首页 > 论文范文 > 社会科学论文 > 科技论文 > 计算机硬件论文 > 面向光伏电池片的高精度形态学检测方法

面向光伏电池片的高精度形态学检测方法

2023-09-05 45 上传者：管理员

摘要：光伏电池片在焊接时对定位精度要求较高，针对电池片串焊过程中位置发生偏转问题，提出了高精度形态学检测方法。与传统的图像检测方法不同的是，形态学检测方法采用加权处理中心坐标策略。通过五栅多晶硅光伏电池片对形态学检测方法与传统方法进行性能比较。实验结果表明：该方法的性能优于传统方法，且在不同光照条件下也能够精确地检测出电池片的偏转角和中心坐标。

关键词：
中心坐标
偏转角
光伏电池片
形态学检测
计算机硬件
加入收藏

引言

由于日益增长的环境问题和全球石油危机，太阳能已成为一种有吸引力的替代能源[1],光伏组件的需求也在快速增长，为保证产能及组件品质的可靠性，高精度、高速光伏电池片的全自动串焊机已成为光伏企业的首选。而传统机械夹具定位精度低、速度慢、自动化程度低[2],以及存在许多其他不足。为了实现光伏电池片的自动化生产，有必要对电池片进行更精确位置检测。

针对光伏电池片的位置检测，主要有主栅线定位法和外边缘定位法。文献[3]提出了基于机器视觉方法的主栅线定位方式；文献[4]和文献[5]都是利用Hough变换找出电池片的边缘线，确定电池片的位置信息；文献[6]利用VisionPro软件拟合获得的电池片的四条边确定其中心。与传统接触式检测方法相比，图像检测方法虽然具有检测速度快、效率高，且不会对电池片造成损坏的优点，但这些方法所检测电池片的中心坐标的误差仍然较大。

本文在主栅线和外边缘定位法的基础上，提出了中心坐标加权的方法，进而能够精确检测出电池片的中心坐标。

1、光伏电池片形态学图像检测方法

目前，研究最广泛、应用最广的光伏电池片主要是多晶硅光伏电池，本文的研究对象为五栅多晶硅光伏电池片。在对电池片进行位置检测前，需要对电池片进行一系列的形态学处理，滤除干扰信息对实验结果的影响。

1.1光伏电池片形态学降噪

电池片图像在采集和传输的过程中，或多或少都存在噪声干扰，需要对图片进行降噪处理。

双边滤波是结合图像的空间邻近度和像素值相似度的一种折衷处理[7,8],同时考虑空域信息和灰度相似性，达到保边去噪的目的。如式(1)所示，在双边滤波器中，输出像素的值依赖于邻域像素值的加权值组合

1.2光伏电池片形态学二值化

工业相机的电池片图像可以通过二进制阈值处理，以便将背景与其对象分离，并将边缘特征提取出来。最大熵阈值分割法是利用图像熵准则对图像进行分割[9],将图像分割成前景和背景。

1.3光伏电池片形态学膨胀腐蚀

阈值分割处理后的图像仍保留一些细栅线轮廓，这对特征直线的检测带来了一定的干扰，需对其进行滤除处理。由于细栅线和主栅线相比，其宽度要窄很多，可通过膨胀腐蚀[10]操作将细栅线滤除。

1.4光伏电池片形态学边缘特征提取

提取电池片图像的边缘能够降低计算机存储量和计算量，并有效检测到电池片的特征直线。

Canny算子是一种非常重要的边缘检测方法，它在检测图像边缘之前，先从图像中分离出噪声，而不影响图像边缘的特征[11],然后利用边缘检测的趋势和阈值来检测边缘。

概率霍夫变换是基于霍夫变换[12,13]理论的直线检测方法，它随机获取边缘图像上的像素点，映射到极坐标系画曲线，当极坐标系里面有交点达到最小投票数，将该点对应坐标系的直线找出来[14]。

1.5光伏电池片位置特征提取

光伏电池片的位置信息可以利用电池片主栅线之间的相对位置得到中心坐标，并通过各主栅线位置的相对关系求出偏转角度

传统方法都是利用主栅线的中心坐标或者电池片的外轮廓角点坐标来获得电池片的中心坐标。这些方法虽然各自降低了其他方法造成的误差影响，但又引入自身的误差。所以采用加权平均处理的方法，根据误差精度Ei,获得每种方案计算的中心坐标的相应权重

1.6性能评价

本文应用平均绝对误差(mean absolute error, MAE)、均方误差(mean square error, MSE)来评价测量性能的数值精度。指标越小，预测越好。这些指标的公式如下

2、实验与分析

2.1实验装置与实验设计

本文实验选取工业相机镜头为定焦镜头，光源为环形LED光源，采用背光源照明法方式，装置的物面分辨率为97.48μm/pixel,双边滤波器的窗口大小为5×5,形态学结构元素的大小为7,概率霍夫变换的阈值为70。

在评价电池片的检测精度时，中心位置误差阈值常取100μm,即检测出的电池片的中心位置的横纵坐标与实际真实中心位置的横纵坐标小于100μm,满足工业检测需求；偏转角度的阈值常取1°,即检测电池片的偏转角度与实际真实的偏转角度相差不超过1°,达到检测要求。

2.2实验结果

实验1本文方法与传统图像检测方法性能比较

为了测试形态学检测方法的性能，利用OpenCV计算机视觉库依次将电池片图像顺时针旋转某个角度，初始旋转角度为5°,从第2次开始逐渐递增5°。利用本文方法来检测电池片的偏转角和中心坐标，对其进行10次实验。

从表1中的实验结果可知，平均误差角度为0.08°,最大误差角度为0.68°。由图1可知，无论是在横坐标还是纵坐标，本文算法最大绝对误差不超过60μm,传统方法的最大绝对误差都超过了100μm。从表2中可知，形态学检测法的MSE在横纵标上仅为12.22μm,在纵坐标上仅为7.00μm,远小于传统方法的MSE。

表1偏转角度检测结果

图1横、纵坐标检测误差对比

表2横、纵坐标检测结果

实验2本文方法的鲁棒性检测

为测试形态学检测方法对光源的鲁棒性，在强光、弱光和污染光3种不同的光源环境下采集6组图片，每组7张电池片图像，每组图片都是在不同光源环境或者不同偏转角下采集的。

表3的结果显示，在不同偏转角度和光源环境下的误差结果都在100μm内，不同光源环境下所测偏转角度误差都在1°内。

表3不同光源下的横、纵坐标和偏转角检测结果

2.3数据分析

根据实验1的结果，本文方法的中心坐标的检测精度显著高于传统的图像检测方法，此外，本文方法也能够较为准确地检测出电池片的偏转角度。可见，加权处理可以实现多种误差的相互抑制，从而使整体误差变小。

根据实验2的结果可知，本文方法对光有较好的鲁棒性，无论是在何种光源条件下所检测电池片的中心坐标和偏转角度的误差都在精度范围内。

3、结论

本文针对电池片串焊过程中位置发生偏转问题，提出了高精度形态学检测方法。在传统的图像检测的基础上，采用加权处理中心坐标策略，实验结果证明：形态学检测方法能够有效地检测出光伏电池片的中心坐标和偏转角，且在不同光源环境下都能有良好的性能。因而，该方法能够解决电池片在串焊过程中发生的位置偏转问题，具有一定的工业意义。

参考文献:

[1] 孙恺,刘光宇.基于改进PSO算法的光伏发电系统MPPT控制策略[J]传感器与微系统,2021,40(1).49-52.

[2] 朱革,潘帅嘉,余小雨,等.基于机器视觉的精密零件同心度测星系统设计[J].传感器与微系统,2020,39(4).

[3]吴振锋.基于图像传感器的太阳能电池片定位系统[J.电子工业专用设备,2014,43(7):9-12.

[4]王伟,李强.太阳能电池片的主栅线提取及缺陷检测方法研究[J.西安工业大学学报,2015,35(4):275-280.

[5]居玲.基于机器视觉的太阳能电池片位置误差检测[J].机械制造与自动化,2012,41(5):166-167.

[6]李晨曦,袁红兵.基于VisionPro的太阳能电池片定位与缺陷检测系统[J].机电一体化,2014(12):50-54.

基金资助:国家自然科学基金青年科学基金资助项目(62002315);国家自然科学基金重大科研仪器研制项目(61427808);

文章来源:林斌,朱凌,刘光宇等.面向光伏电池片的高精度形态学检测方法[J].传感器与微系统,2023,42(09):113-115+120.

网友评论

我要评论

期刊名称：计算机技术与发展

期刊人气：4280

期刊详情

主管单位：陕西省工业和信息化厅

主办单位：陕西省计算机学会

出版地方：陕西

专业分类：计算机

国际刊号：1673-629X

国内刊号：61-1450/TP

邮发代号：52-127

创刊时间：1991年

发行周期：月刊

期刊开本：大16开

见刊时间：10-12个月

论文导航

91学术

面向光伏电池片的高精度形态学检测方法

相关论文

计算机系统导论课程主教材和实践教材建设

关键词