硅太阳能电池视觉检测方法研究

硅太阳能电池生产过程中的检测是一个重要的环节,针对硅太阳能电池片的特点,提出了一种基于视觉检测的硅太阳能电池检测方法。通过拟合直线和圆进行外形尺寸的测量,并在此基础上通过计算边缘点到拟合直线或圆弧的距离进行外形破损检测。针对丝印后电池表面纹理结构比较复杂的特点,采用多模板匹配并结合差影的方法进行丝印缺陷检测。实验结果表明：提出的方法具有稳定、可靠和精度高等特点,达到了快速、有效地实现硅太阳能电池缺陷检测的目的。     

基于深度学习的太阳能电池板优化研究

太阳能电池板的缺陷检测是保障电气安全的重要措施,但目前在太阳能电池板缺陷检测上的传统研究方法都存在效率低、误检、漏检率高等问题。基于此,提出利用深度学习方法,将YOLOv5结合到太阳能电池板缺陷检测中,对其进行优化研究,首先引入坐标注意力机制增强目标特征,改善YOLOv5颈部网络对于特征信息的捕获程度,使整体网络能够更准确定位并识别目标区域;将C3模块改进为CoT模块,提高网络对于太阳能电池板缺陷特征附近上下文信息的充分利用,加快收敛速度。改进模型在测试集上的精确率和召回率分别达到92.7%和93.6%,平均精度均值（mAP）达到了95%,相较于原网络提升了2%,在检测速度几乎不变的前提下,达到了比以往深度学习检测方法更高的精度。     

改进的CNN在太阳能电池板缺陷检测中的应用

由于太阳能电池板生产工艺的复杂性,容易在多个环节产生断栅、开焊、隐裂等缺陷。提出一种改进的卷积神经网络方法来检测电池板缺陷,首先,改进的卷积神经网络采用一种新的损失函数,在新的损失函数中引入平衡因子ε,以提高网络的识别率。其次,将卷积神经网络和随机森林相结合,随机森林分类器替换卷积层的输出层,可以增强网络的泛化能力。仿真结果表明,改进的卷积神经网络能够快速、准确地识别出电池板的缺陷和缺陷类别,识别准确率高达96.48%,相比与传统的卷积神经网络提高了2.63%,能够满足工业过程中电池板缺陷检测的需求。     

基于红外成像太阳能板缺陷检测方法研究

设计一种基于红外热像技术进行太阳能光伏板缺陷检测和分类的方法.设计了由黑箱、红外热像仪、模拟光源和图像处理计算机组成的检测系统.根据常见的黑片、断栅、隐裂和碎片4种光伏电池板缺陷特点,通过改进传统Ostu算法来自动识别最优分割阈值的方法再提取红外图像平均灰度值差、复杂度、长宽比和边沿曲率等特征进行缺陷的检测.实验表明,对于含典型缺陷光伏板,系统能够实现光伏板缺陷的检测定位,并对缺陷进行准确分类.     

硅太阳能电池纹理缺陷检测

为实现硅太阳能电池纹理缺陷检测,提出一种采用方向可变滤波器组并结合Hough变换的检测方法。通过方向可变滤波器提取图像边缘并采用Hough变换确定纹理方向,采用角度与纹理方向一致的方向可变滤波器滤波,实现消除规则直线纹理,保留纹理缺陷特征。对滤波后的纹理缺陷结果图像采用双阈值法,以确定纹理缺陷所在的位置。和Gabor滤波器及小波滤波器的比较实验结果表明：该方法比前两种方法能更有效地进行硅太阳能电池纹理缺陷检测。     

生物视觉模型的太阳能电池板裂纹检测

太阳能作为一种具有广阔前景的新能源,在太阳能电池制造产业对太阳能电池板裂纹检测具有重要的生产实践意义.过去的硬件方法效率低且容易使太阳能电池受损,而软件方法主要是通过经典的图像处理方法进行检测,但对复杂背景的裂纹效果一般.通过研究模拟腹侧视觉通路的工作原理的T.Serre生物视觉标准模型,使用Tomoyuki的Percolation-Based图像处理方法指导特征模板选取,提出生物视觉模型的改进方法.并通过对一系列采集的太阳能电池板图像的检测实验和对比实验,证明了该方法的有效性.     

轴尖表面缺陷检测及尺寸测量系统研究

针对陀螺轴尖加工生产中对表面缺陷进行在线检测和关键几何尺寸进行高精度在线测量问题,设计并实现了基于显微机器视觉技术和快速图像处理技术的在线非接触检测测量系统,检测时,待检轴尖安装在精密位移台上,采用专用光源系统照明,通过显微成像系统成像;图像经采集,预处理、分割、特征提取,参数测量、结果统计等处理步骤,得到轴尖表面缺陷数量及几何尺寸.实测结果表明系统具有高效率、精度高、易于使用等特点,可有效解决轴尖表面缺陷检测及尺寸在线测量问题.     

几种产业化太阳能电池板的户外实际发电性能比较

随着传统化石能源的日益消耗,各种可再生能源技术备受关注,其中,可直接将太阳能转换为电能的太阳能电池技术已成为新能源领域的主要研究方向之一。文章介绍了一种可连续测量多个太阳能电池板户外发电性能的测试设备,实际测量了目前市场上主流的太阳能电池板在不同天气条件下的发电性能,包括多晶硅、单晶硅、非晶硅、铜铟镓硒等电池,比较了单位面积和单位标称发电功率的实际发电性能,并对各种电池实际发电性能和特点进行了总结分析。     

一种基于神经网络的太阳能电池板缺陷检测方法

研究一种基于神经网络的太阳能电池板缺陷检测方法,利用DenseNet网络模型对缺陷进行检测,在该模型中加入转换器保证相邻模块间的大小,融入L2正则化可以在一定程度上避免过拟合现象,调整Batch Normalization层在避免梯度消失的同时加快收敛速度,使用SELU激活函数可以提高模型的鲁棒性。     

基于元迁移的太阳能电池板缺陷图像超分辨率重建方法

针对太阳能电池板隐裂缺陷在进行光学检测时存在的特征不明显问题,以及小样本导致的训练不充分问题,提出了基于元迁移的太阳能电池板缺陷图像超分辨率重建方法,采用联合训练方法,利用内部图像和外部大规模图像信息分别作为不同阶段的训练数据.首先将引入的大量数据用于模型的初步训练,学习外部大规模数据的公共特征,然后通过元学习模型MA...     

太阳风暴剧情生成系统的研究

剧情是太阳风暴应急演练的驱动,控制演练的过程和发展.针对传统演练中手动设置剧情、演练剧情已知,且不能反映太阳风暴动态演化过程等问题,利用二叉树重构法建立太阳风暴剧情推理引擎,根据不同演练需求智能化地生成太阳风暴剧情方案;基于历史事件库,利用分段线性插值等方法,真实表现了难以用物理模型描述的太阳风暴动态演化过程;基于以上两项关键技术,实现了太阳风暴剧情生成系统.实验结果表明,系统生成的太阳风暴剧情,贴近实战,针对性强,可有效提升演练中各部门对突发事件的快速反应和应急处置能力.     

太阳能干燥器自动跟踪系统研究

随着农业对太阳能的广泛利用,如何提高对太阳能的利用率,成为太阳能研究的焦点问题之一.提出了一种基于单片机控制的太阳能干燥器自动跟踪系统设计方法.该方法结合视日运动轨迹跟踪和光电跟踪两种跟踪方式,通过单片机控制步进电机转动机械装置,实现对太阳进行全天候的实时跟踪,使太阳光与干燥器集热装置始终垂直.经测试,该系统可以有效提高太阳能的利用率.     

双峰法与otsu法结合在太阳能电池缺陷检测中的应用

图像分割在太阳能电池组件缺陷检测系统中,起着非常重要的作用。通过双峰法和最大类间方差法结合对太阳能电池的近红外图像进行图像分割和二值化,并得出缺陷的二值图。实验表明所提出的太阳能电池硅片的图像分割方法能快速准确地实现对图像的分割,得到了较好的二值图。为太阳能电池图像的缺陷特征的提取,以及进一步描述和分析奠定了良好的基础。     

基于RPCA的太阳能电池片表面缺陷检测

目前太阳能电池片生产过程中的缺陷检测主要由人工完成,费时费力,容易受主观因素的影响.文中提出了一种基于RPCA(Robust Principal Component Analysis,RPCA)的太阳能电池片表面缺陷检测方法.该方法对图像矩阵进行变换,使之分解成无缺陷的低秩矩阵图像和有缺陷的稀疏矩阵图像.通过凸优化的方法,分别最小化上述两个矩阵的核范数和1范数,从而使矩阵得以有效快速地分解.同时,文中分别对优化的两种算法:加速逼近梯度(Accelerated Proximal Gradient,APG)法和非精确增广拉格朗日乘子(Inexact Augmented Lagrange Multiplier,IALM)法,在太阳能电池片缺陷检测的计算时间和迭代次数方面进行了比较.最后通过大量实验,证明了上述方法在检测太阳能电池片表面缺陷的可行性和有效性.     

入侵检测系统研究

入侵检测是采用主动防御以保护信息系统安全的重要手段,成为近年来安全领域的研究热点。文中介绍了入侵检测系统的分类和通用入侵检测框架,并详细讨论了各种入侵检测的技术和入侵监测系统标准化,最后指出了目前入侵检测系统存在的不足及未来发展方向。     

用于复杂环境下的疲劳检测系统人眼检测方法

针对光照、眼镜等对驾驶员人眼检测的影响,提出采用霍夫变换和神经网络分类器进行人眼检测.通过应用虹膜几何信息和对称性,选择可能包含人眼的两个候选区域.运用边缘检测算子和 MAE 进行人眼粗定位.然后在此基础上采用B-P神经网络进行人眼精确定位.针对三种不同情况,即不同光照、不同背景和不同肤色的人拍摄6组视频图像,采用matlab7.0进行3组仿真实验,实验结果表明该算法对复杂情况的人眼检测具有较强的鲁棒性.大大提高人眼检测准确率.