一种光伏组件EL图像自适应校正与缺陷特征增强方法

本发明属于光伏组件检测与图像处理，尤其涉及一种光伏组件电致发光（electroluminescence，el）图像的自适应校正与缺陷特征增强方法。

背景技术：

1、光伏组件在制造、运输、安装和运行过程中，可能产生隐裂、黑斑、黑片等内部异常。由于上述异常会改变电池片内部载流子复合状态和电学传输特性，其在电致发光（electroluminescence，el）图像中通常表现为细线状暗纹、局部不规则暗区或整片低亮度区域。因此，el 图像中的局部灰度与纹理信息是组件质量分析的重要依据。

2、在无人机、支架式相机等现场采集条件下，原始光伏组件 el 图像常受复杂背景、局部亮度不均、边界灰度过渡和拍摄姿态变化影响。复杂背景会降低组件与周边区域的灰度可分性，导致固定阈值或单阈值分割出现区域缺失或伪前景；拍摄角度变化会引入透视畸变，校正后仍可能存在残余倾斜，使网格主方向偏离图像坐标轴，进而造成组件提取不完整、网格线定位偏移及缺陷特征不明显等问题。

3、现有组件区域提取方法对不同采集场景的灰度变化适应性有限；基于深度网络的分割方式还需要较多标注样本和运算资源。传统粒子群算法用于多阈值组合搜索时，种群多样性下降可能导致粒子过早聚集于局部较优区域，影响复杂背景下二值掩膜图像的完整性和稳定性。

4、现有几何校正与网格定位方法通常依赖原始图像中的局部边缘或预设行列数。当隐裂纹理、细密栅线、边缘缺失或局部低亮度区域同时存在时，局部边缘容易与组件主边界或网格分割线混淆；并且，若不进一步建立图像坐标、网格行列位置和电池片编号之间的映射关系，难以形成稳定的电池片空间参考结构。

5、此外，隐裂通常仅形成细线状弱灰度变化，黑斑表现为局部低亮度纹理，黑片表现为较大范围低亮度区域。若对整幅组件图像直接进行全局直方图均衡，容易受不同电池片亮度分布差异影响，并可能同时放大背景、边框和栅线干扰；若只对局部区域进行独立增强而不处理子块边界，又容易产生块状灰度突变。因此，需要一种能够将组件区域自适应提取、几何标准化、网格空间建系与电池片级局部对比度增强相结合的方法，以在保持缺陷形态和空间位置的同时提高缺陷区域的可辨识性。

技术实现思路

1、发明目的：本发明的目的在于提供一种光伏组件el图像自适应校正与缺陷特征增强方法，以解决复杂背景下组件区域提取不稳定、透视畸变及残余旋转导致网格定位偏移、图像坐标与电池片结构坐标缺乏对应关系，以及隐裂、黑斑和黑片等低对比度缺陷不易辨识的问题。

2、技术方案：本发明的一种光伏组件el图像自适应校正与缺陷特征增强方法，包括如下步骤：

3、步骤1、采集原始光伏组件el图像并基于改进粒子群算法aw-gnpso的多阈值分割，对分割结果进行形态学优化，得到用于标示光伏组件区域的二值掩膜图像；

4、步骤2、根据所述二值掩膜图像从所述原始光伏组件el图像中提取光伏组件区域，对光伏组件区域的梯形变形进行透视校正，并对透视校正后的光伏组件el图像的整体倾斜进行残余旋转校正，得到标准化组件el图像；

5、步骤3、对所述标准化组件el图像进行电池片网格定位，确定各电池片区域及其电池片编号，建立图像坐标、网格行列位置与电池片编号之间的映射关系，基于横向分割线、纵向分割线、各电池片区域及其网格行列位置构建电池片空间参考结构；

6、步骤4、针对隐裂的细线状弱灰度变化、黑斑的局部低亮度纹理和黑片的大面积低亮度区域，根据所述电池片空间参考结构提取各电池片区域，对每一电池片区域进行分块对比度受限自适应直方图均衡处理，包括灰度直方图限幅、超限像素重分配、灰度映射和相邻子块插值；将增强后的各电池片区域按照原网格位置重组，得到在保持电池片空间位置关系的同时强化缺陷区域与正常区域局部灰度差异的缺陷特征增强型标准化组件el图像。

7、进一步的，步骤1中，所述多阈值分割具体为：

8、对光伏组件el图像进行灰度化处理，统计灰度直方图；

9、基于最大类间方差准则构建多阈值分割适应度函数；阈值组合、各灰度区域的类别概率与平均灰度，以及整幅图像的全局平均灰度均由下式中的对应变量表示，适应度函数及最优阈值组合分别为：

10、

11、

12、式中，t表示按灰度级递增排列的分割阈值，k表示划分后的灰度区域总数，j表示灰度区域序号；ωj表示相应灰度区域的类别概率，μj表示相应灰度区域的平均灰度，其中不带区域序号的μ表示整幅图像的全局平均灰度；σb2表示类间方差，上角标*表示最优取值；

13、利用改进粒子群优化算法搜索使所述适应度函数达到最优的阈值组合；

14、根据所述阈值组合将光伏组件电致发光图像划分为多个灰度区域；

15、将背景区域记为背景类别，将其余目标区域合并为前景类别，得到初始二值掩膜图像。

16、进一步的，步骤1中，利用所述改进粒子群算法aw-gnpso搜索使多阈值分割适应度函数达到最优的阈值组合，具体为：

17、将候选多阈值组合编码为粒子位置，初始化粒子种群的位置和速度，并按照动态惯性权重更新粒子速度和位置；动态惯性权重根据当前函数评价次数与最大函数评价次数的比值进行调整，并叠加由logistic混沌映射产生的随机调节量；最大惯性权重、最小惯性权重及其余控制参数按照下式限定：

18、

19、式中，公式左侧的ωt表示当前迭代阶段的动态惯性权重；fes表示当前函数评价次数，分式分母表示最大函数评价次数；ωmax和ωmin分别表示最大惯性权重和最小惯性权重；rl表示logistic混沌映射产生的随机调节量，uω、vω表示控制系数；max_nfe表示表示最大函数评价次数；

20、在粒子位置更新后，从粒子种群中选取不同粒子，根据粒子的个体历史最优适应度比较结果构造第一差分方向和第二差分方向，并结合两组服从标准正态分布的高斯随机变量及取值位于[0,1]区间内的随机权重，按照下式生成广义正态优化候选位置：

21、

22、式中，xi表示第i个粒子的当前位置，xigndo表示广义正态优化生成的粒子候选位置，下标i表示粒子序号，上标gndo表示由广义正态分布优化生成；β表示取值位于[0,1]区间内的随机权重；l1和l2表示两组服从标准正态分布的随机变量；d1和d2分别表示第一差分方向和第二差分方向；

23、按照随迭代进程递减的变异概率，对粒子执行在粒子邻域内产生多尺度局部扰动的小波变异；以尺度参数a和随机变量ξ构造小波扰动因子δ，并按照δ的符号生成小波变异候选位置，小波扰动因子及小波变异候选位置分别为：

24、

25、

26、式中，δ表示小波扰动因子，a表示随迭代进程变化的尺度参数，ξ表示随机变量；xiwave表示粒子位置，下标i表示粒子序号，上标wave表示小波变异候选位置；当δ大于0时向归一化上界方向扰动，当δ小于或等于0时按当前位置比例扰动；

27、比较粒子位置更新、广义正态优化和小波变异所得候选位置的适应度，保留适应度高的位置并更新个体最优位置和全局最优位置，直至满足迭代终止条件，将全局最优位置对应的阈值组合作为多阈值组合。

28、进一步的，步骤1中，所述形态学优化具体为：

29、对多阈值分割所得初始二值掩膜图像进行连通区域分析，去除面积小于预设最小面积阈值的小连通区域；

30、对去除小连通区域后的初始二值掩膜图像依次执行开运算和闭运算，以去除组件轮廓上的突出结构、平滑组件边界、填补边缘凹陷并连接存在间隙的相邻区域；设待处理二值掩膜为b、结构元素为s，则开运算为，闭运算为，其中表示腐蚀，表示膨胀；

31、对闭运算所得二值掩膜图像执行孔洞填充，并对孔洞填充所得二值掩膜图像进行连通区域分析，保留面积最大的连通区域，得到用于标示光伏组件区域的所述二值掩膜图像。

32、进一步的，步骤2中，所述透视校正具体为：

33、根据二值掩膜图像提取光伏组件轮廓，对光伏组件轮廓的四条边分别进行直线拟合，计算相邻拟合直线的交点以恢复光伏组件四角点，并将光伏组件四角点按照左上、右上、右下和左下的顺序排列；

34、分别计算光伏组件四边形区域的上边与下边长度以及左边与右边长度，以相对两边中的较大长度分别确定目标矩形的宽度和高度；

35、根据排序后的光伏组件四角点与目标矩形顶点之间的对应关系求取3×3单应矩阵，并利用单应矩阵对所述原始光伏组件el图像进行透视变换，将光伏组件四边形区域映射为规则矩形组件区域；其中，源图像点与目标平面点均采用齐次坐标表示，并满足：

36、

37、式中，h表示由四组对应点求得的3×3单应矩阵；x、y表示源图像点坐标，u、v表示目标平面点坐标；λ表示齐次尺度因子。

38、进一步的，步骤2中，所述残余旋转校正具体为：

39、对透视校正后的光伏组件el图像依次进行局部对比度增强、平滑滤波和边缘提取，对所得边缘图像进行霍夫直线检测以获得候选直线；

40、设任一候选直线由两个端点确定，按照下式计算所述候选直线的方向角和以直线长度为基础的权重；筛选接近水平方向或垂直方向的候选直线，并将筛选后的候选直线转换为相对于对应水平理想方向或垂直理想方向的偏差角：

41、

42、式中，φ表示候选直线方向角；x1、y1和x2、y2分别表示两个端点的坐标；ωi表示候选直线长度权重，下标i表示候选直线序号；

43、以长度权重对各偏差角进行加权中位数计算，得到残余旋转角，并按照与残余旋转角相反的方向旋转透视校正后的光伏组件el图像，得到标准化组件el图像。

44、进一步的，步骤3中，对所述标准化组件el图像进行电池片网格定位，确定各电池片区域及其电池片编号具体为：对所述标准化组件el图像分别进行横向方向性增强和纵向方向性增强；设标准化组件el图像为 ，采用横向方向性卷积核 和纵向方向性卷积核分别对所述标准化组件el图像进行卷积处理，得到横向增强图像 和纵向增强图像 ，其计算式为：

45、

46、

47、采用sobel算子分别计算所述纵向增强图像 的横向梯度响应和所述横向增强图像 的纵向梯度响应，所述sobel算子的水平方向卷积核 和垂直方向卷积核 分别为：

48、

49、

50、根据水平方向卷积核 和垂直方向卷积核 ，分别计算横向梯度响应 和纵向梯度响应 ：

51、

52、

53、式中， 表示标准化组件el图像； 和 分别表示横向方向性卷积核和纵向方向性卷积核； 和 分别表示横向增强图像和纵向增强图像； 和 分别表示sobel算子的水平方向卷积核和垂直方向卷积核； 和 分别表示横向梯度响应和纵向梯度响应；符号 表示二维卷积运算；符号 表示对卷积结果逐像素取绝对值；

54、根据梯度响应构造横向候选线响应图和纵向候选线响应图；对候选线响应图进行闭运算和小面积连通域去除；沿行方向和列方向分别构造一维投影信号；

55、对一维投影信号进行平滑，通过一维投影信号的自相关结果估计网格周期，基于中位数绝对偏差设置峰值检测阈值，提取候选网格线位置；

56、根据所述候选网格线位置和所述网格周期进行等间距网格拟合，并对边界缺失、相邻峰合并或候选线不足的情形进行补偿，得到横向分割线集合、纵向分割线集合、组件行数和组件列数；将相邻横向分割线与相邻纵向分割线围成的区域确定为电池片区域。

57、进一步的，步骤3中，所述建立图像坐标、网格行列位置与电池片编号之间的映射关系具体为：根据电池片网格定位所得横向分割线和纵向分割线确定各电池片区域的网格行列位置，按照所述网格行列位置为各电池片区域设置电池片编号，并建立图像坐标与电池片网格行列位置之间的映射函数m(x,y)；设纵向分割线集合为x、横向分割线集合为y，对于位于相邻分割线之间的任一像素坐标(x,y)，所述映射关系为：

58、

59、

60、式中，x和y分别表示纵向分割线集合与横向分割线集合；xc、xc+1表示相邻纵向分割线坐标，yr、yr+1表示相邻横向分割线坐标，c和r分别表示组件列数与行数；c和r分别表示像素所在电池片的列序号与行序号；m表示由像素坐标到电池片网格行列位置的映射函数。

61、进一步的，步骤4具体为：缺陷特征增强以隐裂的细线状弱灰度变化、黑斑的局部低亮度纹理以及黑片的大面积低亮度区域为增强对象，包括：

62、根据电池片空间参考结构中的横向分割线和纵向分割线，从标准化组件el图像中分别提取各电池片区域，将每一电池片区域划分为多个局部子块，并分别统计各局部子块的灰度分布；

63、计算各局部子块的灰度直方图，按照预设限幅阈值对所述灰度直方图进行限幅处理，将超出限幅阈值的像素数量重新分配至各灰度级，并根据重新分配后的灰度直方图构建各局部子块的灰度映射关系，以提升弱灰度缺陷与局部正常区域之间的对比度；所述限幅阈值确定标准如下：

64、

65、其中α为预设限幅系数，nb为局部子块像素总数，l为灰度级数量；

66、对于任一像素，依据其所在位置相邻局部子块的灰度映射关系进行双线性插值，获得局部对比度增强后的电池片区域，以连续强化隐裂暗线、黑斑局部暗区和黑片低亮度区域与其邻域正常区域之间的灰度差异；

67、将局部对比度增强后的各电池片区域按照对应的横向分割线和纵向分割线位置重组，保持各电池片区域的空间排列、缺陷形态和缺陷位置，得到缺陷区域局部对比度及可辨识性提高的缺陷特征增强型标准化组件el图像

68、本发明还公开一种计算机装置，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现本发明方法的步骤。

69、有益效果：与现有技术相比，本发明具有如下显著优点：

70、（1）通过多阈值最大类间方差目标与aw-gnpso阈值搜索相结合，利用动态惯性权重、广义正态优化和小波变异协同改善多峰阈值空间中的全局搜索与局部开发能力，有助于提高复杂背景下组件区域提取的稳定性。

71、（2）以组件二值掩膜图像恢复整体四边结构和四角点，并将单应透视变换与基于直线长度加权中位数的残余旋转校正相结合，能够降低局部纹理、缺陷暗纹和短伪线段对组件主方向估计的影响，形成适于网格定位的标准化组件el图像。

72、（3）通过方向性增强、梯度响应、投影统计、自相关周期估计、中位数绝对偏差阈值和等间距拟合恢复完整网格，并建立像素坐标、网格行列位置与电池片编号的映射关系，为缺陷增强和后续缺陷定位提供统一的电池片空间参考结构。

73、（4）以单个电池片区域为处理单元执行分块对比度受限自适应直方图均衡，能够分别适配各电池片的局部灰度分布，并通过直方图限幅抑制噪声过度放大、通过相邻子块插值减弱块边界突变，从而连续强化隐裂暗线、黑斑局部暗区和黑片低亮度区域与其邻域正常区域的灰度差异。

74、（5）增强后的电池片区域按照原网格位置重组，保留了电池片空间排列、缺陷形态和缺陷位置，使输出图像同时具有几何标准化、空间可追溯和缺陷特征增强属性，便于后续人工复核或缺陷检测处理。