一种基于NBB的点胶检测方法、装置及电子设备与流程
本发明涉及质检,特别是涉及一种基于nbb的点胶检测方法、装置、电子设备、计算机可读存储介质以及程序产品。
背景技术:
1、nbb(none busbar,无主栅)技术是光伏电池领域的一项革新技术,通过取消传统电池片的主栅线设计,用超细焊带替代主栅和副栅的金属电极结构,实现电流传输路径的优化。其中,在固定焊带时,一般通过串焊机在电池片的特定位置点胶固定。
2、为了保证电池片的产品质量,在实际生产中,一般需要对电池片上的点胶区域进行质量检测,以保证电池产品生产合格出厂。但是,由于胶点透明且电池片颜色层次复杂,传统的检测方法容易出现疏漏或者误判,使得点胶检测的准确性以及效率无法得到保证。
技术实现思路
1、本发明的目的在于提供一种基于nbb的点胶检测方法、装置、电子设备、计算机可读存储介质以及程序产品,以解决现有技术中存在的nbb技术中点胶检测准确性差以及效率低的技术问题。
2、为了解决上述技术问题,本发明提供的技术方案在于:
3、本发明第一方面实施例提供一种基于nbb的点胶检测方法,包括:
4、获取胶点图像训练集,所述胶点图像中显示有依次连接的硅片以及所述硅片上的胶点列;
5、基于所述胶点图像训练集进行训练,分别获得点胶定位模型和点胶轮廓模型;
6、获取待检测胶点图像,将所述待检测胶点图像输入所述点胶定位模型和所述点胶轮廓模型,得到点胶深度学习检测结果。
7、进一步地,所述基于所述胶点图像训练集进行训练,获得点胶定位模型,包括:
8、基于所述胶点图像训练集中的胶点列位置特征进行标注,获取定位标签集;
9、对所述定位标签集进行训练,获得所述点胶定位模型。
10、进一步地,所述点胶定位模型为yolox模型。
11、进一步地,所述基于所述胶点图像训练集进行训练,获得点胶轮廓模型,包括:
12、基于所述胶点图像训练集中的胶点轮廓特征进行标注,获取轮廓标签集;
13、对所述轮廓标签集进行训练,获得所述点胶轮廓模型。
14、进一步地,所述点胶轮廓模型为yolov8模型。
15、进一步地,所述获取待检测胶点图像,将所述待检测胶点图像输入所述点胶定位模型和所述点胶轮廓模型,得到点胶检测结果,具体包括:
16、获取待检测胶点图像;
17、将所述待检测胶点图像输入所述点胶定位模型,获取胶点位置信息;
18、将所述待检测胶点图像输入所述点胶轮廓模型,获取胶点轮廓信息;
19、基于所述胶点位置信息、所述胶点轮廓信息得到点胶深度学习检测结果。
20、进一步地,所述将所述待检测胶点图像输入所述点胶定位模型,获取胶点位置信息,包括:
21、提取所述待检测胶点图像中的硅片上边缘坐标;
22、将所述待检测胶点图像输入所述点胶定位模型,获得所述待检测胶点图像中的胶点列坐标;
23、基于所述硅片上边缘坐标和所述胶点列坐标识别出所述待检测胶点图像中的胶点列区域,并通过阈值分割的方法得到硅片间隔区域信息;
24、基于所述硅片上边缘坐标、所述胶点列坐标以及所述硅片间隔区域信息,识别栅线交叉点,并确认胶点是否在所述栅线交叉点的区域上,生成所述胶点位置信息。
25、进一步地,所述提取所述待检测胶点图像中的硅片上边缘坐标,包括:
26、对腐蚀后的所述待检测胶点图像进行连通域分析;
27、进行闭运算处理;
28、基于最大连通区域的高度阈值,通过动态灰度的方法获取所述硅片上边缘坐标。
29、进一步地,所述基于所述硅片上边缘坐标和所述胶点列坐标识别出所述待检测胶点图像中的胶点列区域,得到硅片间隔区域信息包括:
30、基于所述硅片上边缘坐标和所述胶点列坐标进行闭运算、连通域分析,识别出所述待检测胶点图像中的所述胶点列区域,并通过阈值分割的方法得到硅片间隔区域。
31、进一步地,所述基于所述硅片上边缘坐标、所述胶点列坐标以及所述硅片间隔区域信息,识别栅线交叉点,并确认胶点是否在所述栅线交叉点的区域上,生成所述胶点位置信息,还包括:
32、基于所述硅片上边缘坐标和所述胶点列坐标生成对应所述胶点列的感兴趣区域;
33、通过所述感兴趣区域识别对应所述胶点列上的所述栅线交叉点。
34、进一步地,所述基于所述硅片上边缘坐标、所述胶点列坐标以及所述硅片间隔区域信息,识别栅线交叉点,并确认胶点是否在所述栅线交叉点的区域上,生成所述胶点位置信息,还包括:
35、通过形态学开运算去除所述栅线交叉点处的伪影。
36、进一步地,所述基于所述胶点位置信息、所述胶点轮廓信息得到点胶检测结果,包括:
37、基于所述胶点位置信息判断胶点是否缺失、偏移,基于所述胶点轮廓信息判断胶点的缺陷类别,整理所述缺失、偏移以及缺陷类别信息,得到点胶检测结果。
38、进一步地,在所述提取所述待检测胶点图像中的硅片上边缘坐标之前,还包括:
39、对所述待检测胶点图像进行图像增强以及滤波消除干扰处理。
40、本发明第二方面实施例提供一种基于nbb的点胶检测装置,包括:
41、获取模块,用于获取胶点图像训练集以及待检测胶点图像,其中,所述胶点图像中显示有依次连接的硅片以及所述硅片上的胶点列;
42、训练模块,用于采用所述胶点图像训练集训练,分别获得点胶定位模型和点胶轮廓模型;
43、检测模块,用于将待检测胶点图像输入所述点胶定位模型和所述点胶轮廓模型,得到点胶深度学习检测结果。
44、本发明第三方面实施例提供一种电子设备,包括:
45、存储器,用于存储由所述电子设备的一个或多个处理器执行的指令;
46、处理器,当所述处理器执行所述存储器中的所述指令时,可使得所述电子设备执行上述第一方面任一实施例的基于nbb的点胶检测方法。
47、本发明第四方面实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,该指令在计算机上执行时使得计算机执行上述第一方面任一实施例的基于nbb的点胶检测方法。
48、本发明第四方面实施例提供一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现上述第一方面任一实施例的基于nbb的点胶检测方法的步骤。
49、本发明提供一种基于nbb的点胶检测方法,通过获取胶点图像训练集来训练得出点胶定位模型和点胶轮廓模型,然后通过点胶定位模型和点胶轮廓模型同步对胶点进行检测,能够及时剔除不合格的电池片,从而提高产品良率,精准高效。
50、根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
1.一种基于nbb的点胶检测方法,其特征在于,包括:
2.根据权利要求1所述的基于nbb的点胶检测方法,其特征在于,所述基于所述胶点图像训练集进行训练,获得点胶定位模型,包括:
3.根据权利要求2所述的基于nbb的点胶检测方法,其特征在于,所述点胶定位模型为yolox模型。
4.根据权利要求1所述的基于nbb的点胶检测方法,其特征在于,所述基于所述胶点图像训练集进行训练,获得点胶轮廓模型,包括:
5.根据权利要求4所述的基于nbb的点胶检测方法,其特征在于,所述点胶轮廓模型为yolov8模型。
6.根据权利要求1所述的基于nbb的点胶检测方法,其特征在于,所述获取待检测胶点图像,将所述待检测胶点图像输入所述点胶定位模型和所述点胶轮廓模型,得到点胶检测结果,具体包括:
7.根据权利要求6所述的基于nbb的点胶检测方法,其特征在于,所述将所述待检测胶点图像输入所述点胶定位模型,获取胶点位置信息,包括:
8.根据权利要求7所述的基于nbb的点胶检测方法,其特征在于,所述提取所述待检测胶点图像中的硅片上边缘坐标,包括:
9.根据权利要求7所述的基于nbb的点胶检测方法,其特征在于,所述基于所述硅片上边缘坐标和所述胶点列坐标识别出所述待检测胶点图像中的胶点列区域,得到硅片间隔区域信息包括:
10.根据权利要求7所述的基于nbb的点胶检测方法,其特征在于,所述基于所述硅片上边缘坐标、所述胶点列坐标以及所述硅片间隔区域信息,识别栅线交叉点,并确认胶点是否在所述栅线交叉点的区域上,生成所述胶点位置信息,还包括:
11.根据权利要求10所述的基于nbb的点胶检测方法,其特征在于,所述基于所述硅片上边缘坐标、所述胶点列坐标以及所述硅片间隔区域信息,识别栅线交叉点,并确认胶点是否在所述栅线交叉点的区域上,生成所述胶点位置信息,还包括:
12.根据权利要求7所述的基于nbb的点胶检测方法,其特征在于,所述基于所述胶点位置信息、所述胶点轮廓信息得到点胶检测结果,包括:
13.根据权利要求8所述的基于nbb的点胶检测方法,其特征在于,在所述提取所述待检测胶点图像中的硅片上边缘坐标之前,还包括:
14.一种基于nbb的点胶检测装置,其特征在于,包括:
15.一种电子设备,其特征在于,包括:
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有指令,该指令在计算机上执行时使得计算机执行权利要求1~13任一项所述的基于nbb的点胶检测方法。
17.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1~13任一项所述的基于nbb的点胶检测方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com