光伏组件缺陷检测方法和系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114187260A(43)申请公布日2022.03.15(21)申请号202111506090.8G06T7/13(2017.01)(22)申请日2021.12.10G06T7/187(2017.01)G06V10/764(2022.01)(71)申请人江苏格林保尔新能源有限公司G06V10/82(2022.01)地址213213江苏省常州市武进国家高新G06V10/25(2022.01)技术产业开发区龙门路1号G06K9/62(2022.01)(72)发明人浦永华周宇飞陶华时厚龙(74)专利代理机构常州佰业腾飞专利代理事务所(普通合伙)32231代理人刘松(51)Int.Cl.G06T7/00(2017.01)G06T5/00(2006.01)G06T5/20(2006.01)G06T3/60(2006.01)G06T7/12(2017.01)权利要求书2页说明书9页附图2页(54)发明名称光伏组件缺陷检测方法和系统(57)摘要本发明提供了一种光伏组件缺陷检测方法和系统，其中，该方法包括以下步骤：获取待检测光伏组件的EL图像；对EL图像进行融合滤波去噪处理，以获取第一检测图像；对第一检测图像进行位置矫正处理，以获取第二检测图像；对第二检测图像进行ROI划分处理，以获取第三检测图像；对第三检测图像进行图像增强处理，以获取第四检测图像；对第四检测图像进行图像分割处理，以获取目标检测图像；采用目标卷积神经网络对目标检测图像进行缺陷检测和分类，并标记缺陷位置。根据本发明的光伏组件缺陷检测方法，能够排除人工检测的不确定性因素，实现检测分类自动化，在提高检测质量和检测效率的同时，大大节省了劳动力，避免造成不必要的经济损失。CN114187260ACN114187260A权利要求书1/2页1.一种光伏组件缺陷检测方法，其特征在于，包括以下步骤：获取待检测光伏组件的EL图像；对所述EL图像进行融合滤波去噪处理，以获取第一检测图像；对所述第一检测图像进行位置矫正处理，以获取第二检测图像；对所述第二检测图像进行ROI划分处理，以获取第三检测图像；对所述第三检测图像进行图像增强处理，以获取第四检测图像；对所述第四检测图像进行图像分割处理，以获取目标检测图像；采用目标卷积神经网络对所述目标检测图像进行缺陷检测和分类，并标记缺陷位置。2.根据权利要求1所述的光伏组件缺陷检测方法，其特征在于，所述目标卷积神经网络包括具有多路对比输出的卷积神经网络，其中，将VGGNet卷积神经网络末尾全连接层分别输出至softmax分类器和RandomForest分类器以构成所述具有多路对比输出的卷积神经网络，所述采用目标卷积神经网络对所述目标检测图像进行缺陷检测和分类包括：在将所述目标检测图像输入所述具有多路对比输出的卷积神经网络时，通过所述softmax分类器和所述RandomForest分类器对所述VGGNet卷积神经网络末尾全连接层输出的同一对象进行分类，以分别获取第一分类概率值和第二分类概率值；将所述第一分类概率值和所述第二分类概率值与第一概率标准值进行比对，并根据比对结果确认缺陷检测结果。3.根据权利要求2所述的光伏组件缺陷检测方法，其特征在于，所述将所述第一分类概率值和所述第二分类概率值与第一概率标准值进行比对，并根据比对结果确认缺陷检测结果，包括：判断所述softmax分类器和所述RandomForest分类器输出的缺陷类别是否相同；如果否，则进行异常提示；如果是，则判断所述第一分类概率值是否大于所述第一概率标准值，并判断所述第二分类概率值是否大于所述第一概率标准值；如果所述第一分类概率值大于所述第一概率标准值且所述第二分类概率值大于所述第一概率标准值，则确认所述目标检测图像的缺陷类别为所述softmax分类器和所述RandomForest分类器输出的缺陷类别；如果所述第一分类概率值大于所述第一概率标准值且所述第二分类概率值小于等于所述第一概率标准值，则确认所述目标检测图像的缺陷类别为所述softmax分类器输出的缺陷类别；如果所述第一分类概率值小于等于所述第一概率标准值且所述第二分类概率值大于所述第一概率标准值，则确认所述目标检测图像的缺陷类别为所述RandomForest分类器输出的缺陷类别；如果所述第一分类概率值小于等于所述第一概率标准值且所述第二分类概率值小于等于所述第一概率标准值，则进行低概率提示。4.根据权利要求1所述的光伏组件缺陷检测方法，其特征在于，所述目标卷积神经网络包括融合卷积神经网络，其中，所述融合卷积神经网络由VGGNet卷积神经网络和AlexNet卷积神经网络构成，所述采用目标卷积神经网络对所述目标检测图像进行缺陷检测和分类包括：2CN1141872