-
公开(公告)号：CN109447978B
公开(公告)日：2021-11-02
申请号：CN201811330450.1
申请日：2018-11-09
申请人： 河北工业大学
摘要： 本发明为一种光伏太阳能电池片电致发光图像缺陷分类方法，该方法步骤是：第一步：获取光伏太阳能电池电致发光图像；第二步：图像分块；第三步：用特征描述子描述每个图像块特征；第四步：用分类器进行训练测试。所述特征描述子为CS‑LBP特征描述子或CPICS‑LBP特征描述子。该方法通过将图像先进行分块处理，再通过特征描述子进行局部提取的方式获得图像特征，再结合分类器能很好地将EL图像进行分类。本发明方法尤其适用于检测裂纹、断栅，并在光伏电池片电致发光图像缺陷分类工程实践中取得了很好的效果。
-
公开(公告)号：CN109447978A
公开(公告)日：2019-03-08
申请号：CN201811330450.1
申请日：2018-11-09
申请人： 河北工业大学
摘要： 本发明为一种光伏太阳能电池片电致发光图像缺陷分类方法，该方法步骤是：第一步：获取光伏太阳能电池电致发光图像；第二步：图像分块；第三步：用特征描述子描述每个图像块特征；第四步：用分类器进行训练测试。所述特征描述子为CS-LBP特征描述子或CPICS-LBP特征描述子。该方法通过将图像先进行分块处理，再通过特征描述子进行局部提取的方式获得图像特征，再结合分类器能很好地将EL图像进行分类。本发明方法尤其适用于检测裂纹、断栅，并在光伏电池片电致发光图像缺陷分类工程实践中取得了很好的效果。
-
公开(公告)号：CN109447977B
公开(公告)日：2021-05-28
申请号：CN201811298806.8
申请日：2018-11-02
申请人： 河北工业大学
摘要： 本发明为一种基于多光谱深度卷积神经网络的视觉缺陷检测方法，该方法用于光伏电池片外观缺陷检测，通过设计多光谱神经网络模型，加强了模型对多个光谱特征的提取的有效性和准确性，实现了特征与背景的去耦合；通过对缺陷在多个光谱中的表现特征进行分析，利用图像多光谱信息特征分离提取的方法，强化模型对多光谱图像信息特征的提取能力，对比于LBP+HOG‑SVM和Gabor‑SVM表面缺陷检测方法，设计的多光谱神经网络模型在三个指标(精度、召回率、F‑测度)上都提升10％左右，而且可以有效的解决电池片表面背景纹理复杂、缺陷特征多样、形状随机的问题，缺陷识别的准确率达到94.30％。
-
公开(公告)号：CN108010864A
公开(公告)日：2018-05-08
申请号：CN201711396293.X
申请日：2017-12-21
申请人： 河北工业大学 , 天津英利新能源有限公司
摘要： 本发明提供了一种光伏电池片智能缺陷分选装置及分选方法，分选装置包括上料单元、以及与所述上料单元垂直设置并依次设置的智能检测分类单元和下料单元，所述智能检测分类单元以及所述下料单元之间设有传送带，可以有效提高工作效率，降低电池生产过程中的碎片率，适合生产线在线分选。
-
公开(公告)号：CN109447977A
公开(公告)日：2019-03-08
申请号：CN201811298806.8
申请日：2018-11-02
申请人： 河北工业大学
摘要： 本发明为一种基于多光谱深度卷积神经网络的视觉缺陷检测方法，该方法用于光伏电池片外观缺陷检测，通过设计多光谱神经网络模型，加强了模型对多个光谱特征的提取的有效性和准确性，实现了特征与背景的去耦合；通过对缺陷在多个光谱中的表现特征进行分析，利用图像多光谱信息特征分离提取的方法，强化模型对多光谱图像信息特征的提取能力，对比于LBP+HOG-SVM和Gabor-SVM表面缺陷检测方法，设计的多光谱神经网络模型在三个指标(精度、召回率、F-测度)上都提升10％左右，而且可以有效的解决电池片表面背景纹理复杂、缺陷特征多样、形状随机的问题，缺陷识别的准确率达到94.30％。
-
公开(公告)号：CN208028022U
公开(公告)日：2018-10-30
申请号：CN201721806047.2
申请日：2017-12-21
申请人： 河北工业大学 , 天津英利新能源有限公司
摘要： 本实用新型提供了一种光伏电池片缺陷分选装置，分选装置包括上料单元、以及与所述上料单元垂直设置并依次设置的智能检测分类单元和下料单元，所述智能检测分类单元以及所述下料单元之间设有传送带，可以有效提高工作效率，降低电池生产过程中的碎片率，适合生产线在线分选。(ESM)同样的发明创造已同日申请发明专利
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.02 秒)
