[發明專利]基于人工智能的光伏電池板隱裂檢測方法及系統

在審

• 申請號: 202011064440.5
• 申請日: 2020-09-30
• 公開（公告）號: CN112184681A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 廖一峰;王海
• 申請（專利權）人: 廖一峰
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/40;G06T7/62;G06T5/00;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于人工智能的光伏電池板隱裂檢測方法，其特征在于，包括以下步驟：

采集電池板完整表面紋理圖像信息，得到電池板圖像，所述電池板圖像包括柵線的特征信息和蝸牛紋的特征信息；

根據柵線方向切分所述電池板圖像，得到多個尺寸等同的子圖像，根據柵線垂直方向切分所述子圖像，得到多個尺寸等同的子圖像單元；

將每個所述子圖像單元經過深度神經網絡，輸出蝸牛紋的語義區域遮罩；

將所述蝸牛紋的語義區域遮罩經過圖像處理，分割出帶狀蝸牛紋遮罩和面狀蝸牛紋遮罩，根據面狀蝸牛紋遮罩獲取面狀蝸牛紋的面積S₁₁，根據帶狀蝸牛紋遮罩獲取帶狀蝸牛紋的面積S₁₂；

獲取電池板隱裂數量N的映射模型：

其中，A為所述電池板的面積；T_p表示溫度對所述隱裂數量的影響程度，H_p表示濕度對所述隱裂數量的影響程度；α為第一調整系數，β為第二調整系數。

2.根據權利要求1所述的基于人工智能的光伏電池板隱裂檢測方法，其特征在于，所述的深度神經網絡包括鄰域特征提取網絡、柵線判別網絡和語義分割網絡，所述根據所述子圖像單元輸出所述蝸牛紋的語義區域遮罩包括以下步驟：

將所述子圖像單元經過所述鄰域特征提取網絡，輸出每個所述子圖像單元的特征信息，所述特征信息包括空域特征信息和鄰域特征信息；

將所述特征信息經過柵線判別網絡，判斷對應所述子圖像單元是否存在柵線；

在所述子圖像單元存在柵線時，將所述特征信息經過語義分割網絡，得到所述子圖像中柵線斷裂區域的遮罩；

將所有所述子圖像單元的所述柵線斷裂區域的遮罩拼接后，獲得所述電池板的蝸牛紋的語義區域遮罩。

3.根據權利要求1所述的基于人工智能的光伏電池板隱裂檢測方法，其特征在于，所述的圖像處理包括以下步驟：

將所述蝸牛紋的語義區域遮罩進行多次高斯下采樣后，進行數學形態學處理去除掉帶狀蝸牛紋，獲得第一遮罩圖像；

將所述第一遮罩圖像進行與所述高斯下采樣相同次數的高斯上采樣后，進行數學形態學處理去除噪聲，獲得面狀蝸牛紋遮罩；

將所述面狀蝸牛紋遮罩進行反相處理后與所述蝸牛紋的語義區域遮罩獲取交集，獲得交集圖像；

將所述交集圖像經過數學形態學處理去除噪聲，獲得帶狀蝸牛紋遮罩，所述帶狀蝸牛紋遮罩為包含帶狀蝸牛紋遮罩信息的圖像。

4.根據權利要求1所述的基于人工智能的光伏電池板隱裂檢測方法，其特征在于，所述的第一調整系數和第二調整系數是根據多組所述帶狀蝸牛紋的面積、所述面狀蝸牛紋的面積與實際電池板隱裂數量擬合得出；所述實際電池板隱裂數量為電池板實際存在的隱裂數量。

5.基于人工智能的光伏電池板隱裂檢測系統，其特征在于，包括：

圖像采集模塊，用于采集電池板完整表面紋理圖像信息，得到電池板圖像，所述電池板圖像包括焊帶、柵線蝸牛紋的特征信息；

圖像切分模塊，用于根據柵線方向切分所述電池板圖像，得到多個尺寸等同的子圖像；根據柵線垂直方向切分所述子圖像，得到多個尺寸等同得子圖像單元；

神經網絡模塊，用于將每個所述子圖像單元經過深度神經網絡，輸出蝸牛紋的語義區域遮罩；

圖像處理模塊，用于將所述蝸牛紋的語義區域遮罩經過圖像處理，分割出帶狀蝸牛紋遮罩和面狀蝸牛紋遮罩，根據面狀蝸牛紋遮罩獲取面狀蝸牛紋的面積S₁₁，根據帶狀蝸牛紋遮罩獲取帶狀蝸牛紋的面積S₁₂；

映射模型計算模塊，用于獲取電池片隱裂數量N的映射模型：

其中，A為所述電池板的面積；T_p表示溫度對所述隱裂數量的影響程度，H_p表示濕度對所述隱裂數量的影響程度；α為第一調整系數，β為第二調整系數。