[發明專利]基于深度學習的太陽能電池缺陷檢測系統及檢測方法

在審

• 申請號: 201911075935.5
• 申請日: 2019-11-06
• 公開（公告）號: CN110910352A
• 公開（公告）日: 2020-03-24
• 發明（設計）人: 張發恩;楊敏;艾國
• 申請（專利權）人: 創新奇智（南京）科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G01N21/88;G01N21/95
• 代理公司: 廣州鼎賢知識產權代理有限公司 44502
• 代理人: 丁雨燕

1.一種基于深度學習的太陽能電池缺陷檢測系統，用于對太陽能電池是否存有缺陷進行自動檢測，其特征在于，包括：

圖像采集模塊，用于采集太陽能電池的電池圖像；

圖像特征提取模塊，連接所述圖像采集模塊，用于提取所述電池圖像的特征圖并輸出；

圖像分割模塊，連接所述圖像特征提取模塊，用于對所述特征圖進行圖像分割，生成關聯于所述電池圖像的多張分割圖；

賦值模塊，連接所述圖像分割模塊，用于對每一張所述分割圖上的各像素點進行賦值，得到每一張所述分割圖對應的賦值圖；

缺陷判斷模塊，連接所述賦值模塊，用于基于預設的一判斷閾值，將各所述賦值圖進行圖像融合，并得到一缺陷掩碼圖；

分類模塊，連接所述缺陷判斷模塊，用于根據所述缺陷掩碼圖，并基于一預設的決策規則對所述太陽能電池存在的缺陷進行分類，并輸出分類結果。

2.如權利要求1所述的太陽能電池缺陷檢測系統，其特征在于，所述太陽能電池缺陷檢測系統通過卷積神經網絡以提取所述電池圖像對應的所述特征圖，并通過所述卷積神經網絡對所述特征圖進行圖像分割，生成多張所述分割圖。

3.如權利要求2所述的太陽能電池缺陷檢測系統，其特征在于，所述卷積神經網絡采用的網絡架構為densenet、resnet、vggnet、googlenet中的一種或多種。

4.如權利要求1所述的太陽能電池缺陷檢測系統，其特征在于，賦予各像素點的數值范圍為0～1。

5.如權利要求1所述的太陽能電池缺陷檢測系統，其特征在于，所述分類結果包括無缺陷、裂片、隱裂中的一種或多種。

6.一種基于深度學習的太陽能電池缺陷檢測方法，通過應用如權1-5任意一項所述的太陽能電池缺陷檢測系統實現，其特征在于，具體包括如下步驟：

步驟S1，所述太陽能電池缺陷檢測系統采用所述太陽能電池的所述電池圖像；

步驟S2，所述太陽能電池缺陷檢測系統提取所述電池圖像的所述特征圖；

步驟S3，所述太陽能電池缺陷檢測系統對所述特征圖進行圖像分割，得到關聯于所述電池圖像的多張所述分割圖；

步驟S4，所述太陽能電池缺陷檢測系統對各所述分割圖上的各所述像素點進行賦值，得到每一張所述分割圖對應的所述賦值圖；

步驟S5，所述太陽能電池缺陷檢測系統基于預設的所述判斷閾值，將各所述賦值圖進行圖像融合，得到一所述缺陷掩碼圖；

步驟S6，所述太陽能電池缺陷檢測系統根據所述缺陷掩碼圖，并基于一預設的決策規則對所述太陽能電池存在的缺陷進行分類，并輸出分類結果。

7.如權利要求6所述的太陽能電池缺陷檢測方法，其特征在于，所述步驟S2中的所述太陽能電池缺陷檢測系統采用卷積神經網絡提取所述電池圖像的所述特征圖。

8.如權利要求7所述的太陽能電池缺陷檢測方法，其特征在于，所述步驟S3中的所述太陽能電池缺陷檢測系統采用所述卷積神經網絡對所述特征圖進行圖像分割，得到多張所述分割圖。

9.如權利要求7或8所述的太陽能電池缺陷檢測方法，其特征在于，所述卷積神經網絡采用的網絡架構為densenet、resnet、vggnet、googlenet中的一種或多種。

10.如權利要求6所述的太陽能電池缺陷檢測方法，其特征在于，所述分類結果包括無缺陷、存在裂片缺陷、存在隱裂、存在碎片缺陷、存在斷柵缺陷、存在劃痕/劃傷缺陷、存在虛焊/短路缺陷中的一種或多種。