太阳能光伏面板表面缺陷检测方法与流程

1.本发明涉及太阳能光伏面板缺陷检测技术领域，具体是一种太阳能光伏面板表面缺陷检测方法。

背景技术：

2.太阳能光伏面板使用时，电池板表面很可能会存在缺陷，缺陷包括电池板本身质量问题导致的局部开裂和弯曲，重物撞击后产生的局部凹陷，异物或灰尘的累积。在电池板发电过程中，如果电池板表面出现裂纹，很可能造成电池板短路，电流过大甚至引起自燃，在不知情的情况下很容易对检测人员产生危险；如果电池板表面存在异物或过量积攒的灰尘，使得电池板真正使用的面积减少，降低发电效率。现有的太阳能光伏面板表面缺陷检测方法，只能检测电池板上的环状闭合区域故障，无法对电池板表面的裂纹进行定位和提取；并且现有的方法不能很好的检测太阳能光伏面板上的灰尘信息。人工检测方法存在很多的人为因素制约，在大量太阳能光伏面板同时发电的情况下，人工检测不仅会存在漏检、错检的可能，同时对工作人员存在一定的安全隐患，工作效率低，人工成本大。

技术实现要素：

3.本发明提供一种太阳能光伏面板表面缺陷检测方法，解决了上述背景技术中提出的问题。

4.为实现上述目的，本发明提供如下技术方案：

5.一种太阳能光伏面板表面缺陷检测方法，包括如下步骤：

6.步骤一、信息采集与存储：对需要检测的光伏面板信息、监控摄像头信息进行采集，将采集后的信息存储到数据预存储模块中，数据预存储模块中的数据库将图像信息发送至图像预处理模块。

7.步骤二、图像预处理：图像预处理模块将获取图像信息进行缩放得到rgb图像，并且将rgb图像发送至光伏面板提取模块；

8.步骤三、光伏电池提取：光伏面板提取模块通过rgb图像提取出最终的太阳能光伏面板图像，并将太阳能光伏面板图像输入到故障检测模块和污染检测模块进行光伏电池的缺陷检测；

9.步骤四、光伏电池故障检测：所述故障检测模块通过霍夫直线检测和canny边缘检测进行检测，并将检测结果传递到信息告警与显示模块；

10.步骤五、光伏电池污染检测：污染检测模块通过canny边缘检测和颜色直方图特征提取相结合，共同确定异物位置，并根据局部腐蚀和膨胀得到异物的最终形状，并将结果提交给信息告警与显示模块；

11.步骤六、告警与显示：信息告警与显示模块对故障检测模块和污染检测模块传递过来的检测结果进行判断、保存和显示，并且将异常的检测结果传输给清理维护模块进行故障清除和现场维护；

12.步骤七、清理维护：清理维护模块接收信息告警与显示模块传递的告警数据和数据预存储模块中的太阳能光伏面板位置信息，安排相应的工作人员及时进行现场清理和更换维护。

13.作为本发明的一种优选技术方案，步骤一中，所述光伏面板信息包括光伏面板的地理位置信息、光伏面板的长宽信息(px,py)和光伏面板原始图像信息，所述监控摄像头信息包括监控摄像头的地理位置(xe,yn)、监控摄像头的图像固有信息和图像中存在的光伏面板的数量、图像中光伏面板之间的相对位置数据信息。

14.作为本发明的一种优选技术方案，所述摄像头数据信息计算过程是获取单张摄像头拍摄的rgb图像，并且将图像中显示的光伏面板进行计数，所述计数过程包括：

15.3.1、从图像中主动剔除显示不全的光伏面板图像；

16.3.2、按照从左到右，从上到下的顺序对拍摄图像中的光伏面板进行编号，编号分别为(1,1)、(1,2)、(1,3)

…

(2,1),(2,2)

…

(m,n)，m为最大行数，n为最大列数；

17.3.3、结合摄像头的地理位置(xe,yn),获取光伏面板的相对位置信息和编号(xe1,yn1),(xe1,yn2)、(xe1,yn3)

…

(xe2,yn1),(xe2,yn2)

…

(xem,ynn)。

18.作为本发明的一种优选技术方案，步骤二中，所述图像预处理模块将获取的图像信息按照w

×

h的像素尺寸进行缩放。

19.作为本发明的一种优选技术方案，步骤三中，所述光伏面板提取模块从rgb图像中提取hsv信息并将图像转化为hsv图像，针对hsv图像的每个特征通道进行图像对比度增强，增强后的图像进行双阈值二值化处理，结合数据预存储模块存储的太阳能光伏面板长宽比例信息(px,py)确定太阳能光伏面板区域，将产生的区域信息带回到原图像中，通过截取的方式获取到m

×

n张光伏面板子图像，通过透视变换将摄像头拍摄产生变形的光伏面板图像进行矫正，提取出最终的太阳能光伏面板图像。

20.作为本发明的一种优选技术方案，步骤四中，所述故障检测模块通过霍夫直线检测对板面开裂和弯曲的情况进行检测，通过canny边缘检测算法对损坏和凹陷进行边缘检测。

21.作为本发明的一种优选技术方案，所述霍夫直线检测步骤如下：

22.7.1、将图像预存储模块存储大小的原始光伏面板图像，根据的图像二值化方式对图像进行二值化处理；

23.7.2、对处理后的二值化图像进行坐标标注，从上到下，从左到右分别为(1,1)、(1,2)

…

(2,1)、(2,2)

…

(px,py)；

24.7.3、对图像中的每个点，按照的方式，分别从0

°

、45

°

、90

°

、135

°

、180

°

五个方向上计算坐标原点到该条直线的距离；

25.7.4、对计算出来的5个距离的值进行保存，按照所有距离值取计数的中位数，大于中位数的距离值保存，并生成相应的极坐标方程，通过极坐标方程确定一条直线，生成一幅只存在直线的二值化图像；

26.7.5、将光伏面板提取模块提取图像的二值化图像与原始图形的二值化图像进行差值处理，差值后的图像，计算所有剩余像素的区域面积，通过设定固定的阈值w,判断是否存在裂纹和弯曲的情况。

27.作为本发明的一种优选技术方案，步骤六中，当所述信息告警与显示模块收到的

检测结果是异常时，信息告警与显示模块会发出异常告警，同时将告警信息传输给数据预存储模块进行数据保存，传输给清理维护模块进行故障清除和现场维护，当所述信息告警与显示模块收到的检测结果无异常，则不做任何操作。

28.作为本发明的一种优选技术方案，步骤六中，所述信息告警与显示模块还可以调用数据预存储模块中存储的告警、清理维护信息进行历史记录查询和展示。

29.本发明具有以下有益之处：

30.1、实现了对太阳能光伏面板的开裂和凹陷的实时检测，节省了大量的人力成本，提高了检测效率，降低了漏检机率，保证了没有异物的情况下，太阳能电池板能够长期稳定的工作；

31.2、实现了对太阳能光伏面板上存在异物或长期积攒灰尘的实时检测，避免了异物长时间存在对电池板造成的损害。通过实时异物检测，提高了检测效率，降低了电池板因自然因素损毁的机率，保证了出厂质量合格的情况下，太阳能电池板能够长期稳定的工作；

32.3、能够实现对太阳能光伏面板表面故障和表面异物的实时监控和告警，降低了光伏面板内在质量和外在风险的影响，保证太阳能电池板能够长期稳定的工作。

附图说明

33.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

34.图1为一种太阳能光伏面板表面缺陷检测方法的流程图。

具体实施方式

35.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

36.在一个实施例中，请参阅图1，一种太阳能光伏面板表面缺陷检测方法，包括如下步骤：

37.步骤一、信息采集与存储：

38.对需要检测的光伏面板信息、监控摄像头信息进行采集，将采集后的信息存储到数据预存储模块的数据库中。光伏面板信息包括光伏面板的地理位置信息、光伏面板的长宽信息(px,py)和光伏面板原始图像信息，监控摄像头信息包括监控摄像头的地理位置(xe,yn)、监控摄像头的图像等固有信息和图像中存在的光伏面板的数量、图像中光伏面板之间的相对位置等数据信息。其中，摄像头数据信息计算过程如下：

39.(1.1)获取单张摄像头拍摄的rgb图像；

40.(1.2)将图像中显示的光伏面板进行计数，计数过程如下：

41.(1.2.1)从图像中主动剔除显示不全的光伏面板图像；

42.(1.2.2)按照从左到右，从上到下的顺序对拍摄图像中的光伏面板进行编号，编号

分别为(1,1)、(1,2)、(1,3)

…

(2,1),(2,2)

…

(m,n)，m为最大行数，n为最大列数；

43.(1.2.3)结合摄像头的地理位置(xe,yn),获取光伏面板的相对位置信息和编号(xe1,yn1),(xe1,yn2)、(xe1,yn3)

…

(xe2,yn1),(xe2,yn2)

…

(xem,ynn)。

44.步骤二、图像预处理：

45.光伏面板检测过程中，光伏表面缺陷检测系统定时给摄像头发送图像获取命令。摄像头收到命令，则提取当前帧的图像返回给光伏表面缺陷检测系统。系统将获取的彩色光伏图像，按照w

×

h的像素尺寸进行缩放，具体缩放过程如下：

46.(2.1)光伏表面缺陷检测系统收到一幅像素尺寸为w

×

h的rgb彩色图像；

47.(2.2)将图像的列按照w/w的比例系数进行缩放，图像的行按照h/h的比例系数进行缩放，缩放后的图像尺寸为w

×

h。将缩放后的图像输入到光伏电池提取模块。

48.步骤三、光伏电池提取：

49.接收图像预处理模块缩放后的rgb图像，从rgb图像中提取hsv信息并将图像转化为hsv图像，针对hsv图像的每个特征通道进行图像对比度增强，增强后的图像进行双阈值二值化处理，结合数据预存储模块存储的太阳能光伏面板长宽比例信息(px,py)确定太阳能光伏面板区域，将产生的区域信息带回到原图像中，通过截取的方式获取到太阳能光伏面板图像。通过截取的方式可以得到m

×

n张光伏面板子图像。由于光伏面板子图像同样是摄像头拍摄的，其存在一定的变形，通过透视变换将变形的光伏面板图像进行矫正，提取出最终的太阳能光伏面板图像。将提取的光伏面板图像输入到故障检测模块和污染检测模块进行光伏电池的缺陷检测。光伏电池提取过程如下：

50.(3.1)hsv图像转换

51.接收到图像预处理模块传输的rgb图像，即r(red,红)、g(green，绿)、b(blue,蓝)图像。从rgb图像中提取hsv信息，即h(hue,色调)、s(saturation，饱和度)、v(value，明度)信息。将图像的色调、饱和度、明度信息结合共同构成hsv图像，生成的hsv图像以直观的方式表示光伏电池的颜色特征，rgb图像到hsv图像的转换过程如下：

52.(3.1.1)提取明度v特征，明度表示rgb图像中的颜色的明亮程度，它是通过获取r、g、b三个颜色通道中的最大值后，除以255得到。由此可见，明度特诊过的取值范围为0和1之间。其计算公式为：v＝max(r,g,b)/255。

53.(3.1.2)提取饱和度s特征，饱和度特征的取值范围也是0和1之间，他表示当前颜色与当前颜色的纯色之间的比例关系。它通过计算r、g、b三个通道之间的最大值和最小值之差，然后除以最大值来表示。当饱和度为0时，表示该颜色为只有灰度，不存在其他颜色，计算方式为：s＝(max(r,g,b)-min(r,g,b))/max(r,g,b)。

54.(3.1.3)提取色调h特征，色调表示当前颜色在0

°

～360

°

光谱颜色中的位置。其中，红色为0

°

，绿色为120

°

，蓝色为240

°

，他们之间分别相隔120

°

。计算方式如下：

55.c＝max(r,g,b)-min(r,g,b)

56.[0057][0058]

将提取的h、s、v三种特征图结合构成了hsv图像。

[0059]

(3.2)图像对比度增强

[0060]

摄像头拍摄的图像中，每个颜色所占用的像素数各不相同，通常会存在某个颜色区间内的像素数量特别多，而其余颜色的像素数量较少，这导致图像中的颜色很难区分，无法提取出理想状态的光伏面板图像。因此，对图像进行对比度增强。将hsv图像中的h、s、v三个通道分别进行直方图均衡化处理，使图像的明度、色调、饱和度都处于高对比度状态，通过高对比度可以更加清晰的反应太阳能光伏面板的边缘位置信息，帮助更好的提取光伏面板图像。图像对比度增强的步骤如下：

[0061]

(3.2.1)设置图像像素的取值范围，这里设置为a～b,这里的a和b的取值范围都在0到255之间，当图像中像素值大于b时，将图像像素值设置为255；当图像中像素值小于a时，将图像像素值设置为0；

[0062]

(3.2.2)将a～b之间的像素值进行直方图均衡化处理，将原始随机分布的直方图转化成均匀分布的直方图，使a～b之间的像素在图像中出现的频率相同。

[0063]

(3.3)图像二值化

[0064]

通过预存储模块中的光伏面板图像，获取光伏面板图像上像素值的大致取值范围，即(pa,pb)。然后将高对比度的图像根据(pa,pb)进行双阈值二值化处理，双阈值二值化处理的步骤如下：

[0065]

(3.3.1)获取预存储模块中的光伏面板图像，并从图像中提取光伏面板图像的像素值取值范围，pa为像素值的下限，即光伏面板图像像素的最小值；pb为像素值的上限，即光伏面板图像像素的最大值；

[0066]

(3.3.2)将直方图均衡化后的图像中，小于pa的像素和大于pb的像素，其像素值设置为0；位于pa和pb之间的像素，其像素值设置为1；至此，得到了一幅只有0和1两种像素值的二值化图像。

[0067]

(3.4)光伏面板图像提取

[0068]

将二值化图像结合预存储模块中的光伏面板长宽信息，确定光伏面板图像的位置，将确定的n个位置的光伏面板图像进行截取，得到n张光伏面板二值化图像。提取过程如下：

[0069]

(3.4.1)获取预存储模块中的光伏面板长宽信息(px,py)，并计算出光伏面板的长和宽之间的比例：ratio＝px/py；

[0070]

(3.4.2)统计二值化图像中像素值为1的区域的个数，并计算该区域的长宽，长用px

′

表示，宽用py

′

表示。使用长宽信息进一步计算出该区域的长宽比例信息：ratio

′

＝px

′

/py

′

；

[0071]

(3.4.3)通过判断ratio与ratio’之间的比值是否在设定值ratio_a和ratio_b之间，来确定该区域是否为光伏面板图像所在区域。

[0072]

(3.5)光伏面板图像矫正

[0073]

由于(3.4)中提取的是图像中不同角度的图像，图像中存在各种形式的变形。在缺陷检测之前需要对光伏面板图像进行矫正，通过几何变换中的透视变换将图像还原成光伏

面板图像的俯视图。其中，光伏面板图像矫正的步骤如下：

[0074]

(3.5.1)提取原始光伏面板的顶点坐标，由于光伏面板的长宽信息为(px,py)，将光伏面板的原始图像提取四个顶点坐标，则为(px0,py0)、(px0,pym)、(pxn,py0)、(pxn,pym)。

[0075]

(3.5.2)提取(3.4)中生成的太阳能光伏面板区域的顶点坐标，四个顶点坐标分别为(x0,y0)、(x0,ym)、(xn,y0)、(xn,ym)。

[0076]

(3.5.3)结合上面的四个顶点，根据放射变换矩阵的计算方式，得到如下的变换公式：

[0077][0078]

公式中，矩阵表示图像的线性变换，[a

31 a

32

]矩阵表示图像需要平移的距离，[a

13 a

23

]

t

转置矩阵表示该图像的透视变换。

[0079]

(3.5.4)将提取的太阳能光伏面板区域图像通过上述转换方式进行透视变换，图像中的坐标(x0,y0)会还原成坐标(px0,py0)，坐标(x0,ym)会还原成坐标(px0,pym)等，图像中的所有坐标都将进行变换，最终生成与原光伏面板图像同等尺寸的太阳能光伏面板区域图像，尺寸为px

×

py。将还原的太阳能光伏面板区域图像输出到故障检测模块和污染检测模块进行异常检测。

[0080]

步骤四、光伏电池故障检测：

[0081]

在太阳能光伏面板使用过程中，由于其本身存在的质量问题，容易导致在使用过程中产生板面开裂和板面弯曲的情况，使用霍夫直线检测对板面开裂和弯曲的情况进行检测。霍夫直线检测可以很好的利用太阳能光伏面板原有的网格或矩形的表面纹理特征，准确的检测出太阳能光伏面板开裂和弯曲故障；同时，由于太阳能光伏面板是暴露在太阳光直射的户外，无法避免自然环境的影响，如冰雹等，这些恶劣环境会导致太阳能光伏面板的局部损坏和凹陷，这些因素严重制约这太阳能光伏面板的使用，使用canny边缘检测算法对损坏和凹陷进行边缘检测。通过使用canny边缘检测算法，会发现光伏面板原有的网关与矩形板面线条出现大面积明显的弯曲，最终得出光伏电池表面故障检测结论，并将检测结果传递到信息告警与显示模块。光伏面板表面开裂和弯曲、重力导致表面损坏和凹陷的检测过程如下：

[0082]

(4.1)对太阳能光伏面板中的开裂和弯曲进行检测，由于太阳能光伏面板中大多存有分隔网格或矩形块，这些都是光伏面板中的固有纹理特征。如果光伏面板上出现裂痕，则会导致光伏面板上线条增多；如果光伏面板出现弯曲，则会显示光伏面板上的直线变弯或形成多条直线，因此采用霍夫直线检测对面板中的线条进行检测，以排除上述故障的影响。霍夫直线检测的步骤如下：

[0083]

(4.1.1)将图像预存储模块存储px

×

py大小的原始光伏面板图像，根据(3.3)所示的图像二值化方式对图像进行二值化处理。

[0084]

(4.1.2)对处理后的二值化图像进行坐标标注，从上到下，从左到右分别为(1,1)、(1,2)

…

(2,1)、(2,2)

…

(px,py)；

[0085]

(4.1.3)对图像中的每个点，按照ρ＝x cosθ+y sinθ的方式，分别从0

°

、45

°

、90

°

、

135

°

、180

°

五个方向上计算坐标原点到该条直线的距离ρ，其值用value表示。

[0086]

(4.1.4)对计算出来的5个距离的值进行保存。在图像中，同一条直线上的点计算出的原点到所在直线的距离应该是相同的。因此，对所有点进行距离计算，并记录这些距离值产生的次数，即进行距离投票。当值的计数越多，表示越多的点在该条直线上。最终按照参与投票的所有距离值取计数的中位数，大于中位数的距离值保存，并生成相应的极坐标方程；小于中位数的距离值则舍弃。极坐标方程的表示形式为value＝x cosθ+y sinθ；通过极坐标方程即可唯一的确定一条直线。

[0087]

(4.1.5)将光伏面板提取模块提取的光伏面板图像经过(4.1.1)～(4.1.4)步骤后，同样生成了一幅只存在直线的二值化图像。

[0088]

(4.1.6)将光伏面板提取模块提取图像的二值化图像与原始图形的二值化图像进行差值处理，差值后的图像，计算所有剩余像素的区域面积。通过设定固定的阈值w,判断是否存在裂纹和弯曲的情况。认为像素数大于阈值w的图像存在异常，否则不存在异常。

[0089]

(4.2)对重力导致损坏和凹陷进行检测，由于重力或者凹陷使得太阳能光伏面板原有直线特征中断，并形成了一个不规则的形状，其边缘则形成了一个不规则的闭合区间。使用canny边缘检测算法，对闭合区间进行提取，通过阈值判定的方式确定是否存在异物。canny边缘检测过程如下：

[0090]

(4.2.1)使用高斯滤波对拍摄的图像进行降噪处理。通过摄像头拍摄的图像，难免会存在图像噪声，即图像中灰度变换很大的局部区域或点。这使得通过计算梯度的方式进行边缘检测，会产生多处伪边缘。伪边缘对检测结果的准确性影响很大，因此需要对图像进行降噪处理。高斯滤波通过高斯函数对每个像素点进行处理，高斯函数中的高斯矩阵对像素点及其邻域进行积运算，最后将带权像素值取平均，即可得到该点的最终像素值。例如，图像中的一个点的坐标为(m,n),则在高斯滤波后，得到该点的灰度值：

[0091]

(4.2.2)图像中的梯度表示图像灰度值变化的程度和变化方向。对滤波后的图像进行梯度计算，计算过程如下：

[0092]

(4.2.2.1)对滤波后的灰度图像分别在水平方向和垂直方向上进行梯度计算，水平方向上使用梯度算子[-1,0,1]进行水平卷积，得到灰度图像在水平方向上的梯度分量；垂直方向上使用梯度算子[-1,0,1]

t

进行垂直卷积，得到灰度图像在垂直方向上的梯度分量。使用g

x

(m,n)表示灰度图像的水平梯度分量；使用gy(m,n)表示灰度图像的垂直梯度放量。

[0093]

(4.2.2.2)根据灰度图像的水平和垂直梯度分量，对图像中的每个像素点都进行梯度值和梯度方向的计算。假设图中一个点坐标为(x,y),则它的水平梯度分量为g

x

(m,n)，垂直梯度分量为gy(m,n)。梯度值和梯度方向根据水平和垂直方向的梯度分量进行计算，梯度值为梯度方向为θ＝arctan(g

x

(m,n)/gy(m,n))。通过计算梯度值和梯度方向，得到了灰度图像的一个二维梯度值矩阵，该矩阵中的每个点都表示该点在图像中的梯度幅值，而灰度的变化方向即为梯度的方向。

[0094]

(4.2.3)由于高斯函数是一个类似正态分布的平滑函数，其具有中间大两端小的

特点。因此，在进行图像高斯平滑时，图像边缘有极大可能被放大，一些不是边缘的点也会显得尤为突出。通过非极大值抑制对计算后的梯度特征图进行处理，以消除不是边缘的点，即选择梯度方向上梯度最大的像素点作为边缘像素点，其余像素点认为不是边缘像素点，像素值设置为0，使每个边缘尽可能的只保留一个像素的宽度。

[0095]

(4.2.4)因为在光伏面板的故障很可能存在细小的裂纹，很难进行分辨，则可以通过双阈值筛选的方式进行故障判定，双阈值筛选的过程如下：

[0096]

(4.2.4.1)确定两个阈值，分别为低阈值minval和高阈值maxval。

[0097]

(4.2.4.2)对两个阈值划分的三个部分的梯度幅值进行判定，小于低阈值minval的幅值都被检测为非边缘；大于高阈值maxval的幅值都被检测为边缘；处于minval和maxval之间的像素点需要进一步判定。

[0098]

(4.2.4.3)处于中间的像素点根据是否与已确定为边缘的像素点邻接作为判定条件，与边缘像素点邻接的像素被检测为边缘，否则被检测为非边缘。

[0099]

(4.3)根据检测出的边缘与原有光伏面板图像中的固有边缘信息进行对比，得出是否存在故障的结论。并将开裂和弯曲检测的结果与重力导致损坏和凹陷的检测结果进行汇总，共同传输到信息告警与显示模块。

[0100]

步骤五、光伏电池污染检测：

[0101]

在太阳能光伏面板使用过程中，由于太阳能光伏面板是暴露在太阳光直射的户外，长期的使用会导致灰尘的积攒，或无法避免自然环境的影响，如沙尘等。这些因素都会导致太阳能光伏面板大面积遮挡，影响太阳能光伏面板的发电效率，导致发电量减少。根据现场灰尘积攒的规律发现，异物(灰尘，石块等)大多集中在倾斜摆放的光伏面板下半区域，并且异物通常与光伏面板的颜色不尽相同。因此结合灰尘和异物的存在位置规律和颜色特征，采用canny边缘检测和颜色直方图特征提取相结合，共同确定异物位置，并根据局部腐蚀和膨胀得到异物的最终形状，并将结果提交给信息告警与显示模块；

[0102]

(5.1)异物和灰尘处于光伏面板上时，通常以固定的形态存在并长期影响太阳能光伏面板的发电效率。异物和长时间积攒的灰尘，其边缘形成一个明显的闭环。并且在终端太阳能光伏面板中，由于灰尘积攒导致的发电效率低，人工检测不容易被发现，这里采用canny边缘检测进行异物的第一步确认，canny边缘检测方法如(4.2)所示。将提取的封闭区域设定为待区分的异常区域sarea。

[0103]

(5.2)对于太阳能光伏面板上的异物，特别是灰尘，很难被察觉。少量的灰尘和较小的异物使用边缘检测也不宜被发现，而光伏面板的颜色单一，当光伏面板上出现异物时，很大程度上异物的颜色与光伏面板不同。在太阳能光伏面板彩色图像上进行颜色直方图特征提取，通过与原太阳能光伏面板图像的颜色直方图对比，找出异物的位置。具体过程如下：

[0104]

(5.2.1)对数据预存储模块中存储的光伏面板图像进行颜色直方图统计，计算出(0,0,0)到(255,255,255)之间所有颜色在图像中的像素数。

[0105]

(5.2.2)对检测图像以同样的方式进行颜色直方图统计，计算出(0,0,0)到(255,255,255)之间所有颜色在图像中的像素数。

[0106]

(5.2.3)将原始图像提取的颜色直方图和检测图像提取的颜色直方图进行对比，提取出颜色数增长最多的颜色y；

[0107]

(5.2.4)将图像中与颜色y相同颜色的像素值保留，其余像素值设置为0，得到了一幅像素值只有0和y的二值图像。将二值图像中所有与y颜色相同的颜色值都设定为待区分的异常点spoint。

[0108]

(5.3)将提取的待区分异常区域sarea和待区分的异常点spoint组合到同一图像中，将sarea区域与spoint点重合的区域进行提取，作为进一步待选异常区域，并对这些区域进行填充，填充像素值为255，得到了多个闭合的纯色区域。

[0109]

(5.4)虽然经过多层特征提取与选择，但对于自然环境下的图像，依然会存在非异常的大颗粒噪声。通过腐蚀的方式去除噪声和非异常点，即将较小的、可忽略大小的待选异常区域进行清除。采用5

×

5大小的腐蚀矩阵，能够在去除非异常区域的同时，除去异常区域的毛刺边缘，使提取的异物区域更加准确。

[0110]

(5.5)将(5.4)腐蚀后的图像进行膨胀，同样使用5

×

5的核，将腐蚀后的图像进行像素值为255的范围扩充，得到与腐蚀之前大小相当的闭环区域。

[0111]

(5.6)经过上述异物检测的过程，得到了完整的闭环显示区域。将该区域带回到原检测图像，即可正确的检测出异物，并标注出异物的位置。将检测结果传递给信息告警与显示模块进行信息的告警与显示。

[0112]

步骤六、告警与显示：

[0113]

接收故障检测模块和污染检测模块传递过来的检测结果，对结果进行判断，并保存和显示。当收到的检测结果是异常时，信息告警与显示模块会发出异常告警，同时将告警信息传输给数据预存储模块进行数据保存，传输给清理维护模块进行故障清除和现场维护；当收到的检测结果无异常，则不做任何操作。信息告警与显示模块还可以调用数据预存储模块中存储的告警、清理维护等信息进行历史记录查询和展示。

[0114]

步骤七、清理维护：

[0115]

接收信息告警与显示模块传递的告警数据和数据预存储模块数据库中的太阳能光伏面板位置信息，安排相应的工作人员及时进行现场清理和更换维护。工作人员现场清理和维护过程中遇到的问题和解决方式需要及时的反馈，清理维护模块会将反馈信息和工作情况传递给数据预存储模块进行保存。

[0116]

本发明适用于一种太阳能光伏面板表面缺陷检测方法，实现了光伏面板异常自动检测，能及时的发现光伏面板存在的缺陷和污染，并对维护工作人员进行报警，通过数据库中位置信息的支持，及时的清除污染排除故障，解决了光伏发电过程中，缺陷和污染导致的低产能和发电安全问题。

[0117]

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。技术特征：

1.一种太阳能光伏面板表面缺陷检测方法，其特征在于，包括如下步骤：步骤一、信息采集与存储：对需要检测的光伏面板信息、监控摄像头信息进行采集，将采集后的信息存储到数据预存储模块中，数据预存储模块中的数据库将图像信息发送至图像预处理模块。步骤二、图像预处理：图像预处理模块将获取图像信息进行缩放得到rgb图像，并且将rgb图像发送至光伏面板提取模块；步骤三、光伏电池提取：光伏面板提取模块通过rgb图像提取出最终的太阳能光伏面板图像，并将太阳能光伏面板图像输入到故障检测模块和污染检测模块进行光伏电池的缺陷检测；步骤四、光伏电池故障检测：所述故障检测模块通过霍夫直线检测和canny边缘检测进行检测，并将检测结果传递到信息告警与显示模块；步骤五、光伏电池污染检测：污染检测模块通过canny边缘检测和颜色直方图特征提取相结合，共同确定异物位置，并根据局部腐蚀和膨胀得到异物的最终形状，并将结果提交给信息告警与显示模块；步骤六、告警与显示：信息告警与显示模块对故障检测模块和污染检测模块传递过来的检测结果进行判断、保存和显示，并且将异常的检测结果传输给清理维护模块进行故障清除和现场维护；步骤七、清理维护：清理维护模块接收信息告警与显示模块传递的告警数据和数据预存储模块中的太阳能光伏面板位置信息，安排相应的工作人员及时进行现场清理和更换维护。2.根据权利要求1所述的一种太阳能光伏面板表面缺陷检测方法，其特征在于，步骤一中，所述光伏面板信息包括光伏面板的地理位置信息、光伏面板的长宽信息(px,py)和光伏面板原始图像信息，所述监控摄像头信息包括监控摄像头的地理位置(xe,yn)、监控摄像头的图像固有信息和图像中存在的光伏面板的数量、图像中光伏面板之间的相对位置数据信息。3.根据权利要求2所述的一种太阳能光伏面板表面缺陷检测方法，其特征在于，所述摄像头数据信息计算过程是获取单张摄像头拍摄的rgb图像，并且将图像中显示的光伏面板进行计数，所述计数过程包括：3.1、从图像中主动剔除显示不全的光伏面板图像；3.2、按照从左到右，从上到下的顺序对拍摄图像中的光伏面板进行编号，编号分别为(1,1)、(1,2)、(1,3)

…

(2,1),(2,2)

…

(m,n)，m为最大行数，n为最大列数；3.3、结合摄像头的地理位置(xe,yn),获取光伏面板的相对位置信息和编号(xe1,yn1),(xe1,yn2)、(xe1,yn3)

…

(xe2,yn1),(xe2,yn2)

…

(xem,ynn)。4.根据权利要求1所述的一种太阳能光伏面板表面缺陷检测方法，其特征在于，步骤二中，所述图像预处理模块将获取的图像信息按照w

×

h的像素尺寸进行缩放。5.根据权利要求1所述的一种太阳能光伏面板表面缺陷检测方法，其特征在于，步骤三中，所述光伏面板提取模块从rgb图像中提取hsv信息并将图像转化为hsv图像，针对hsv图像的每个特征通道进行图像对比度增强，增强后的图像进行双阈值二值化处理，结合数据预存储模块存储的太阳能光伏面板长宽比例信息(px,py)确定太阳能光伏面板区域，将产

生的区域信息带回到原图像中，通过截取的方式获取到m

×

n张光伏面板子图像，通过透视变换将摄像头拍摄产生变形的光伏面板图像进行矫正，提取出最终的太阳能光伏面板图像。6.根据权利要求1所述的一种太阳能光伏面板表面缺陷检测方法，其特征在于，步骤四中，所述故障检测模块通过霍夫直线检测对板面开裂和弯曲的情况进行检测，故障检测模块通过canny边缘检测算法对损坏和凹陷进行边缘检测。7.根据权利要求6所述的一种太阳能光伏面板表面缺陷检测方法，其特征在于，所述霍夫直线检测步骤如下：7.1、将图像预存储模块存储大小的原始光伏面板图像，根据的图像二值化方式对图像进行二值化处理；7.2、对处理后的二值化图像进行坐标标注，从上到下，从左到右分别为(1,1)、(1,2)

…

(2,1)、(2,2)

…

(px,py)；7.3、对图像中的每个点，按照的方式，分别从0

°

、45

°

、90

°

、135

°

、180

°

五个方向上计算坐标原点到该条直线的距离；7.4、对计算出来的5个距离的值进行保存，按照所有距离值取计数的中位数，大于中位数的距离值保存，并生成相应的极坐标方程，通过极坐标方程确定一条直线，生成一幅只存在直线的二值化图像；7.5、将光伏面板提取模块提取图像的二值化图像与原始图形的二值化图像进行差值处理，差值后的图像，计算所有剩余像素的区域面积，通过设定固定的阈值w,判断是否存在裂纹和弯曲的情况。8.根据权利要求1所述的一种太阳能光伏面板表面缺陷检测方法，其特征在于，步骤六中，当所述信息告警与显示模块收到的检测结果是异常时，信息告警与显示模块会发出异常告警，同时将告警信息传输给数据预存储模块进行数据保存，传输给清理维护模块进行故障清除和现场维护，当所述信息告警与显示模块收到的检测结果无异常，则不做任何操作。9.根据权利要求1所述的一种太阳能光伏面板表面缺陷检测方法，其特征在于，步骤六中，所述信息告警与显示模块还可以调用数据预存储模块中存储的告警、清理维护信息进行历史记录查询和展示。

技术总结

本发明涉及太阳能光伏面板缺陷检测技术领域，公开了一种太阳能光伏面板表面缺陷检测方法，包括如下步骤：步骤一、信息采集与存储；步骤二、图像预处理；步骤三、光伏电池提取；步骤四、光伏电池故障检测；步骤五、光伏电池污染检测；步骤六、告警与显示；步骤七、清理维护。本发明适用于一种太阳能光伏面板表面缺陷检测方法，实现了光伏面板异常自动检测，能及时的发现光伏面板存在的缺陷和污染，并对维护工作人员进行报警，通过数据库中位置信息的支持，及时的清除污染排除故障，解决了光伏发电过程中，缺陷和污染导致的低产能和发电安全问题。缺陷和污染导致的低产能和发电安全问题。缺陷和污染导致的低产能和发电安全问题。

技术研发人员：孙志宏 刘扬志 王长征 孙国强 王兴良 项航 张强 索连帅 王照阳 朱锋 朱辰泽 刘川 刘思君 王腾

受保护的技术使用者：南京华盾电力信息安全测评有限公司

技术研发日：2022.03.09

技术公布日：2022/6/1