改进canny算子的太阳能电池表面缺陷检测

2021-08-30刘铖铖刘立群焦秀华张琼艺

太原科技大学学报 2021年4期

刘铖铖，刘立群，焦秀华，张琼艺

(太原科技大学电子信息工程学院，太原 030024)

随着经济全球化的快速发展，能源短缺和环境污染已成为世界关注的重要问题，各类新能源的深度开发与广泛使用得到世界各国密切关注。其中，太阳能以清洁、资源多等优点成为了人们广泛应用的可再生能源。太阳能电池普及应用使人们对太阳能电池表面的质量要求也越来越高。太阳能电池在制造过程中，工艺技术、机械操作等问题可造成表面蓝斑、断栅等缺陷，太阳能电池在使用过程中，天气因素和搬运运输等问题可造成表面缺角、磨损等缺陷[1-3]。太阳能电池表面缺陷影响其发电效率和使用寿命，因此研究太阳能电池表面缺陷并对其进行实时监测具有重要意义。

目前，太阳能电池表面缺陷检测方法有很多种，大体上可分为两类：人工物理检测与机器视觉检测，其中，人工检测易受人为因素影响，物理检测易受外界环境因素影响。其中，人工检测代表性研究有：Wen等[4]提出电子散斑干涉的分析法，即对晶硅类电池片通入反向电流，进而导致其发热，通过观察电子散斑变形图判断表面缺陷；Brooks等[5]发现裂纹引起的表面畸变会影响局部表面法线的变化，采用热成像摄像机对晶体硅电池表面的红外光源镜面反射成像，观察成像变化以及在红外热像中捕捉到的失真图像可以实现缺陷检测；Zhang等[6]运用光学深能级瞬态谱分析(ODLTS)技术进行缺陷检测，该技术采用三种低能量质子分别照射被测太阳能电池片样本，分析图像并对其实施模拟测算，从而实现检测表面裂纹。另外，物理检测代表研究为：Anwar等[7]提出用机器视觉检测方法检测表面缺陷，利用将梯度特征与各项异性扩散相结合的方法对电池表面的微裂纹缺陷进行检测。由上述检测方法对比可知，机器视觉方法在太阳能电池表面缺陷检测中的应用更加快捷、准确，并能使监测结果具有时效性。

1 图像处理缺陷检测理论

1.1 图像采集

视频监控系统进行图像采集，视频监控系统如图1所示，由摄像采集系统、信息传输系统、控制系统和图像处理系统组成[8]。实验时，规定wifi摄像头的角度正对光伏阵列，系统通过多路视频采集器将监控现场信息使用无线网络采集到控制中心。控制系统定时地将视频分离截取图像，筛选出有缺陷的太阳能电池图像用做后续目标检测和分析的原始图像。

图1 视频监控系统

1.2 图像增强

1.2.1 灰度线性变换

灰度线性变换是将目标图像的像素点按照一定的变换函数关系来改变原图灰度值，可改善原图像画质，其公式如式(1)所示。

TB=g(TA)=KTA+b

(1)

式中：K表示灰度变换方程的斜率；TA表示原图像灰度值；b表示灰度变换方程在y轴的截距；TB表示输出图像的灰度值。K，b决定输出图像灰度值结果的变化。

1.2.2 中值滤波

中值滤波是一种运用排序统计理论，可以有效抑制孤立噪声点的图像处理技术，属于非线性信号平滑技术[9-10]。设一维序列f1f2…fn其中取长度为奇数m个点作为滤波窗口，中值滤波就是先从该一维序列中提取m个点fi-v…fi-1fifi+1…fi+v，再将这m个点按其数值大小排列，以m个数的中间值代替原值作为输出。将一个3*3矩阵作为滤波窗口通过中值滤波后如图2所示。一维序列中值滤波公式如式(2)所示，二维数据中值滤波公式如式(3)表示：

图2 二维中值滤波

(2)

(3)

1.3 图像分割——改进的边缘检测

图像分割指把图像分割成若干个特定的、具有独特性质的区域并选择保留其目标区域[11-13]。该文涉及到一种Canny算子的边缘检测，Canny算子是具有平滑功能的高斯函数一阶微分算子，可以有效地抑制图像噪声。本文Canny边缘检测具体步骤如下所示：

①将图像变换为灰度图像

将彩色图像中的每个像素进行灰度处理，灰度变换如式(4)所示，然而实验结果受到光伏板表面条纹的影响，无法准确检测出光伏表面上的缺陷。为此进行大量的实验，当摄像头距离光伏板正中心位置(60～100)cm时，对视频截取的图像进行灰度变换。其中线性变换斜率K>1，经过大量实验验证，将图像灰度范围设定为0.120～0.496.

gray=R×0.299+G×0.587+B×0.14

(4)

如图3(a)是没有进行图像增强只进行灰度变换的边缘检测图，图3(b)是加入图像增强后的边缘检测图。对比可知，在预处理步骤中加入图像增强后，可以将光伏表面缺陷准确地检测出来。

图3 图像增强后的边缘检测对比图

②用高斯滤波器平滑处理原图像

在实际工程中，高斯滤波器可以在抗噪声干扰和边缘检测精确定位达到较好的平衡效果。引入高斯滤波函数如式(5)，对原图像f(x,y)进行高斯平滑滤波处理，得到图像g(x,y)如式(6)所示：

(5)

g(x,y)=h(x,y,σ)*f(x,y)

(6)

③有限差分计算梯度的幅值和方向

(7)

(8)

图像的边缘可以指向不同方向，因此，Canny算法使用四个算子来检测图像中的水平、垂直和对角边缘的梯度。常用的边缘算子计算水平Gx和垂直Gy方向的一阶导数值。

(9)

(10)

式中：M(x,y)为梯度的幅值，代表了图像的边缘强度如式(9)；θ(x,y)为梯度的方位角，代表了图像梯度的方向如式(10).当M(x,y)为局部最大时，此时θ(x,y)反映了边缘的方向。

④对梯度幅值进行非极大值抑制

非极最大值抑制是一种边缘细化技术，经过梯度计算后，梯度值中的有些边缘仍然非常模糊，此时就需对梯度幅值进行非极大值抑制。将当前像素的边缘强度值P与正梯度方向值P1和负梯度方向值P2的边缘强度值进行比较。当前像素值P与P1，P2相比是最大的，则该像素值将被保留；否则，该值将被抑制，如图4所示。

图4 梯度方向分割示意图

⑤用双阈值算法检测和连接边缘

Canny算法应用一个高阈值和一个低阈值相结合来区分边缘像素，称之为双阈值。如果选取的阈值过小则不能过滤非边缘，如果选取的阈值过大则会滤除掉所需图像的边缘，而Canny双阈值算法解决了上述问题[14-15]。

通过非极大值抑制后，使图像梯度值与高阈值和低阈值进行比较，若图像中某个像素位置的梯度值大于高阈值时，则该像素值被标记为边缘像素。若图像中某个像素位置的梯度值小于低阈值时，则该像素被去除。经过图像灰度直方图和大量试验，本文将Canny阈值取值范围设定为0.580～0.689.

2 实验分析

2.1 图像分割实验

实验设备由1080p的wifi摄像头进行图像的实时采集，对实验数据处理的计算机是Windows 8.1专业版，64位操作系统。运用Visual Studio 2010开发软件进行C语言编译，并使用Matlab2012a软件在CPU为2.6 GHz、内存容量为4 GB的电脑配置上进行仿真。为比较改进的Canny边缘检测分割方法和文献[3]分割方法，在实验温度25 ℃的环境下，分别进行图像的采集和处理分析，选取有蓝斑、磨损、缺角和刮纹缺陷光伏板实验，如图5-图7所示。

图5 50 W光伏板不同分割方法对比

图6 10 W光伏板不同分割方法对比

图7 30 W光伏板不同分割方法对比

第一、二组实验为蓝斑和磨损缺陷光伏板(50 W)，第三、四组实验为缺角和刮纹缺陷光伏板(10 W)，第五组实验为蓝斑和刮纹组合缺陷光伏板(30 W).通过比较仿真图可知，文献[3]分割处理的图像如图5(a1)、(b1)、图6(c1)、(d1)和图7(e1)，与原图像灰度图相比发现面积明显缩小且分割边缘粗糙。然而该文涉及到的Canny边缘检测分割方法图5(a2)、(b2)、图6(c2)、(d2)和图7(e2)，相比于文献[3]分割方法，具有抗噪能力强，分割边缘光滑平整的优点，并且能够更准确地还原图像中的缺陷区域，这为计算光伏表面缺陷面积、研究缺陷面积对光伏特性的影响奠定了基础。

2.2 数据分析

(11)

δ=|Pq-Ps|

(12)

(13)

表1 实验数据分析表

3 光照强度和灰度值的拟合

3.1 多项式曲线拟合

多项式曲线拟合是由微小的直线段把已知的离散数据点连接成一条光滑的曲线。将两个没有函数关系式表达的变量，通过拟合曲线找出离散数据的规律。该方法是根据多项式插值和逼近理论提出的，用简单变量估算不具备测量条件的变量，从而简化了工程计算，多项式拟合数学表达式如式(14)所示。

(14)

3.2 拟合实验

曲线拟合实验数据是在光伏组件环境温度为25 ℃条件下测量的，其中，测量光伏组件光照强度的实验工具是太阳能辐射仪TES-1333/1333R，此外光伏组件的灰度值是通过该文研究的图像处理技术测量的，部分实验数据如表2所示。由上述图像处理技术仿真的光伏组件像素灰度值和其对应的光照强度，通过Origin软件进行多项式拟合，对比不同阶数拟合曲线的评价指标值，从而获得最优的拟合曲线及表达式。