CN116503371A - 用于检测光伏玻璃正反面的方法 - Google Patents
用于检测光伏玻璃正反面的方法 Download PDFInfo
- Publication number
- CN116503371A CN116503371A CN202310520413.1A CN202310520413A CN116503371A CN 116503371 A CN116503371 A CN 116503371A CN 202310520413 A CN202310520413 A CN 202310520413A CN 116503371 A CN116503371 A CN 116503371A
- Authority
- CN
- China
- Prior art keywords
- image
- photovoltaic glass
- area
- size
- data
- 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
- 239000011521 glass Substances 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 53
- 238000006243 chemical reaction Methods 0.000 claims abstract description 19
- 238000002834 transmittance Methods 0.000 claims abstract description 14
- 230000004927 fusion Effects 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 16
- 230000007547 defect Effects 0.000 claims description 13
- 239000002245 particle Substances 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 230000005055 memory storage Effects 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000005357 flat glass Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
本申请公开用于检测光伏玻璃正反面的方法,属于光伏玻璃检测技术领域,依次包括以下步骤:获取光伏玻璃区域原图,并去除边缘光,得到黑图;计算目标区域面积,构建内部数据形状呈矩形的处理核数组,将处理核与黑图进行膨胀处理,并迭代多次,得到用于计算区域面积的数据图像,然后基于数据图像中相邻黑白像素的灰度值依次进行权重融合、寻找轮廓和计算轮廓面积处理,得到最小外接矩形面积,最后对最小外接矩形面积进行数据转换,得到光影面积,即为透光率的量化数据,基于所述透光率的量化数据自动判断光伏玻璃的正反面是否铺反。本申请提供的用于检测光伏玻璃正反面的方法能够有效提升检测效率和检测质量。
Description
技术领域
本发明涉及光伏玻璃检测技术领域,尤其涉及用于检测光伏玻璃正反面的方法。
背景技术
光伏玻璃是一种用于太阳能电池不可缺少的组件,其正反面的区分对于光伏组件的性能和质量有着实质性影响。一般来说,光伏玻璃的正面是经过特殊处理的,具有较高的透光率和抗反射性能,而反面则是普通的平板玻璃。如果在生产过程中将光伏玻璃的正反面放置错误,会导致光伏组件的发电效率降低,甚至造成组件报废。因此,需要在玻璃上料端增加玻璃正反面检测手段,以此来避免由于光伏玻璃铺反而引起的各种问题。
目前,传统检测方法一般包括人工检测和光电传感器自动检测,其中人工检测不仅具有劳动强度大,检测效率低,检测成本高的问题,同时还容易出现误判和漏判的问题;其中光电传感器检测环境适应性较差,受外界光线、温度、湿度等因素的影响,具有检测精度低,误检率高的缺陷,同时一旦光电传感器的发射端或接收端被灰尘、油污等杂质覆盖,则会影响光信号的传输和接收,导致检测质量下降,甚至出现检测失效的后果。
发明内容
本发明的一个优势在于提供一种用于检测光伏玻璃正反面的方法,其中能够基于光伏玻璃正反面透光率的不同,利用特定的检测处理算法自动检测光伏玻璃的正反面是否铺反,或者基于光伏玻璃正反面纹理颗粒特征自动检测光伏玻璃的正反面是否铺反,不仅能够有效提升检测效率,同时不易受外界因素影响而干扰检测,检测质量高,检测成本低,操作性强,使用便捷。
为达到本发明以上至少一个优势,第一方面,本发明提供一种用于检测光伏玻璃正反面的方法,依次包括以下步骤:
S10,获取光伏玻璃区域原图,并去除边缘光,得到黑图;
S20,计算目标区域面积,构建内部数据形状呈矩形的处理核数组,将处理核与黑图进行膨胀处理,并迭代多次,得到用于计算区域面积的数据图像,然后基于数据图像中相邻黑白像素的灰度值依次进行权重融合、寻找轮廓和计算轮廓面积处理,得到最小外接矩形面积,最后对最小外接矩形面积进行数据转换,得到光影面积,即为透光率的量化数据,基于所述透光率的量化数据自动判断光伏玻璃的正反面是否铺反。
根据本发明一实施例,所述用于检测光伏玻璃正反面的方法还包括步骤S30,将每轮检测的所述透光率的量化数据进行结果返回处理,并将每轮检测的检测结果和检测状态进行本地存储或云端存储。
根据本发明一实施例,在步骤S10之前,或者步骤S20之前,还包括步骤:自定义设置各类型光伏玻璃的判定阈值,针对每种类型光伏玻璃进行500~3000轮检测,并将检测结果通过数据转换后进行分类处理,得到目标区域尺寸,然后通过拍摄的图像实际尺寸与目标区域尺寸做数值运算得到毫米像素比,将得出的毫米像素比与目标区域尺寸做乘积得出目标区域的真实尺寸,最后对所述真实尺寸进行区间划分,形成每一个类型光伏玻璃的判定尺寸区间,在检测某一类型光伏玻璃的正反面时一旦超出对应的判定尺寸区间,则判定光伏玻璃的正面或者反面铺反。
根据本发明一实施例,所述用于检测光伏玻璃正反面的方法还包括步骤S40,开设报警模块线程,轮询每轮检测返回的量化数据,并迭代报警缺陷和报警规则,在出现NG情况时进行报警操作,其中所述报警操作包括语音报警提示、报警停线和弹窗提醒中之任一种或多种,其中所述报警规则基于预定时间内的缺陷次数以及对应的缺陷名进行自定义设定。
根据本发明一实施例,在步骤S10中,所述去除边缘光,得到黑图,具体为:
S11,图像维度处理,确保图像维度在2-4之间,若多维,则剔除冗余维度,若低维,则在基础维度上新增维度,并保持在RGB格式;
S12,图像预处理,先将图像与0.8做次方乘积,并将图像转为灰度图,缩放灰度图的尺寸,然后采用OTSU大律法将灰度图进行二值化操作,得到数据区间在[0,255]之间分布的黑图,然后旋转黑图角度,使边缘光保持在图像的最上方;
S13,计算边缘光位置,获取黑图尺寸,其中黑图尺寸中的宽度整除10作为迭代间距,然后再从0到宽度尺寸以间距进行迭代,其中每轮迭代数为需要计算的图像数据行数,根据图像数据行数迭代寻找255像素值索引位置并进行内存存储,迭代完成后得到索引列表,并抛弃最小值和最大值,最后计算均值,即为边缘光位置;
S14,抛弃带有边缘光的局部图像数据,基于所述边缘光位置利用数组将图像边缘光抛弃去除。
根据本发明一实施例,在步骤S20中,所述对最小外接矩形面积进行数据转换,具体为:数据转换方式为xyxy->xywh,同时转换之后的x为转之前的x与所述边缘光位置之和,然后进行尺寸缩放,得到光影面积。
第二方面,本申请还提供了一种用于检测光伏玻璃正反面的方法,依次包括以下步骤:
S100,获取光伏玻璃区域原图,并进行灰度化处理,得到仅有一个通道的灰度原图;
S200,去除灰度原图的噪声,使图像更加平滑,并保留灰度原图的主体结构和纹理信息;
S300,图像梯度计算,使用Sobel滤波核作为x方向上的滤波核Sx,将Sx滤波核转置得到y方向上的滤波核Sy,将两个滤波核与灰度图像进行卷积分别得到x方向和y方向的梯度然后获取灰度原图的梯度场,用于表征灰度原图的纹理强度,然后将灰度图像进行二值化处理,将大于第一阈值的梯度提取出来,最后分辨出玻璃纹理颗粒特征,判断光伏玻璃的正反面是否铺反。
根据本发明一实施例,在步骤S300中,使用x和y两个方向上的梯度绝对值和的方式进行逼近处理,得到总体梯度幅值的近似值,用于表征灰度原图的纹理强度。
根据本发明一实施例,所述用于检测光伏玻璃正反面的方法还包括步骤S400,纹理特征数值化,将梯度值划分为若干个不同的区间,并在每个区间内将每个像素点作为中心点,以所述中心点建立半径为r的圆形区域,然后计算所述圆形区域内每个像素点与所述中心点之间的灰度差,若所述像素点的灰度值大于等于所述中心点的灰度值,则定义所述灰度差为1,否则定义所述灰度差为0,将得到的二进制串转换为十进制数,得到所述像素点的LBP值,直至得到所有区间所有像素点的LBP值,形成与灰度原图具有相同大小的LBP特征图,即将每个所述像素点的LBP值映射到对应的所述像素点上,得到每个区间的固定维度向量,作为区间局部LBP特征向量,然后统计每个区间局部LBP特征向量的LBP纹理特征,将LBP值转换为数值量,最后将转换得到的数值量按顺序拼接成一个向量,作为灰度图像的局部二值模式数值化梯度特征值。
根据本发明一实施例,在步骤S400中,还包括步骤:自定义设置各类型光伏玻璃的判定阈值,针对每种类型光伏玻璃进行500~3000轮检测,并将检测结果通过数据转换后进行分类处理,得到目标区域尺寸,然后通过拍摄的图像实际尺寸与目标区域尺寸做数值运算得到毫米像素比,将得出的毫米像素比与目标区域尺寸做乘积得出目标区域的真实尺寸,最后对所述真实尺寸进行区间划分,形成每一个类型光伏玻璃的判定尺寸区间,在检测某一类型光伏玻璃的正反面时一旦超出对应的判定尺寸区间,则判定光伏玻璃的正面或者反面铺反。
本发明的这些和其它目的、特点和优势,通过下述的详细说明,得以充分体现。
附图说明
图1示出了本申请一较佳实施例用于检测光伏玻璃正反面的方法的流程示意图。
图2示出了本申请另一较佳实施例用于检测光伏玻璃正反面的方法的流程示意图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
本领域技术人员应理解的是,在说明书的揭露中,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系是基于附图所示的方位或位置关系,其仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此,上述术语不能理解为对本发明的限制。
可以理解的是,术语“一”应理解为“至少一”或“一个或多个”,即在一个实施例中,一个元件的数量可以为一个,而在另外的实施例中,该元件的数量可以为多个,术语“一”不能理解为对数量的限制。
参考图1,第一方面,一较佳实施例用于检测光伏玻璃正反面的方法依次包括以下步骤:
S10,在组装流水线上,当光伏玻璃进入相机拍照位置后,相机与PLC信号交互,获取光伏玻璃区域原图,并去除光伏玻璃区域原图的边缘光,得到黑图,其中所述光伏玻璃区域原图可以先进行本地存储或者云端存储,然后再发送给检测软件进行检测,此外,由于发送过来的光伏玻璃区域原图中,在目标区域(即相机获取的光伏玻璃区域原图)附近可能会受到外界光的影响而产生边缘光,而这些边缘光的强弱则会给后续计算目标区域面积带来不利影响,影响检测质量,因此,需要去除这些边缘光,精确地寻找到目标区域在图像上的位置;
S20,计算目标区域面积,构建内部数据形状呈矩形的处理核数组,将处理核与黑图进行膨胀处理,并迭代多次,使得目标区域更加饱满,得到用于计算区域面积的数据图像,然后基于数据图像中相邻黑白像素的灰度值具有较大差异的特点利用opencv模块内addWeighted、findContours、contourArea、minAreaRect依次进行权重融合、寻找轮廓和计算轮廓面积处理,得到最小外接矩形面积,最后对最小外接矩形面积进行数据转换,得到光影面积,即为透光率的量化数据,基于所述透光率的量化数据自动判断光伏玻璃的正反面是否铺反,能够有效提升检测效率,同时不易受外界因素影响而干扰检测,检测质量高,检测成本低,更加易于操作。
进一步优选地,所述用于检测光伏玻璃正反面的方法还包括步骤S30,将每轮检测的所述透光率的量化数据进行结果返回处理,并将每轮检测的检测结果和检测状态进行本地存储或云端存储,以便在后续批处理中可以通过存储的检测结果和检测状态来分类认知各类型光伏玻璃,此外,量化数据结果在软件关闭后可以以excel格式按照时间段存储,从而方便后续软件再次重新启用时可以加载excel内的数据至内存中,便于分类之前检测过的光伏玻璃为哪一个类别,然后再根据类别来逐一处理光伏玻璃图像特征。
进一步优选地,在步骤S10之前,或者步骤S20之前,或者说在软件运行的前期,还包括步骤:自定义设置各类型光伏玻璃的判定阈值,针对每种类型光伏玻璃进行500~3000轮检测,并将AI检测结果通过数据转换后进行分类处理,得到目标区域尺寸,然后通过每轮拍摄的图像实际尺寸与目标区域尺寸做数值运算得到毫米像素比,将得出的毫米像素比与目标区域尺寸做乘积得出目标区域的真实尺寸,最后对所述真实尺寸进行区间划分,形成每一个类型光伏玻璃的判定尺寸区间,在检测某一类型光伏玻璃的正反面时一旦超出对应的判定尺寸区间,则判定光伏玻璃的正面或者反面铺反;
由此原理依次迭代,直至无异常尺寸,则判定为分类完毕,将分类好的各区间尺寸做均值处理,获取到OK光伏玻璃图的正常区域尺寸,依次来替换更新各类型光伏玻璃的判定阈值,并在后续的自动检测中,根据更新后的判定阈值来判定光伏玻璃的正反面是否铺反。
换句话说,自定义判定阈值具有非常大的灵活性,可以兼容不同批次的各类型光伏玻璃(在相同光源下,不同批次的光伏玻璃的光影面积存在较大差异),由此,开发模板配置模块,即针对不同类型或者不同批次的光伏玻璃,进行判定阈值的迭代更新,形成动态式判定检测,使得光伏玻璃正反面的检测精度持续保持在较高的水平,更加人性化,具体来说,模板配置模块将模板图片(模板图片来源于同类型,同批次玻璃)发送至检测软件,并获取检测软件返回的坐标信息,同时更新光影面积数值,不同的配置方式会在模板图中显示出不同的画线和数值信息。
进一步优选地,所述用于检测光伏玻璃正反面的方法还包括步骤S40,为了不影响流水线的正常工作节拍,并及时处理光伏玻璃铺反的情况,单独开设一个报警模块线程,报警模块轮询每轮检测返回的量化数据,并迭代报警缺陷和报警规则,在出现NG情况时进行报警操作,告知现场人员出现玻璃铺反的情况,现场人员可以及时处理,防止出现玻璃铺反导致的组件报废的情况,其中所述报警操作包括语音报警提示、报警停线和弹窗提醒中之任一种或多种,其中所述报警规则基于预定时间内的缺陷次数以及对应的缺陷名进行自定义设定;
报警设置页面可以设置缺陷名、缺陷次数、单位时间内累计多少次缺陷、在多长时间内、报警次数、报警类型(弹窗报警或者报警停线、是否弹窗报警)、新增或者删除报警规则,以及是否放行等可配置的报警功能。
在一个实施例中,在步骤S10中,所述去除边缘光,得到黑图,具体为:
S11,图像维度处理,确保图像维度在2-4之间(通道保持在三维),若多维,则剔除冗余维度,若低维,则在基础维度上新增维度,并保持在RGB格式;
S12,图像预处理,在每轮检测中,接收到的图的成像可能会有不定的差异,由此,需要在计算之前将每张图像的基础成像保持一致,因此,先将图像与0.8做次方乘积(也可以与0.7或者0.9等其他小于1的数值做次方乘积),以增强前后背景,使亮的更亮,而暗的更暗,然后将图像转为灰度图,为了提高计算速率,紧接着缩放灰度图的尺寸,然后采用OTSU大律法将灰度图进行二值化操作,得到数据区间在[0,255]之间分布的黑图,然后旋转黑图角度,使边缘光保持在图像的最上方;
S13,计算边缘光位置,获取黑图尺寸,其中黑图尺寸中的宽度整除10作为迭代间距,然后再从0到宽度尺寸以间距进行迭代,其中每轮迭代数为需要计算的图像数据行数,根据图像数据行数迭代寻找255像素值索引位置并进行内存存储,迭代完成后得到索引列表,并抛弃最小值和最大值,最后计算均值,即为边缘光位置;
S14,抛弃带有边缘光的局部图像数据,基于所述边缘光位置利用数组中的切片属性和索引属性将图像边缘光抛弃去除,最后得到纯净的、只有目标区域的图像。
在一个实施例中,在步骤S20中,所述对最小外接矩形面积进行数据转换,具体为:数据转换方式为xyxy->xywh,同时转换之后的x为转之前的x与所述边缘光位置之和,然后进行尺寸缩放,即,将每个数除以缩放比例(映射在原图上的位置),得到光影面积。
值得一提到是,申请人还发现在实际应用中部分类型光伏玻璃的正反面透光率近似,通过前述方法则难以快速有效检测光伏玻璃正反面是否铺反,甚至还因为近似到无法区分而出现过误检和漏检的情况,由此,参考图2,本申请还提供了一种用于检测光伏玻璃正反面的方法,依次包括以下步骤:
S100,获取光伏玻璃区域原图,由于颜色对于纹理颗粒的分辨作用较小,因此,首先进行灰度化处理,将光伏玻璃区域原图转换为灰度图像,并且灰度图像只有一个通道,得到仅有一个通道的灰度原图,使得计算复杂度更低,处理速度更快,同时还可以保留光伏玻璃区域原图中的重要纹理和形状信息;
S200,此外,申请人还发现在图像采集的过程中,常常会受到光照以及摄像头传感器等因素的影响而导致图像中存在一定程度的噪声,因此需要对图像进行前置处理,比如去躁处理,以便能够更好的获取光伏玻璃的纹理特征信息,由此,通过滤波器平滑图像去除灰度原图的噪声,使图像更加平滑,且在去除噪声的同时不会破坏较好的边缘信息,同时还可以保留灰度原图的主体结构和纹理信息,方便后续的梯度计算;
S300,图像梯度计算,使用Sobel滤波核作为x方向上的滤波核Sx,然后将Sx滤波核转置得到y方向上的滤波核Sy,然后将两个滤波核与灰度图像进行卷积分别得到x方向和y方向的梯度然后获取灰度原图的梯度场,用于表征灰度原图的纹理强度,然后将灰度图像进行二值化处理,将大于第一阈值的梯度提取出来,最后分辨出玻璃纹理颗粒特征,判断光伏玻璃的正反面是否铺反。
进一步优选地,为了减少计算量,在步骤S300中,使用x和y两个方向上的梯度绝对值和的方式进行逼近处理,得到总体梯度幅值的近似值,用于表征灰度原图的纹理强度。
在一个实施例中,所述用于检测光伏玻璃正反面的方法还包括步骤S400,纹理特征数值化,将梯度值划分为若干个不同的区间,比如将0-255的梯度值按照一定间隔划分为8个区间,并在每个区间内将每个像素点作为中心点,以所述中心点建立半径为r的圆形区域,然后计算所述圆形区域内每个像素点与所述中心点之间的灰度差,若所述像素点的灰度值大于等于所述中心点的灰度值,则定义所述灰度差为1,否则定义所述灰度差为0,将得到的二进制串转换为十进制数,得到所述像素点的LBP值,直至得到所有区间所有像素点的LBP值,形成与灰度原图具有相同大小的LBP特征图,即将每个所述像素点的LBP值映射到对应的所述像素点上,得到每个区间的固定维度向量,作为区间局部LBP特征向量,然后统计每个区间局部LBP特征向量的LBP纹理特征,将LBP值转换为数值量,最后将转换得到的数值量按顺序拼接成一个向量,作为灰度图像的局部二值模式数值化梯度特征值,由此在前述步骤自定义设置各类型光伏玻璃的判定阈值的基础上,能够更加方便且更加直观的进行每种类型光伏玻璃的阈值判断,以及对阈值范围的控制或者管理,其中所述自定义设置各类型光伏玻璃的判定阈值的实现方式可参照前文,在此不再赘述。
LBP的全称为Local Binary Pattern,即局部二值模式,可以将图像纹理特征表示为固定维度的向量。
需要说明的是,本发明中用语“第一、第二”仅用于描述目的,不表示任何顺序,不能理解为指示或者暗示相对重要性,可将这些用语解释为名称。
本领域的技术人员应理解,上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的优势已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明,在没有背离所述原理下,本发明的实施方式可以有任何变形或修改。
Claims (10)
1.用于检测光伏玻璃正反面的方法,其特征在于,依次包括以下步骤:
S10,获取光伏玻璃区域原图,并去除边缘光,得到黑图;
S20,计算目标区域面积,构建内部数据形状呈矩形的处理核数组,将处理核与黑图进行膨胀处理,并迭代多次,得到用于计算区域面积的数据图像,然后基于数据图像中相邻黑白像素的灰度值依次进行权重融合、寻找轮廓和计算轮廓面积处理,得到最小外接矩形面积,最后对最小外接矩形面积进行数据转换,得到光影面积,即为透光率的量化数据,基于所述透光率的量化数据自动判断光伏玻璃的正反面是否铺反。
2.如权利要求1所述用于检测光伏玻璃正反面的方法,其特征在于,还包括步骤S30,将每轮检测的所述透光率的量化数据进行结果返回处理,并将每轮检测的检测结果和检测状态进行本地存储或云端存储。
3.如权利要求2所述用于检测光伏玻璃正反面的方法,其特征在于,在步骤S10之前,或者步骤S20之前,还包括步骤:自定义设置各类型光伏玻璃的判定阈值,针对每种类型光伏玻璃进行500~3000轮检测,并将检测结果通过数据转换后进行分类处理,得到目标区域尺寸,然后通过拍摄的图像实际尺寸与目标区域尺寸做数值运算得到毫米像素比,将得出的毫米像素比与目标区域尺寸做乘积得出目标区域的真实尺寸,最后对所述真实尺寸进行区间划分,形成每一个类型光伏玻璃的判定尺寸区间,在检测某一类型光伏玻璃的正反面时一旦超出对应的判定尺寸区间,则判定光伏玻璃的正面或者反面铺反。
4.如权利要求3所述用于检测光伏玻璃正反面的方法,其特征在于,还包括步骤S40,开设报警模块线程,轮询每轮检测返回的量化数据,并迭代报警缺陷和报警规则,在出现NG情况时进行报警操作,其中所述报警操作包括语音报警提示、报警停线和弹窗提醒中之任一种或多种,其中所述报警规则基于预定时间内的缺陷次数以及对应的缺陷名进行自定义设定。
5.如权利要求1所述用于检测光伏玻璃正反面的方法,其特征在于,在步骤S10中,所述去除边缘光,得到黑图,具体为:
S11,图像维度处理,确保图像维度在2-4之间,若多维,则剔除冗余维度,若低维,则在基础维度上新增维度,并保持在RGB格式;
S12,图像预处理,先将图像与0.8做次方乘积,并将图像转为灰度图,缩放灰度图的尺寸,然后采用OTSU大律法将灰度图进行二值化操作,得到数据区间在[0,255]之间分布的黑图,然后旋转黑图角度,使边缘光保持在图像的最上方;
S13,计算边缘光位置,获取黑图尺寸,其中黑图尺寸中的宽度整除10作为迭代间距,然后再从0到宽度尺寸以间距进行迭代,其中每轮迭代数为需要计算的图像数据行数,根据图像数据行数迭代寻找255像素值索引位置并进行内存存储,迭代完成后得到索引列表,并抛弃最小值和最大值,最后计算均值,即为边缘光位置;
S14,抛弃带有边缘光的局部图像数据,基于所述边缘光位置利用数组将图像边缘光抛弃去除。
6.如权利要求5所述用于检测光伏玻璃正反面的方法,其特征在于,在步骤S20中,所述对最小外接矩形面积进行数据转换,具体为:数据转换方式为xyxy->xywh,同时转换之后的x为转之前的x与所述边缘光位置之和,然后进行尺寸缩放,得到光影面积。
7.用于检测光伏玻璃正反面的方法,其特征在于,依次包括以下步骤:
S100,获取光伏玻璃区域原图,并进行灰度化处理,得到仅有一个通道的灰度原图;
S200,去除灰度原图的噪声,使图像更加平滑,并保留灰度原图的主体结构和纹理信息;
S300,图像梯度计算,使用Sobel滤波核作为x方向上的滤波核Sx,将Sx滤波核转置得到y方向上的滤波核Sy,将两个滤波核与灰度图像进行卷积分别得到x方向和y方向的梯度然后获取灰度原图的梯度场,用于表征灰度原图的纹理强度,然后将灰度图像进行二值化处理,将大于第一阈值的梯度提取出来,最后分辨出玻璃纹理颗粒特征,判断光伏玻璃的正反面是否铺反。
8.如权利要求7所述用于检测光伏玻璃正反面的方法,其特征在于,在步骤S300中,使用x和y两个方向上的梯度绝对值和的方式进行逼近处理,得到总体梯度幅值的近似值,用于表征灰度原图的纹理强度。
9.如权利要求7所述用于检测光伏玻璃正反面的方法,其特征在于,还包括步骤S400,纹理特征数值化,将梯度值划分为若干个不同的区间,并在每个区间内将每个像素点作为中心点,以所述中心点建立半径为r的圆形区域,然后计算所述圆形区域内每个像素点与所述中心点之间的灰度差,若所述像素点的灰度值大于等于所述中心点的灰度值,则定义所述灰度差为1,否则定义所述灰度差为0,将得到的二进制串转换为十进制数,得到所述像素点的LBP值,直至得到所有区间所有像素点的LBP值,形成与灰度原图具有相同大小的LBP特征图,即将每个所述像素点的LBP值映射到对应的所述像素点上,得到每个区间的固定维度向量,作为区间局部LBP特征向量,然后统计每个区间局部LBP特征向量的LBP纹理特征,将LBP值转换为数值量,最后将转换得到的数值量按顺序拼接成一个向量,作为灰度图像的局部二值模式数值化梯度特征值。
10.如权利要求9所述用于检测光伏玻璃正反面的方法,其特征在于,在步骤S400中,还包括步骤:自定义设置各类型光伏玻璃的判定阈值,针对每种类型光伏玻璃进行500~3000轮检测,并将检测结果通过数据转换后进行分类处理,得到目标区域尺寸,然后通过拍摄的图像实际尺寸与目标区域尺寸做数值运算得到毫米像素比,将得出的毫米像素比与目标区域尺寸做乘积得出目标区域的真实尺寸,最后对所述真实尺寸进行区间划分,形成每一个类型光伏玻璃的判定尺寸区间,在检测某一类型光伏玻璃的正反面时一旦超出对应的判定尺寸区间,则判定光伏玻璃的正面或者反面铺反。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310520413.1A CN116503371A (zh) | 2023-05-10 | 2023-05-10 | 用于检测光伏玻璃正反面的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310520413.1A CN116503371A (zh) | 2023-05-10 | 2023-05-10 | 用于检测光伏玻璃正反面的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116503371A true CN116503371A (zh) | 2023-07-28 |
Family
ID=87316335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310520413.1A Pending CN116503371A (zh) | 2023-05-10 | 2023-05-10 | 用于检测光伏玻璃正反面的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116503371A (zh) |
-
2023
- 2023-05-10 CN CN202310520413.1A patent/CN116503371A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109087274B (zh) | 基于多维融合及语义分割的电子器件缺陷检测方法及装置 | |
Torras | Computer vision: theory and industrial applications | |
CN110517265B (zh) | 一种产品表面缺陷的检测方法、装置及存储介质 | |
CN116664559B (zh) | 基于机器视觉的内存条损伤快速检测方法 | |
CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别***与方法 | |
CN114549981A (zh) | 一种基于深度学习的智能巡检指针式仪表识别及读数方法 | |
CN110276759B (zh) | 一种基于机器视觉的手机屏坏线缺陷诊断方法 | |
CN115797813B (zh) | 基于航拍图像的水环境污染检测方法 | |
CN113252103A (zh) | 一种基于matlab图像识别技术计算物料堆体积及质量的方法 | |
CN116664565A (zh) | 一种光伏太阳能电池片的隐裂检测方法及*** | |
CN112561875A (zh) | 一种基于人工智能的光伏电池板粗栅检测方法 | |
CN115526885A (zh) | 一种产品图像缺陷检测方法、***、装置及介质 | |
CN117557565B (zh) | 一种锂电池极片的检测方法及其装置 | |
CN114387262A (zh) | 一种基于机器视觉的螺母定位检测方法、装置及*** | |
CN110766675B (zh) | 太阳能电池板缺陷检测方法 | |
CN113052234A (zh) | 一种基于图像特征和深度学习技术的玉石分类方法 | |
CN116503371A (zh) | 用于检测光伏玻璃正反面的方法 | |
CN114881984A (zh) | 一种大米加工精度的检测方法、装置、电子设备及介质 | |
CN109949245B (zh) | 十字激光检测定位方法、装置、存储介质及计算机设备 | |
CN114494165A (zh) | 一种基于聚类的光条提取方法及装置 | |
CN114359414A (zh) | 镜头脏污识别方法、装置、计算机设备及存储介质 | |
CN113643290A (zh) | 一种基于图像处理的吸管计数方法、装置及存储介质 | |
CN113763359A (zh) | 一种金属近表面缺陷检测用智能检测与感知*** | |
CN113610187A (zh) | 基于图像技术的木材纹理提取及分类方法 | |
CN108335296B (zh) | 一种极板识别装置及方法 |
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 |