[01396283]基于红外图像的晶体硅光伏电池隐性缺陷检测与识别

1.课题来源与背景 太阳能是一种极具吸引力的替代电力能源,太阳能光伏电池是太阳能发电系统的基础。用于太阳能发电系统的光伏电池能将光子从太阳能转化为电能,由于其具有很强的转换效率和使用寿命,被广泛应用于太阳能发电系统中,其基本成分是晶体硅。但光伏电池在生产过程中会产生一些肉眼难以观察到的缺陷,在一定程度上降低了太阳能光伏电池的转换效率和使用寿命。全球每天生产数以百万计的太阳能电池,若不能及时检测出这些带有缺陷的产品,势必会带来一定的经济损失。因此有关太阳能光伏电池隐性缺陷检测的研究具有重要意义。 目前太阳能光伏电池缺陷检测方法主要有特征提取方法和背景抑制方法。特征提取方法是直接提取缺陷特征的一种快速有效的方法。但是,因为它需要预先设置缺陷的特征,所以该方法的灵活性较低。背景抑制方法是一种基于背景重构和差分的太阳能光伏电池缺陷检测方法,能够有效地从原始背景中分割出缺陷区域,是目前研究的主要方向之一。但基于背景重建的太阳能光伏电池缺陷检测方法中,大多用于隐裂或断栅类型缺陷的检测而对于碎片、黑心等类型的缺陷检测效果不理想,即现有方法所能检测的缺陷类型并不全面。同时,太阳能光伏电池缺陷检测方法中还存在检测过程耗时耗力,光伏电池本身的母线去除效果不理想等缺点。为此,我们与企业联合研发,提出了一种基于块数据删除模型的光伏电池隐性缺陷检测方法,旨在解决光伏电池生产过程中的缺陷检测问题,为企业的技术攻关提供相关理论和技术支撑。 2.技术原理与性能指标 基于块数据删除模型的光伏电池隐性缺陷检测方法,设计目的是使所重建的背景更接近待检图像真实的背景,从而保证检测的准确性。首先,对太阳能光伏电池图像进行傅里叶变换去除母线并调节亮度和对比度,然后将图像分块,通过块数据删除模型找出去除母线后的图像中所有的异常块,并将这些异常块全部剔除,利用余下的图像块通过非线性回归模型重建图像的背景。最后,用待检图像与得到的背景图像作差以突出缺陷区域,达到缺陷检测的目的。 该方法能够有效地检测出太阳能光伏电池中多种类型的缺陷,如隐裂、断栅和碎片等。用该方法对 313 幅太阳能光伏电池图像进行实验,其中 158 幅无缺陷图像均未检测出缺陷,而另外 155 幅含有隐裂、断栅和碎片等缺陷的图像,仅有 5 幅出现误检,缺陷检测率达 96. 77%。 3.技术的创新性与先进性 该方法的创新为首先将数据删除模型推广到块数据删除模型,利用块数据删除模型尽可能多地找出待检图像中异常区域,然后在去除这些异常区域的基础上,再通过非线性回归模型进行背景重建,建立基于块数据删除的太阳能光伏电池缺陷位置检测模型。该方法克服了拟合背景与待检图像过于相似的问题,构建的背景更接近真实背景,而且可以很大程度地避免因非线性回归模型阶数过高而产生的龙格现象,检测出的缺陷类型更加全面,且检测结果不含有太阳能光伏电池自带的母线,检测结果更精确。 4.技术的成熟度、适用范围和安全性 基于块数据删除模型的太阳能光伏电池隐性缺陷检测方法,技术已经成熟,可以用于实际生产线上。其适用于检测的光伏电池的缺陷类型包括隐裂,断栅和碎片等,检测的准确率高,安全性好。 5.应用情况及存在的问题 基于块数据删除模型的太阳能光伏电池隐性缺陷检测方法已经进行了测试实验,可以应用于实际生产中,提高光伏电池隐性缺陷的检测效率。但模型中的参数目前是通过实验人工设定的,需要进一步改进为自适应给定。