[发明专利]一种太阳能电池片外观漏浆缺陷检测的方法

摘要

本发明提供了一种太阳能电池片外观漏浆缺陷检测的方法，针对漏浆缺陷种类特点，进行分类检测，程序算法分块检测，实现太阳能电池片表面外观漏浆缺陷的视觉检测，通过灰度转换、旋转变换、ROI分割、转换为HSI空间图像、拉普拉斯变换、均值滤波、图像二值化、形态学变换、卷积处理、选取连通域、筛选缺陷特征区域等11部分组成的缺陷检测方法，检测表面漏浆缺陷方法分为四大部分，第一部分是图像预处理单元，将原始图像转换为便于处理的图像信息；第二部分是去除主副栅线，检测栅线外漏浆白点；第三部分是选取特定连通域，检测大面积漏浆缺陷；第四部分是通过卷积处理，从I通道图像检测栅线上的漏浆白点。

主权项

一种太阳能电池片外观漏浆缺陷检测的方法，其特征在于，该方法包括四个步骤单元：第一步，图像预处理单元1‑1、获得灰度图像：将工业相机采集到的RGB图像信息转换为灰度图像信息；1‑2、获取图像旋转角：在步骤1‑1的基础上，获取图像横向主栅线区域，将其拟合为多个矩形，获得其水平旋转角平均角；1‑3、图像旋转：在步骤1‑2的基础上，利用获得的水平旋转角平均角对图像进行旋转，得到旋转图像；1‑4、ROI分割：在步骤1‑3的基础上，对图像进行ROI分割，提取感兴趣区域，获得需要处理的图像信息；1‑5、获取I通道图像：在步骤1‑4的基础上，将需要处理的图像信息转换为RSI空间图像，选取I通道作为处理图像；1‑6、拉普拉斯变换：在步骤1‑5的基础上，对处理图像分别做四邻域拉普拉斯变换和八邻域拉普拉斯变换，并将其两者相加，得到拉普拉斯变换图像；1‑7、均值滤波：在步骤1‑6的基础上，对得到的拉普拉斯变换图像进行均值滤波，得到均值滤波后的拉普拉斯图像；1‑8、图像二值化：在步骤1‑7的基础上，对均值滤波后的拉普拉斯图像选取特定的区域进行二值化，得到二值图像；第二步，检测栅线外漏浆白点2‑1、去除栅线：在步骤1‑8的基础上，对得到的二值图像通过形态学变换，去除太阳能电池片表面的主栅线和副栅线；2‑2、检测栅线外白点：在步骤2‑1的基础上，在去除主副栅线后的图像上检测栅线外白点并标记出来；第三步，检测大面积漏浆缺陷3‑1、获取检测区域：在步骤2‑2的基础上，利用连通域选取特定高度、宽度和面积的区域，获取检测区域；3‑2、计算图像平均值：在步骤1‑7的基础上，计算均值滤波后的拉普拉斯图像的平均值；3‑3、检测大面积漏浆区域：在步骤3‑2的基础上，利用得到的平均值进行筛选，大于平均值的作为缺陷区域，标记检测结果；第四步，检测栅线上的白点4‑1、得到Image I区域图像：在步骤1‑8的基础上，利用区域特征得到Image I在区域中的图像进行处理；4‑2、获取竖向上梯度信息：在步骤4‑1的基础上，通过卷积模板对上述步骤得到的区域图像进行卷积变换，获取竖向上的梯度信息图像；4‑3、计算图像信息数据：在步骤4‑2的基础上，获取竖向上的梯度信息图像区域图像的平均值和方差，最大值和最小值；4‑4、获得特定区域：在步骤4‑3的基础上，利用竖向上的梯度信息图像信息的平均值、方差、最大值和最小值选取特定区域，并将选取的特定区域提取出来；4‑5、获得连通域：在步骤4‑4的基础上，选取特定高度、宽度和面积的连通域，以便于从连通域中提取缺陷信息；4‑6、检测栅线上白点：在步骤4‑5的基础上，从Image I中获得的连通域信息图像筛选灰度值大于Image I平均值区域，并标记其信息，该标记区域就是检测目标，从而检测到栅线上的白点。