-
公开(公告)号：CN111598877B
公开(公告)日：2022-08-09
申请号：CN202010417852.6
申请日：2020-05-18
Applicant: 河北工业大学
Abstract: 本发明一种基于生成对抗网络的锂电池表面缺陷检测方法，主要用于软包锂离子电池表面图像缺陷检测。该方法根据高精度CMOS工业相机采集到的锂离子表面图像，利用生成对抗网络对其正常表面进行拟合。针对锂离子电池表面多种缺陷的检测，通过将预训练的生成器用于测试图像重构，并利用重构图像与测试图像进行差分操作，得到感兴趣区域；之后通过二值化差分图像，并进行连通域大小筛选，排除误检区域。通过以上所述方法，能够准确判断锂离子电池表面存在的缺陷区域，实现缺陷检测。
-
公开(公告)号：CN111598877A
公开(公告)日：2020-08-28
申请号：CN202010417852.6
申请日：2020-05-18
Applicant: 河北工业大学
Abstract: 本发明一种基于生成对抗网络的锂电池表面缺陷检测方法，主要用于软包锂离子电池表面图像缺陷检测。该方法根据高精度CMOS工业相机采集到的锂离子表面图像，利用生成对抗网络对其正常表面进行拟合。针对锂离子电池表面多种缺陷的检测，通过将预训练的生成器用于测试图像重构，并利用重构图像与测试图像进行差分操作，得到感兴趣区域；之后通过二值化差分图像，并进行连通域大小筛选，排除误检区域。通过以上所述方法，能够准确判断锂离子电池表面存在的缺陷区域，实现缺陷检测。
-
公开(公告)号：CN107490584B
公开(公告)日：2020-06-09
申请号：CN201710836500.2
申请日：2017-09-16
Applicant: 河北工业大学 , 天津英利新能源有限公司
Abstract: 本发明所述的太阳能电池片EL测试断栅缺陷检测适用于工业生产太阳能电池片现场，对EL测试断栅缺陷进行检测，检测的算法充分适用于现场情况。先对采集的图像进行简单的预处理，进行全局阈值分割，消除噪点，选择处理图像区域；再进行引导滤波，筛选出非探针区域，与阈值分割后的图像相交得到连通域；然后检测太阳能电池片上所有的栅线，利用直线的特点，获得栅线；最后，将断栅缺陷区域同栅线区域相交，得到断栅位置，从而筛选获得准确地断栅缺陷。本发明实现了非接触检测，提高检测质量，降低检测过程中的碎片率，可有效的实现检测的在线自动化。
-
公开(公告)号：CN109376792A
公开(公告)日：2019-02-22
申请号：CN201811317466.9
申请日：2018-11-07
Applicant: 河北工业大学
Abstract: 本发明为基于多通道残差神经网络的光伏电池外观缺陷分类方法，该方法基于多通道输入残差神经网络的深度学习算法来分类光伏电池外观缺陷，首先对采集的光伏电池片外观图像进行预处理；从目标图像中随机抽取20％作为测试样本集，对剩余目标图像进行人工分选，并添加标签，并将目标图像尺寸量化并提取目标图像中的多通道信息，从而分别得到固定尺度的训练样本集、验证样本集；将训练集输入残差神经网络，获得图像的多维输出特征值矩阵；根据提取到的多维特征值矩阵，将验证集图像特征载入softmax分类器中进行分类，将分类结果与标签进行对比，将测试数据和多维特征值矩阵，载入分类器，得到最终的分类。本申请准确率高，速度快。
-
公开(公告)号：CN107742286B
公开(公告)日：2021-01-29
申请号：CN201710900759.9
申请日：2017-09-28
Applicant: 河北工业大学 , 天津英利新能源有限公司
Abstract: 本发明所述的多晶硅太阳能电池片EL测试裂纹缺陷检测适用于工业生产太阳能电池片现场，首先对采集的图像预处理，进行全局阈值分割和形态学的开运算和闭运算排除非处理区域的干扰；再进行中值滤波，引导滤波来消除图像噪声；通过差分阈值和特征提取将探针区域提取出来，将探针区域和阈值分割后的区域进行求补运算，排除探针区域，留下待检测区域；对平滑后的图像进行傅里叶变换；排除探针区域和傅里叶变换后的区域求交集得到待检测区域，提取待检测区域的线条，再根据线条的属性判断线条是否为裂纹。本发明实现了非接触检测，提高检测质量和效率，有效降低检测过程中的碎片率，可有效的实现检测的在线自动化。
-
Patent Agency Ranking
公开(公告)号：CN107727662B
公开(公告)日：2020-02-14
申请号：CN201710900575.2
申请日：2017-09-28
Applicant: 河北工业大学 , 天津英利新能源有限公司
Abstract: 本发明主要用于检测多晶硅太阳能电池片EL图像表面黑斑缺陷。该方法根据近红外相机采集到的电池片EL图像，通过二值化提取感兴趣目标电池片，针对多晶硅形成的复杂多样的背景干扰，通过区域生长方式对图像进行分割，得到可能的缺陷连通域，之后通过两种方式来排除误检，一种是进行连通域分析提取连通域的面积和空洞面积特征，另一种是对连通域所对应的图像进行曲线检测即从图像纹理分析的角度来解决误检问题。通过以上所述方法处理，能够准确判断太阳能电池片黑斑缺陷，并将黑斑缺陷位置标记出来。
-
公开(公告)号：CN107727662A
公开(公告)日：2018-02-23
申请号：CN201710900575.2
申请日：2017-09-28
Applicant: 河北工业大学 , 天津英利新能源有限公司
Abstract: 本发明主要用于检测多晶硅太阳能电池片EL图像表面黑斑缺陷。该方法根据近红外相机采集到的电池片EL图像，通过二值化提取感兴趣目标电池片，针对多晶硅形成的复杂多样的背景干扰，通过区域生长方式对图像进行分割，得到可能的缺陷连通域，之后通过两种方式来排除误检，一种是进行连通域分析提取连通域的面积和空洞面积特征，另一种是对连通域所对应的图像进行曲线检测即从图像纹理分析的角度来解决误检问题。通过以上所述方法处理，能够准确判断太阳能电池片黑斑缺陷，并将黑斑缺陷位置标记出来。
-
公开(公告)号：CN109447978B
公开(公告)日：2021-11-02
申请号：CN201811330450.1
申请日：2018-11-09
Applicant: 河北工业大学
Abstract: 本发明为一种光伏太阳能电池片电致发光图像缺陷分类方法，该方法步骤是：第一步：获取光伏太阳能电池电致发光图像；第二步：图像分块；第三步：用特征描述子描述每个图像块特征；第四步：用分类器进行训练测试。所述特征描述子为CS‑LBP特征描述子或CPICS‑LBP特征描述子。该方法通过将图像先进行分块处理，再通过特征描述子进行局部提取的方式获得图像特征，再结合分类器能很好地将EL图像进行分类。本发明方法尤其适用于检测裂纹、断栅，并在光伏电池片电致发光图像缺陷分类工程实践中取得了很好的效果。
-
公开(公告)号：CN109447978A
公开(公告)日：2019-03-08
申请号：CN201811330450.1
申请日：2018-11-09
Applicant: 河北工业大学
Abstract: 本发明为一种光伏太阳能电池片电致发光图像缺陷分类方法，该方法步骤是：第一步：获取光伏太阳能电池电致发光图像；第二步：图像分块；第三步：用特征描述子描述每个图像块特征；第四步：用分类器进行训练测试。所述特征描述子为CS-LBP特征描述子或CPICS-LBP特征描述子。该方法通过将图像先进行分块处理，再通过特征描述子进行局部提取的方式获得图像特征，再结合分类器能很好地将EL图像进行分类。本发明方法尤其适用于检测裂纹、断栅，并在光伏电池片电致发光图像缺陷分类工程实践中取得了很好的效果。
-
公开(公告)号：CN107742286A
公开(公告)日：2018-02-27
申请号：CN201710900759.9
申请日：2017-09-28
Applicant: 河北工业大学 , 天津英利新能源有限公司
CPC classification number: G06T7/136 , G06T5/002 , G06T7/0004 , G06T7/11 , G06T7/155 , G06T2207/20032 , G06T2207/30148 , H02S50/10
Abstract: 本发明所述的多晶硅太阳能电池片EL测试裂纹缺陷检测适用于工业生产太阳能电池片现场，首先对采集的图像预处理，进行全局阈值分割和形态学的开运算和闭运算排除非处理区域的干扰；再进行中值滤波，引导滤波来消除图像噪声；通过差分阈值和特征提取将探针区域提取出来，将探针区域和阈值分割后的区域进行求补运算，排除探针区域，留下待检测区域；对平滑后的图像进行傅里叶变换；排除探针区域和傅里叶变换后的区域求交集得到待检测区域，提取待检测区域的线条，再根据线条的属性判断线条是否为裂纹。本发明实现了非接触检测，提高检测质量和效率，有效降低检测过程中的碎片率，可有效的实现检测的在线自动化。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.021 seconds)
