-
公开(公告)号：CN107742286A
公开(公告)日：2018-02-27
申请号：CN201710900759.9
申请日：2017-09-28
申请人： 河北工业大学 , 天津英利新能源有限公司
CPC分类号： G06T7/136 , G06T5/002 , G06T7/0004 , G06T7/11 , G06T7/155 , G06T2207/20032 , G06T2207/30148 , H02S50/10
摘要： 本发明所述的多晶硅太阳能电池片EL测试裂纹缺陷检测适用于工业生产太阳能电池片现场，首先对采集的图像预处理，进行全局阈值分割和形态学的开运算和闭运算排除非处理区域的干扰；再进行中值滤波，引导滤波来消除图像噪声；通过差分阈值和特征提取将探针区域提取出来，将探针区域和阈值分割后的区域进行求补运算，排除探针区域，留下待检测区域；对平滑后的图像进行傅里叶变换；排除探针区域和傅里叶变换后的区域求交集得到待检测区域，提取待检测区域的线条，再根据线条的属性判断线条是否为裂纹。本发明实现了非接触检测，提高检测质量和效率，有效降低检测过程中的碎片率，可有效的实现检测的在线自动化。
-
公开(公告)号：CN107490584B
公开(公告)日：2020-06-09
申请号：CN201710836500.2
申请日：2017-09-16
申请人： 河北工业大学 , 天津英利新能源有限公司
摘要： 本发明所述的太阳能电池片EL测试断栅缺陷检测适用于工业生产太阳能电池片现场，对EL测试断栅缺陷进行检测，检测的算法充分适用于现场情况。先对采集的图像进行简单的预处理，进行全局阈值分割，消除噪点，选择处理图像区域；再进行引导滤波，筛选出非探针区域，与阈值分割后的图像相交得到连通域；然后检测太阳能电池片上所有的栅线，利用直线的特点，获得栅线；最后，将断栅缺陷区域同栅线区域相交，得到断栅位置，从而筛选获得准确地断栅缺陷。本发明实现了非接触检测，提高检测质量，降低检测过程中的碎片率，可有效的实现检测的在线自动化。
-
公开(公告)号：CN111291814A
公开(公告)日：2020-06-16
申请号：CN202010094093.4
申请日：2020-02-15
申请人： 河北工业大学 , 天津英利新能源有限公司
摘要： 针对光伏电池EL图像裂纹缺陷识别技术的不足，本发明首先采用近红外相机采集光伏电池EL图像，像素为1024×1024；将采集的五分之四的EL图像处理为128×128像素的图像块，对图像块做人工标签，包含裂纹与非裂纹标签，构建训练集；将剩余的五分之一的EL图像作为测试集。本发明进行裂纹识别使用的是卷积神经网络，该网络的输入为128×128像素的EL图像块；测试时输入像素为1024×1024的EL图像，以滑动窗口方式经由神经网络计算输出裂纹的位置并以框标注，计算已标注裂纹的信息熵H值来判断已标注目标属于裂纹的真实性。
-
公开(公告)号：CN107490584A
公开(公告)日：2017-12-19
申请号：CN201710836500.2
申请日：2017-09-16
申请人： 河北工业大学 , 天津英利新能源有限公司
摘要： 本发明所述的太阳能电池片EL测试断栅缺陷检测适用于工业生产太阳能电池片现场，对EL测试断栅缺陷进行检测，检测的算法充分适用于现场情况。先对采集的图像进行简单的预处理，进行全局阈值分割，消除噪点，选择处理图像区域；再进行引导滤波，筛选出非探针区域，与阈值分割后的图像相交得到连通域；然后检测太阳能电池片上所有的栅线，利用直线的特点，获得栅线；最后，将断栅缺陷区域同栅线区域相交，得到断栅位置，从而筛选获得准确地断栅缺陷。本发明实现了非接触检测，提高检测质量，降低检测过程中的碎片率，可有效的实现检测的在线自动化。
-
公开(公告)号：CN111291814B
公开(公告)日：2023-06-02
申请号：CN202010094093.4
申请日：2020-02-15
申请人： 河北工业大学 , 天津英利新能源有限公司
IPC分类号： G06V10/764 , G06V10/80 , G06V10/774 , G06V10/82 , G06T7/00 , G06T7/73 , G06N3/0464 , G06N3/084 , G01N21/66 , G01N21/95 , G01N21/88
摘要： 针对光伏电池EL图像裂纹缺陷识别技术的不足，本发明首先采用近红外相机采集光伏电池EL图像，像素为1024×1024；将采集的五分之四的EL图像处理为128×128像素的图像块，对图像块做人工标签，包含裂纹与非裂纹标签，构建训练集；将剩余的五分之一的EL图像作为测试集。本发明进行裂纹识别使用的是卷积神经网络，该网络的输入为128×128像素的EL图像块；测试时输入像素为1024×1024的EL图像，以滑动窗口方式经由神经网络计算输出裂纹的位置并以框标注，计算已标注裂纹的信息熵H值来判断已标注目标属于裂纹的真实性。
-
公开(公告)号：CN107742286B
公开(公告)日：2021-01-29
申请号：CN201710900759.9
申请日：2017-09-28
申请人： 河北工业大学 , 天津英利新能源有限公司
摘要： 本发明所述的多晶硅太阳能电池片EL测试裂纹缺陷检测适用于工业生产太阳能电池片现场，首先对采集的图像预处理，进行全局阈值分割和形态学的开运算和闭运算排除非处理区域的干扰；再进行中值滤波，引导滤波来消除图像噪声；通过差分阈值和特征提取将探针区域提取出来，将探针区域和阈值分割后的区域进行求补运算，排除探针区域，留下待检测区域；对平滑后的图像进行傅里叶变换；排除探针区域和傅里叶变换后的区域求交集得到待检测区域，提取待检测区域的线条，再根据线条的属性判断线条是否为裂纹。本发明实现了非接触检测，提高检测质量和效率，有效降低检测过程中的碎片率，可有效的实现检测的在线自动化。
-
公开(公告)号：CN107727662B
公开(公告)日：2020-02-14
申请号：CN201710900575.2
申请日：2017-09-28
申请人： 河北工业大学 , 天津英利新能源有限公司
摘要： 本发明主要用于检测多晶硅太阳能电池片EL图像表面黑斑缺陷。该方法根据近红外相机采集到的电池片EL图像，通过二值化提取感兴趣目标电池片，针对多晶硅形成的复杂多样的背景干扰，通过区域生长方式对图像进行分割，得到可能的缺陷连通域，之后通过两种方式来排除误检，一种是进行连通域分析提取连通域的面积和空洞面积特征，另一种是对连通域所对应的图像进行曲线检测即从图像纹理分析的角度来解决误检问题。通过以上所述方法处理，能够准确判断太阳能电池片黑斑缺陷，并将黑斑缺陷位置标记出来。
-
公开(公告)号：CN107727662A
公开(公告)日：2018-02-23
申请号：CN201710900575.2
申请日：2017-09-28
申请人： 河北工业大学 , 天津英利新能源有限公司
摘要： 本发明主要用于检测多晶硅太阳能电池片EL图像表面黑斑缺陷。该方法根据近红外相机采集到的电池片EL图像，通过二值化提取感兴趣目标电池片，针对多晶硅形成的复杂多样的背景干扰，通过区域生长方式对图像进行分割，得到可能的缺陷连通域，之后通过两种方式来排除误检，一种是进行连通域分析提取连通域的面积和空洞面积特征，另一种是对连通域所对应的图像进行曲线检测即从图像纹理分析的角度来解决误检问题。通过以上所述方法处理，能够准确判断太阳能电池片黑斑缺陷，并将黑斑缺陷位置标记出来。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.041 秒)
