[发明专利]基于嵌入余弦自注意力模块的光伏电池外观缺陷检测方法

说明书

本发明为基于嵌入余弦自注意力模块的光伏电池外观缺陷检测方法，该方法用于光伏电池外观缺陷检测，包括下述步骤：第一步：利用工业相机采集光伏电池图像，作为缺陷检测的原始图像；原始图像包括无缺陷的图像和含有待检测缺陷的图像；第二步：对采集到的所有含有待检测缺陷的原始图像进行标注形成标签，并将所有的标签分为不同的数据集；第三步：通过嵌入余弦自注意力模块的yolov3网络对缺陷图像进行特征提取。该方法融合了浅层和深层特征，增强对不同尺度缺陷特征的检测能力，能对常见不同类型的光伏电池表面缺陷进行实时检测并进行缺陷定位，提高不同种类以及相似结构缺陷识别的准确率，能满足实际光伏电池工业生产的实时性和准确性要求。

技术领域

本发明属于工业缺陷检测技术领域，具体涉及一种基于嵌入余弦自注意力模块的yolov3网络的光伏电池外观缺陷检测方法。

背景技术

目前，光伏电池的制造材料均采用硅晶材料，可细分为单晶硅、多晶硅、非晶硅三种，其中多晶硅片相较与单晶硅片而言优势明显，具有生产对原料纯度要求较低、产出成品率高、面积使用率高，生产成本低等优点，近年来产量迅速增长。尽管多晶硅片在生产和成本上具有明显的优势，但由于多晶硅锭生长过程中会产生很多晶界及内应力，使得多晶硅片内部存在较高的位错密度及杂质，造成多晶硅片均匀性较差，影响多晶电池片的电学性能，使得多晶硅片制得的电池效率较单晶硅片普遍低1％～4％。多晶硅片的性能提升空间还有很大，如果要提高光伏电池生产产品的质量，提高经济效益，就要进行光伏电池表面缺陷检测，这在学界备受关注和研讨。

光伏电池生产过程较为复杂，在生产过程中，由于一些人为操作失误、机器压力过大、原材料污染等工艺因素，光伏电池表面会产生一些缺陷。这些缺陷会严重影响太阳能电池的发电效率和光伏电池的使用寿命。因此，要想提高光伏电池生产产品的质量，提高经济效益，光伏电池表面缺陷的检测是一个非常重要的环节。

刘铖铖(刘铖铖.图像处理在太阳能电池表面缺陷检测中的研究[D].太原科技大学,2020.DOI:10.27721/d.cnki.gyzjc.2020.000309.)分析了光伏电池表面缺陷的一些特点，提出了一种用于光伏电池缺陷检测的传统极其学习方法。主要采用将Hough变换和Canny边缘检测相结合的方法,去除表面栅线干扰，从而分离出目标缺陷区域。根据栅线完全去除和栅线未完全去除两种情况分别进行图像处理,先通过Hough变换对栅线初步定位及删除。当栅线完全去除时,依次进行边缘断点连接、内部填充及平滑处理等操作,得到目标缺陷图；当栅线未完全去除时,采用灰度均衡化图进行低通滤波及形态学膨胀,可以使其栅线完全删除。然而，该方法针对背景干扰复杂的光伏电池难以取得良好的检测效果。而深度学习提出了一种让计算机自动学习出模式特征的方法，并将特征学习融入到了建立模型的过程中，从而减少了人为设计特征造成的不完备性，具有更好的适应性，检测精度也更高。

发明内容

针对现有技术的不足，本发明拟解决的技术问题是，提供一种基于嵌入余弦自注意力模块的yolov3网络的光伏电池外观缺陷检测方法，该方法融合了浅层和深层特征，增强对不同尺度缺陷特征的检测能力，能对常见不同类型的光伏电池表面缺陷进行实时检测并进行缺陷定位，提高不同种类以及相似结构缺陷识别的准确率，能满足实际光伏电池工业生产的实时性和准确性要求。

本发明解决上述技术问题采用的技术方案是：

一种基于嵌入余弦自注意力模块的光伏电池外观缺陷检测方法，该方法用于光伏电池外观缺陷检测，包括下述步骤：

第一步：利用工业相机采集光伏电池图像，作为缺陷检测的原始图像；原始图像包括无缺陷的图像和含有待检测缺陷的图像；

第二步：对采集到的所有含有待检测缺陷的原始图像进行标注形成标签，并将所有的标签分为不同的数据集；

第三步：通过嵌入余弦自注意力模块的yolov3网络对缺陷图像进行特征提取；