[发明专利]一种基于栅线补全的单晶硅太阳能电池片的隐裂检测方法

说明书

本发明公开了一种基于栅线补全的单晶硅太阳能电池片的隐裂检测方法，该方法包括单晶硅组件图像的预处理、栅线检测以及图像补全。本发明的优点在于首次将基于栅线补全的方法应用于单晶硅太阳能电池片的隐裂检测。该方法首先将单晶硅组件图像切割成电池片，作为单晶硅太阳能电池片隐裂检测算法的处理单元，考虑到电池片的栅线会对隐裂检测造成干扰，结合栅线检测以及图像补全的方法，实现对电池片栅线的消除。针对消除栅线后的电池片，通过筛选出符合要求的连通域的方法实现单晶硅太阳能电池片隐裂的检测。该检测方法改善了现有的电池片隐裂检测主要依靠人工且误检率高的问题，提高了单晶硅太阳能电池片隐裂检测的精度。

技术领域

本发明属于数字图像处理技术领域，具体涉及一种基于栅线补全的单晶硅太阳能电池片的隐裂检测方法。

背景技术

太阳能光伏发电作为一种可再生能源发电技术，具有清洁高效的优点，同时，隐裂作为太阳能电池片的一种常见缺陷，其特征为肉眼不可见，通过电致发光成像技术可以观察到有明显明暗亮度差异的区域，太阳能电池片的隐裂会造成光伏发电系统的功率损失。为了最大限度地利用太阳能，提高光伏系统的发电效率，通常需要检测太阳能电池是否有隐裂。因此，对太阳能电池片进行隐裂检测具有重要意义。

基于深度学习的太阳能电池片隐裂的检测算法被相继提出，例如卷积神经网络CNN和残差网络ResNet等。然而，这些方法的性能依赖于足够数量的图像样本，由于电池片存在栅线，会对隐裂的检测造成干扰，因此直接将深度学习方法应用于隐裂检测问题中存在准确率低的问题。

发明内容

为解决上述问题，本发明公开了一种基于栅线补全的单晶硅太阳能电池片的隐裂检测方法，通过栅线补全来消除单晶硅太阳能电池片表面的栅线，同时，利用自适应二值化和形态学闭运算等相结合的方法在无栅线图像中检测隐裂区域，提高了单晶组件隐裂检测的精度。

为达到上述目的，本发明的技术方案如下：

一种基于栅线补全的单晶硅太阳能电池片的隐裂检测方法，包括以下步骤：

(1)单晶硅组件图像的预处理；

(2)单晶硅太阳能电池片的栅线检测；

(3)单晶硅太阳能电池片的隐裂检测。

进一步的，步骤(1)所述的单晶硅组件图像的预处理包括图像灰度化、图像缩放、大津法二值化和开闭运算方法：

1a)图像灰度化：利用OpenCV的cvtColor函数预先对大小为a×b的单晶硅组件图像I进行灰度化处理，得到灰度图像I₁，a、b分别代表图像I的行数和列数；

1b)图像缩放：对灰度图像I₁利用OpenCV中的resize函数采用双线性插值的方式缩放，得到大小为m×n的缩放图像I₂；其中，缩放的比例为r＝0.25，m＝round(r×k)，n＝round(r×p)，k,p,m,n均是非负整数，k、p代表灰度图像I₁的行数和列数，k＝a,p＝b，m、n代表缩放图像I₂的行数和列数，round(g)代表四舍五入运算；

1c)大津法二值化：将缩放后的图像I₂采用大津法进行二值化，二值化后的图像记为I₃，大小为c×d，c＝m,d＝n，图像I₂中的像素值范围为0～P，0P≤255；其中，图像I₂中灰度为i对应的像素个数为n(i)，根据公式一得到图像I₂的平均灰度值；

u＝∑i×n(i)/(m×n) (公式一)