区域的面积与标签的面积不匹配,光伏组件标签检测设备则输出错误提示,以供用户进行人工检测,其中,拼接区域的面积与标签的面积不匹配的原因有多种,例如,光伏组件图像中不包含标签。
204,对所述目标区域中各像素值的数量进行统计分析,获得标签检测结果并输出。
本实施例中标签检测设备可以是检测是否粘贴标签、标签内容是否正确、、标签的粘贴方向是否正确,光伏组件标签检测设备根据不同的检测要求,对目标区域的像素进行分析,例如,光伏组件标签检测设备对目标区域中的各个像素色值的数量进行统计,光伏组件标签检测设备将目标区域中各个像素色值的数量统计结果和标签标准像素色值的数量进行比对,若目标区域中各个像素色值的数量统计结果和标签标准像素色值的数量相符,光伏组件标签检测设备确定则标签检测结果通过;反之,若目标区域中各个像素色值的数量统计结果和标签标准像素色值的数量不符,光伏组件标签检测设备确定则标签检测结果不通过。
本实施例中光伏组件标签检测设备获取光伏组件图像并处理,获得包含标签的目标图像;对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得初始轮廓;按照预设过滤规则过滤所述初始轮廓,获得目标轮廓,将所述目标轮廓拼接,形成包含所述标签的目标区域;对所述目标区域中各像素值的数量进行统计分析,获得标签检测结果并输出。本申请实施例中对光伏组件图像进行处理,获得包含标签的目标图像,然后按照边缘检测算法处理目标图像,获得标签的轮廓信息,将目标轮廓拼接,形成包含标签的目标区域,进一步地对目标区域进行分析,获得标签检测结果,本实施例中通过简单算法对光伏组件图像进行处理,确定包含标签的目标区域,这样可以实现标签位置的检测,然后对目标区域的各个像素值的数量进行统计分析,这样可以准确地确定标签的粘贴方向的检测,不需要人工进行检测,实现了高效准确的光伏组件标签检测
参照图6,图6为本申请实施例中光伏组件标签检测方法中对像素进行分析确定标签检测结果的一个实施例流程示意图。
标签粘粘位置的正反会影响标签查看效率,本实施例中给出了光伏组件标签检测设备目标区域的像素进行分析对标签的粘贴方向是否正确的具体实现方式,包括步骤301-305:
301,获取所述光伏组件图像关联的光伏组件设计文档,提取所述光伏组件设计文档中标签的设置方向。
光伏组件标签检测设备获取光伏组件图像关联的光伏组件设计文档,光伏组件设计文档是光伏组件生产的依据,光伏组件设计文档中记录有光伏组件设计信息及光伏组件图像信息,例如,光伏组件设计文档中包括但不限定有光伏组件的大小、光伏组件图像的像素信息、光伏组件的标签位置信息、光伏组件的标签面积信息、或光伏组件标签的宽度和高度,其中,光伏组件标签的宽度和高度用于计算光伏组件标签的面积,或者进行光伏组件轮廓筛选;光伏组件标签检测设备提取光伏组件设计文档中标签的设置方向,参照图7,图7为本申请实施例中提供的光伏组件标签检测方法中标签方向设置示意图。
302,将所述目标区域的像素按照所述设置方向的垂直方向进行像素相加,获得直方图。
光伏组件标签检测设备将目标区域的像素按照设置方向的垂直方向进行像素相加,获得直方图,参照图8,图8为本申请实施例中提供的光伏组件标签检测方法中对标签的像素分析直方图示意图。
需要补充说明的是,像素统计方向是按照标签类型设置的,本实施例中的标签是条形码,条形码下面包含数据,像素统计是按照标签的设置方向的垂直方向进行像素相加,通过比对两遍像素是否对称,就可以确定标签方式是否正确,具体地:
303,获取所述直方图的总长度,将所述直方图按照总长度平均划分为左边部分和右边部分,比较所述左边部分和所述右边部分的直方图像素和。
光伏组件标签检测设备获取直方图的总长度,将直方图的总长度除以2,以将直方图平均划分为左边部分和右边部分,光伏组件标签检测设备比较左边部分和右边部分的直方图像素和。
304,若所述左边部分的直方图像素和大于所述右边部分的直方图像素和,则输出标签位置正确的检测结果;若所述左边部分的直方图像素和小于或等于所述右边部分的直方图像素和,则输出标签位置错误的检测结果。
若左边部分的直方图像素和大于右边部分的直方图像素和,光伏组件标签检测设备则输出标签位置正确的检测结果;若左边部分的直方图像素和小于或等于所述右边部分的直方图像素和,光伏组件标签检测设备则输出标签位置错误的检测结果。本实施例中光伏组件标签检测设备进行像素分析,确定标签粘粘的方向是否正确,使得标签检测更加细致准确。
为了方便理解,本实施例中给出了一个具体的光伏组件标签检测场景,包括:
步骤一:由于光伏组件中标签的位置是固定的,基于光伏组件的光伏组件设计文档,指定了标签的位置为固定的位置,设置在左上角,第一块电池片的左边。
对原始获取的光伏组件图像img1进行处理,利用光伏组件设计文档中标签位置的取值获取包含标签部分的切割后的图像img2,进一步地获取标签大致的位置img1[y1:y2,x1:x2],其中:y1:横向坐标的起始位置,y2:横向坐标的终止位置,x1:纵向坐标的起始位置,x2:纵向坐标的终止位置;
Img2=img1[100:700,80:400];这里的100,700,80,400根据光伏组件设计文档得到;
光伏组件标签检测设备对图像img2进行灰度化,获取灰度化后的图像img3。
步骤二:对图像img3进行Canny运算得到目标区域
光伏组件标签检测设备使用opencv库中的findContours轮廓提取的方法找到可能的轮廓contours(为一个列表[轮廓1,轮廓2……],轮廓1中的内容为[(x1,y1),(x2,y2)……],代表一个个点的坐标)。
步骤三:按预定过滤规则对轮廓contours进行过滤,预定过滤规则为:取出满足高度>10(单位像素px)、宽度>10(单位px),、起点坐标0<y<300(单位px)、5000px2<矩形面积S<30000px2的轮廓。
其中,为防止找到的轮廓为直线或者点,根据光伏组件标签的位置信息设立轮廓的高度和宽度,本实施例中的高度范围可以取10、11、12、13…30,宽度范围可以取10、11、12、13…30;为了防止找到的轮廓为最上面的边沿线,起点坐标x不等于0,且起始坐标端点值300、矩形面积端点值5000及30000为经验获取。
步骤四:判断找出的区域是否正反,具体地:
对标签所在的目标区域进行按纵向像素相加求直方图,设直方图的总长度=Histogram.length;
Leftsum(左边部分直方图像素和)=Sum(historgram[:Histogram.length//2])
Rightsum(右边部分直方图像素和)=Sum(historgram[Histogram.length//2:])
如果Leftsum大于rightsum,则标签为反,反之为正。
参照图9,图9为本申请实施例中提供的光伏组件标签检测方法中对标签的内容进行检测的流程示意图。
401,若所述标签检测结果中标签位置正确,则对所述目标区域进行字符识别,获得所述标签中的标识信息。
若标签检测结果中标签位置正确,光伏组件标签检测设备则对目标区域进行字符识别,获得标签中的标识信息,其中,字符识别可以采用OCR识别,(英文全称OpticalCharacter Recognition,中文全称:光学字符识别),识别标签中的标识信息,标识信息可以是标签中的产品编码。
402,遍历预设光伏组件数据库,将所述检测结果中标签位置正确的信息与所述标识信息关联,并将所述标识信息对应光伏组件更新为出厂状态。
光伏组件标签检测设备中预设光伏组件数据库,预设光伏组件数据库中记录有光伏组件的生产信息等等,预设光伏组件数据库中遍历预设光伏组件数据库,将检测结果中标签位置正确的信息与标识信息关联,光伏组件标签检测设备并将标识信息对应光伏组件更新为出厂状态。
本实施例中光伏组件标签检测设备将标签检测结果更新到数据库中,并更新光伏组件的状态,这样不需要检测用户人工更新,使得用户的操作更加便捷。
参照图10,图10为本申请实施例中光伏组件标签检测方法中光伏组件图像色差检测的一个实施例流程示意图。
501,获取光伏组件图像,将所述光伏组件图像输入至预设色差检测模型。
光伏组件标签检测设备获取光伏组件图像,光伏组件标签检测设备将光伏组件图像输入至预设色差检测模型,其中,预设色差检测模型是通过神经网络深度学习的算法,预设色差检测模型通过对光伏组件图像进行检查,确定光伏组件图像对应的光伏组件是否合格。
502,通过所述预设色差检测模型处理所述光伏组件图像的特征序列,获得所述光伏组件图像的色差检测结果。
光伏组件标签检测设备通过预设色差检测模型处理光伏组件图像的特征序列,获得光伏组件图像的色差检测结果。即,光伏组件标签检测设备对光伏组件图像进行预处理,去除光伏组件图像的噪声,然后,光伏组件标签检测设备通过预设色差检测模型提取光伏组件图像的特征序列,通过预设色差检测模型中的卷积层处理,获得光伏组件的色差检测结果。
503,若所述光伏组件图像的色差检测结果为无色差,则获得包含标签的目标图像。
若光伏组件图像的色差检测结果为无色差,光伏组件标签检测设备判定光伏组件是正品,并获得包含标签的目标图像;反之,若光伏组件图像的色差检测结果为有色差,光伏组件标签检测设备确定光伏组件为次品则输出提示信息。
本实施例中光伏组件标签检测设备进行色差检测之前,光伏组件标签检测设备对光伏组件图像检测,可以进行次品标记,保证光伏组件质量,进一步地对光伏组件上的标签检测,使得检测更加全面。
如图11所示,图11是光伏组件标签检测装置的一个实施例结构示意图。
为了更好实施本申请实施例中光伏组件标签检测方法,在光伏组件标签检测方法基础之上,本申请实施例中还提供一种光伏组件标签检测装置,所述光伏组件标签检测装置包括:
图像提取模块601,用于获取光伏组件图像并处理,获得包含标签的目标图像;
轮廓确定模块602,用于对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得初始轮廓;
区域确定模块603,用于按照预设过滤规则过滤所述初始轮廓,获得目标轮廓,将所述目标轮廓拼接,形成包含所述标签的目标区域;
检测输出模块604,用于对所述目标区域中各像素值的数量进行统计分析,获得标签检测结果并输出。
在本申请一些实施例中,所述的图像提取模块601,包括:
获取光伏组件图像,及所述光伏组件图像关联的光伏组件设计文档;
提取所述光伏组件设计文档中标签位置信息,根据所述标签位置信息配置所述光伏组件图像的区域划分规则;
根据所述区域划分规则对所述光伏组件图像进行区域划分,获得包含标签的目标图像。
在本申请一些实施例中,所述的轮廓确定模块602,包括:
对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得边缘灰度图像;
根据预设的轮廓提取算法对所述边缘灰度图像进行轮廓提取,获得初始轮廓。
在本申请一些实施例中,所述的区域确定模块603,包括:
按照所述预设过滤规则中的高度像素规则、宽度像素规则和起始坐标规则过滤所述初始轮廓,获得目标轮廓;
计算所述目标轮廓形成的拼接区域的面积,确定所述拼接区域的面积是否与所述标签的面积匹配;
若所述拼接区域的面积与所述标签的面积匹配,则将所述拼接区域作为包含所述标签的目标区域并输出。
在本申请一些实施例中,所述的检测输出模块604,包括:
获取所述光伏组件图像关联的光伏组件设计文档,提取所述光伏组件设计文档中标签的设置方向;
将所述目标区域的像素按照所述设置方向的垂直方向进行像素相加,获得直方图;
获取所述直方图的总长度,将所述直方图按照总长度平均划分为左边部分和右边部分,比较所述左边部分和所述右边部分的直方图像素和;
若所述左边部分的直方图像素和大于所述右边部分的直方图像素和,则输出标签位置正确的检测结果;
若所述左边部分的直方图像素和小于或等于所述右边部分的直方图像素和,则输出标签位置错误的检测结果。
在本申请一些实施例中,所述光伏组件标签检测装置,包括:
若所述标签检测结果中标签位置正确,则对所述目标区域进行字符识别,获得所述标签中的标识信息;
遍历预设光伏组件数据库,将所述检测结果中标签位置正确的信息与所述标识信息关联,并将所述标识信息对应光伏组件更新为出厂状态。
在本申请一些实施例中,所述光伏组件标签检测装置,包括:
获取光伏组件图像,将所述光伏组件图像输入至预设色差检测模型;
通过所述预设色差检测模型处理所述光伏组件图像的特征序列,获得所述光伏组件图像的色差检测结果;
若所述光伏组件图像的色差检测结果为无色差,则获得包含标签的目标图像。
本实施例中光伏组件标签检测装置通过获取光伏组件图像并处理,获得包含标签的目标图像;对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得初始轮廓;按照预设过滤规则过滤所述初始轮廓,获得目标轮廓,将所述目标轮廓拼接,形成包含所述标签的目标区域;对所述目标区域中各像素值的数量进行统计分析,获得标签检测结果并输出。本申请实施例中对光伏组件图像进行处理,获得包含标签的目标图像,然后按照边缘检测算法处理目标图像,获得标签的轮廓信息,将目标轮廓拼接,形成包含标签的目标区域,进一步地对目标区域进行分析,获得标签检测结果,本实施例中通过简单算法对光伏组件图像进行处理,确定包含标签的目标区域,这样可以实现标签位置的检测,然后对目标区域的各个像素值的数量进行统计分析,这样可以准确地确定标签的粘贴方向的检测,不需要人工进行检测,实现了高效准确的光伏组件标签检测。
本申请实施例还提供一种光伏组件标签检测设备,如图12所示,图12是本申请实施例中提供的光伏组件标签检测设备的一个实施例结构示意图。
光伏组件标签检测设备集成了本申请实施例所提供的任一种光伏组件标签检测装置,所述光伏组件标签检测设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行上述光伏组件标签检测方法实施例中任一实施例中所述的光伏组件标签检测方法中的步骤。
具体来讲:光伏组件标签检测设备可以包括一个或者一个以上处理核心的处理器701、一个或一个以上计算机存储介质的存储器702、电源703和输入单元704等部件。本领域技术人员可以理解,图12中示出的光伏组件标签检测设备结构并不构成对光伏组件标签检测设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器701是该光伏组件标签检测设备的控制中心,利用各种接口和线路连接整个光伏组件标签检测设备的各个部分,通过运行或执行存储在存储器702内的软件程序和/或模块,以及调用存储在存储器702内的数据,执行光伏组件标签检测设备的各种功能和处理数据,从而对光伏组件标签检测设备进行整体监控。可选的,处理器701可包括一个或多个处理核心;优选的,处理器701可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器701中。
存储器702可用于存储软件程序以及模块,处理器701通过运行存储在存储器702的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器702可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序等;存储数据区可存储根据光伏组件标签检测设备的使用所创建的数据等。此外,存储器702可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器702还可以包括存储器控制器,以提供处理器701对存储器702的访问。
光伏组件标签检测设备还包括给各个部件供电的电源703,优选的,电源703可以通过电源管理***与处理器701逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源703还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该光伏组件标签检测设备还可包括输入单元704,该输入单元704可用于接收输入的数字或字符信息。
尽管未示出,光伏组件标签检测设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,光伏组件标签检测设备中的处理器701会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器702中,并由处理器701来运行存储在存储器702中的应用程序,从而实现各种功能,如下:
获取光伏组件图像并处理,获得包含标签的目标图像;
对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得初始轮廓;
按照预设过滤规则过滤所述初始轮廓,获得目标轮廓,将所述目标轮廓拼接,形成包含所述标签的目标区域;
对所述目标区域中各像素值的数量进行统计分析,获得标签检测结果并输出。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种计算机存储介质,该计算机存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行本申请实施例所提供的任一种光伏组件标签检测方法中的步骤。例如,所述计算机程序被处理器进行加载可以执行如下步骤:
获取光伏组件图像并处理,获得包含标签的目标图像;
对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得初始轮廓;
按照预设过滤规则过滤所述初始轮廓,获得目标轮廓,将所述目标轮廓拼接,形成包含所述标签的目标区域;
对所述目标区域中各像素值的数量进行统计分析,获得标签检测结果并输出。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见上文针对其他实施例的详细描述,此处不再赘述。
具体实施时,以上各个单元或结构可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元或结构的具体实施可参见前面的方法实施例,在此不再赘述。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种光伏组件标签检测方法进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (8)
1.一种光伏组件标签检测方法,其特征在于,所述方法包括:
获取光伏组件图像并处理,获得包含标签的目标图像;
对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得初始轮廓;
按照预设过滤规则过滤所述初始轮廓,获得目标轮廓,将所述目标轮廓拼接,形成包含所述标签的目标区域,所述预设过滤规则中的高度像素规则、宽度像素规则和起始坐标规则过滤所述初始轮廓中的至少一种;
对所述目标区域中各像素值的数量进行统计分析,获得标签检测结果并输出;
其中,所述获取光伏组件图像并处理,获得包含标签的目标图像,包括:
获取光伏组件图像,及所述光伏组件图像关联的光伏组件设计文档;
提取所述光伏组件设计文档中标签位置信息,根据所述标签位置信息配置所述光伏组件图像的区域划分规则;
根据所述区域划分规则对所述光伏组件图像进行区域划分,获得包含标签的目标图像;
所述对所述目标区域中各像素值的数量进行统计分析,获得标签检测结果并输出,包括:
获取所述光伏组件图像关联的光伏组件设计文档,提取所述光伏组件设计文档中标签的设置方向;
将所述目标区域的像素按照所述设置方向的垂直方向进行像素相加,获得直方图;
获取所述直方图的总长度,将所述直方图按照总长度平均划分为左边部分和右边部分,比较所述左边部分和所述右边部分的直方图像素和;
若所述左边部分的直方图像素和大于所述右边部分的直方图像素和,则输出标签位置正确的检测结果;
若所述左边部分的直方图像素和小于或等于所述右边部分的直方图像素和,则输出标签位置错误的检测结果。
2.根据权利要求1所述的光伏组件标签检测方法,其特征在于,所述对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得初始轮廓,包括:
对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得边缘灰度图像;
根据预设的轮廓提取算法对所述边缘灰度图像进行轮廓提取,获得初始轮廓。
3.根据权利要求1所述的光伏组件标签检测方法,其特征在于,所述按照预设过滤规则过滤所述初始轮廓,获得目标轮廓,将所述目标轮廓拼接,形成包含所述标签的目标区域,包括:
按照所述预设过滤规则中的高度像素规则、宽度像素规则和起始坐标规则过滤所述初始轮廓,获得目标轮廓;
计算所述目标轮廓形成的拼接区域的面积,确定所述拼接区域的面积是否与所述标签的面积匹配;
若所述拼接区域的面积与所述标签的面积匹配,则将所述拼接区域作为包含所述标签的目标区域并输出。
4.根据权利要求1所述的光伏组件标签检测方法,其特征在于,所述对所述目标区域中各像素值的数量进行统计分析,获得标签检测结果并输出之后,所述方法包括:
若所述标签检测结果中标签位置正确,则对所述目标区域进行字符识别,获得所述标签中的标识信息;
遍历预设光伏组件数据库,将所述检测结果中标签位置正确的信息与所述标识信息关联,并将所述标识信息对应光伏组件更新为出厂状态。
5.根据权利要求1-4任意一项所述的光伏组件标签检测方法,其特征在于,所述获取光伏组件图像并处理,获得包含标签的目标图像,包括:
获取光伏组件图像,将所述光伏组件图像输入至预设色差检测模型;
通过所述预设色差检测模型处理所述光伏组件图像的特征序列,获得所述光伏组件图像的色差检测结果;
若所述光伏组件图像的色差检测结果为无色差,则获得包含标签的目标图像。
6.一种光伏组件标签检测装置,其特征在于,所述光伏组件标签检测装置包括:
图像提取模块,用于获取光伏组件图像并处理,获得包含标签的目标图像;
轮廓确定模块,用于对所述目标图像进行灰度转化获得目标灰度图像,按照预设边缘检测算法处理所述目标灰度图像,获得初始轮廓;
区域确定模块,用于按照预设过滤规则过滤所述初始轮廓,获得目标轮廓,将所述目标轮廓拼接,形成包含所述标签的目标区域,所述预设过滤规则中的高度像素规则、宽度像素规则和起始坐标规则过滤所述初始轮廓中的至少一种;
检测输出模块,用于对所述目标区域中各像素值的数量进行统计分析,获得标签检测结果并输出;
所述图像提取模块,还用于:
获取光伏组件图像,及所述光伏组件图像关联的光伏组件设计文档;
提取所述光伏组件设计文档中标签位置信息,根据所述标签位置信息配置所述光伏组件图像的区域划分规则;
根据所述区域划分规则对所述光伏组件图像进行区域划分,获得包含标签的目标图像;
所述检测输出模块,还用于:
获取所述光伏组件图像关联的光伏组件设计文档,提取所述光伏组件设计文档中标签的设置方向;
将所述目标区域的像素按照所述设置方向的垂直方向进行像素相加,获得直方图;
获取所述直方图的总长度,将所述直方图按照总长度平均划分为左边部分和右边部分,比较所述左边部分和所述右边部分的直方图像素和;
若所述左边部分的直方图像素和大于所述右边部分的直方图像素和,则输出标签位置正确的检测结果;
若所述左边部分的直方图像素和小于或等于所述右边部分的直方图像素和,则输出标签位置错误的检测结果。
7.一种光伏组件标签检测设备,其特征在于,所述光伏组件标签检测设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现权利要求1至5中任一项所述的光伏组件标签检测方法。
8.一种计算机存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行权利要求1至5任一项所述的光伏组件标签检测方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110353310.1A CN114581360B (zh) | 2021-04-01 | 2021-04-01 | 光伏组件标签检测方法、装置、设备和计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110353310.1A CN114581360B (zh) | 2021-04-01 | 2021-04-01 | 光伏组件标签检测方法、装置、设备和计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114581360A CN114581360A (zh) | 2022-06-03 |
CN114581360B true CN114581360B (zh) | 2024-03-12 |
Family
ID=81769655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110353310.1A Active CN114581360B (zh) | 2021-04-01 | 2021-04-01 | 光伏组件标签检测方法、装置、设备和计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114581360B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117648905B (zh) * | 2024-01-30 | 2024-04-16 | 珠海芯烨电子科技有限公司 | 热敏打印机标签指令解析方法及相关装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2770186A1 (en) * | 2009-08-07 | 2011-02-10 | Google, Inc. | User interface for presenting search results for multiple regions of a visual query |
CN104361309A (zh) * | 2014-12-05 | 2015-02-18 | 网易宝有限公司 | 条形码识别方法和设备 |
CN107016387A (zh) * | 2016-01-28 | 2017-08-04 | 苏宁云商集团股份有限公司 | 一种识别标签的方法及装置 |
CN108548820A (zh) * | 2018-03-28 | 2018-09-18 | 浙江理工大学 | 化妆品纸质标签缺陷检测方法 |
CN109002824A (zh) * | 2018-06-27 | 2018-12-14 | 淮阴工学院 | 一种基于OpenCV的建筑图纸标签信息检测方法 |
CN112164057A (zh) * | 2020-10-09 | 2021-01-01 | 珠海格力电器股份有限公司 | 一种合格标签的检测方法、存储介质和电子设备 |
CN112580383A (zh) * | 2020-12-29 | 2021-03-30 | 科大讯飞(苏州)科技有限公司 | 二维码识别方法、装置、电子设备及存储介质 |
-
2021
- 2021-04-01 CN CN202110353310.1A patent/CN114581360B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2770186A1 (en) * | 2009-08-07 | 2011-02-10 | Google, Inc. | User interface for presenting search results for multiple regions of a visual query |
CN104361309A (zh) * | 2014-12-05 | 2015-02-18 | 网易宝有限公司 | 条形码识别方法和设备 |
CN107016387A (zh) * | 2016-01-28 | 2017-08-04 | 苏宁云商集团股份有限公司 | 一种识别标签的方法及装置 |
CN108548820A (zh) * | 2018-03-28 | 2018-09-18 | 浙江理工大学 | 化妆品纸质标签缺陷检测方法 |
CN109002824A (zh) * | 2018-06-27 | 2018-12-14 | 淮阴工学院 | 一种基于OpenCV的建筑图纸标签信息检测方法 |
CN112164057A (zh) * | 2020-10-09 | 2021-01-01 | 珠海格力电器股份有限公司 | 一种合格标签的检测方法、存储介质和电子设备 |
CN112580383A (zh) * | 2020-12-29 | 2021-03-30 | 科大讯飞(苏州)科技有限公司 | 二维码识别方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于SUSAN检测算子的二维条码定位方法;周乐;;微型机与应用;20120510(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114581360A (zh) | 2022-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112383891B (zh) | 一种基于物模型自动匹配的设备注册方法和装置 | |
CN110544231B (zh) | 基于背景标准化和集中补偿算法的锂电池电极表面缺陷检测方法 | |
CN111932510B (zh) | 一种图像清晰度的确定方法及装置 | |
CN109768340B (zh) | 一种电池放电过程电压不一致性估计方法及装置 | |
CN116168351B (zh) | 电力设备巡检方法及装置 | |
CN114581360B (zh) | 光伏组件标签检测方法、装置、设备和计算机存储介质 | |
CN115410275A (zh) | 基于图像识别的办公场所人员状态检测方法及其*** | |
CN116681923A (zh) | 一种基于人工智能的眼科疾病自动分类方法及*** | |
CN111784031A (zh) | 物流车辆分类预测方法、装置、设备及存储介质 | |
CN114708247A (zh) | 基于深度学习的烟盒包装缺陷识别方法和装置 | |
CN109598712A (zh) | 塑料泡沫餐盒的质量检测方法、装置、服务器及存储介质 | |
CN115471439A (zh) | 显示面板缺陷的识别方法、装置、电子设备及存储介质 | |
CN116067671B (zh) | 一种用于测试车辆漆面质量的方法、***及介质 | |
CN109470708A (zh) | 塑料泡沫餐盒的质量检测方法、装置、服务器及存储介质 | |
CN116188374A (zh) | 插座检测方法、装置、计算机设备及存储介质 | |
CN114549392A (zh) | 太阳能电池片的色差检测方法、装置、设备和计算机介质 | |
CN111722977A (zh) | ***巡检方法、装置及电子设备 | |
CN112990245A (zh) | 物品识别方法、装置、设备及存储介质 | |
CN109828170B (zh) | 配电台区档位识别方法、装置及存储介质 | |
CN109584235A (zh) | 塑料泡沫餐盒的质量检测方法、装置、服务器及存储介质 | |
CN117349734B (zh) | 水表设备识别方法、装置、电子设备及存储介质 | |
CN117351266A (zh) | 一种退役电池的电池折损分析方法及*** | |
CN116433671B (zh) | 一种基于图像识别的胶体金检测方法、***和存储介质 | |
CN117273424A (zh) | 关联对象评估方法、装置、设备和存储介质 | |
CN118333610A (zh) | 一种信息处理方法、装置、电子设备及存储介质 |
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 |