[發明專利]基于人工智能的光伏電池板焊帶偏移檢測方法與系統

在審

• 申請號: 202011092684.4
• 申請日: 2020-10-13
• 公開（公告）號: CN112184694A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 展影影;劉錚
• 申請（專利權）人: 展影影
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/13;G06T7/155;G06T7/62;G06T7/66;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于人工智能的光伏電池板焊帶偏移檢測方法，其特征在于，該方法包括：

步驟1，提取光伏電池板灰度圖像的焊帶ROI區域；

步驟2，對光伏電池板灰度圖像進行二值化、開運算，去除背景、柵線，利用焊帶ROI區域對處理后的光伏電池板灰度圖像進行裁剪，得到焊帶圖像，并調整焊帶圖像使所有焊帶圖像方向一致；

步驟3，對焊帶圖像進行邊緣提取，將焊帶邊緣圖像分割為多個子圖，針對每一個子圖執行特征提取操作，包括：

計算子圖的連通域周長；

計算子圖的質心坐標；

對子圖進行頂帽運算，計算處理后圖像的質心坐標；

對子圖進行黑帽運算，計算處理后圖像的質心坐標；

對子圖先進行閉運算，然后對閉運算結果進行開運算，計算處理后圖像中連通域的最小外接矩形的傾斜斜率、寬、高；

根據相鄰兩個子圖的質心坐標、斜率計算子圖鄰域關系特征；

步驟4，將步驟3獲得的周長、質心坐標、斜率、寬、高、鄰域關系特征整合為焊帶偏移特征向量，利用焊帶偏移特征向量之間的距離對子圖進行聚類，類別中子圖個數較少的為偏移類別；

步驟5，連續偏移的子圖構成偏移片段，計算偏移片段的偏移程度，并根據所有偏移片段偏的移程度計算焊帶圖像的偏移程度。

2.如權利要求1所述的方法，其特征在于，所述根據相鄰兩個子圖的質心坐標、斜率計算子圖鄰域特征包括：

O_n＝[O_n1，O_n2]

其中，O_n為第n個子圖的鄰域關系特征，為第n+1個子圖的質心坐標，為第n-1個子圖的質心坐標，k_n+1為第n+1個子圖的最小外接矩形的傾斜斜率，k_n-1為第n-1個子圖的最小外接矩形的傾斜斜率。

3.如權利要求1所述的方法，其特征在于，所述O_n1為：

4.如權利要求1所述的方法，其特征在于，所述焊帶偏移特征向量之間的距離為：

其中，R_mn為第m個焊帶子圖與第n個焊帶子圖之間的距離，w_i為第i個特征值的權重，ΔF_i為兩個焊帶子圖第i個特征值的差值。

5.如權利要求1所述的方法，其特征在于，所述第i個特征值的差值為：

ΔF₁＝lnS_n-lnS_m

ΔF₅＝k_n²-k_m²

ΔF₆＝p_n²-p_m²

其中，S_n、S_m分別為第n個圖像、第m個圖像的周長；分別為第n個圖像、第m個圖像的質心坐標；分別為頂帽運算后第n個圖像、第m個圖像的質心坐標；分別為黑帽運算后第n個圖像、第m個圖像的質心坐標；k_n、k_m分別為先閉后開處理后的第n個圖像、第m個圖像的最小外接矩形的傾斜斜率；p_n、p_m分別為先閉后開處理后的第n個圖像、第m個圖像的最小外接矩形的寬、高比；O_n、O_m分別為第n個圖像、第m個圖像的鄰域關系特征。

6.如權利要求1所述的方法，其特征在于，所述根據偏移片段包含的子圖的最大傾斜斜率與最大鄰域關系特征計算偏移片段的偏移程度包括：

L_q＝K1_q·K2_q

其中，k_qm、O_qm表示第q個偏移片段包含的第m個子圖的傾斜斜率、鄰域關系特征。