【专利 超音速 CN118037635A】一种光伏加工产品缺陷检测方法

申请号	CN202410053862.4
公开号（公开）	CN118037635A
申请日	2024.01.12
申请人（公开）	超音速人工智能科技股份有限公司
发明人（公开）	张俊峰（张总）; 叶长春（叶总）; 许春夏

摘要

本发明公开一种光伏加工产品缺陷检测方法，涉及产品检测领域。该光伏加工产品缺陷检测方法，所述缺陷检测方法包括如下步骤：步骤S1：设备启动并通过相机获取产品图像，将图像输入系统中进行处理；步骤S2：对图像进行边缘提取；步骤S3：确定缺陷检测区域；步骤S4：对缺陷进行定位；步骤S5：将缺陷区域分类；步骤S6：输出缺陷数据。该光伏加工产品缺陷检测方法结合边缘提取、确定检测区域、缺陷定位、多特征缺陷分类等方法，构建一种综合的光伏加工产品缺陷检测方法，这种方法能够准确地定位和分类不同类型的缺陷，为生产环节提供及时的反馈和改进方案，提高产品质量和生产效率。

下面是我的理解

第一步：通电并启动设备。
第二步：通过光源自适应，调整光源到合适亮度。
第三步：触发相机拍照，并通过相机驱动程序获取图片。
第四步：对产品图像进行边缘提取，包括但不限于：边缘轮廓、产品表面线条信息。主要涉及Canny边缘检测算法。
第五步：根据第四步的信息及需要检测的缺陷类型，计算需要检测的区域。通过阈值分割方法来确定检测区域，这样可以减少计算量，提高检测效率。
所述缺陷类型包括：垂直度、对齐度、线弓和跳线；
所述缺陷检测区域包括：产品边缘轮廓和产品表面；
在需要检测产品边缘轮廓缺陷垂直度和对齐度类型时，提取产品的轮廓信息特征；
在需要检测产品表面线弓和跳线缺陷类型时，提取产品表面线条信息特征；
第六步：对于确定的缺陷检测区域，使用图像处理算法，对缺陷进行定位。采用连通区域分析算法，定位出缺陷位置，实现准确快速定位缺陷的位置，为后续的分类提供准确的数据。
第七步：对于定位出的缺陷位置，使用机器学习算法，将缺陷检测区域分类为不同的缺陷类型。不同的缺陷通过组合不同的特征得到特征向量，将缺陷进行分类。使用预训练模型提取图像特征，使用FPN融合多尺度特征，使用RPN提取候选框，使用ROIAlign抽取局部特征，使用分类、回归、FCN进行缺陷分类、位置回归以及掩膜信息提取。
第八步：检测结果处理。一，按天或小时，将结果存储到excel或pdf文件中，方便查阅良率等相关信息。二，将部分检测结果传播过PLC，方便控制机台。三，数据实时显示在屏幕上，方便查阅。四，异常数据报警。

特色

特别的，检测系统采用独立控制，与设备联机，检测系统未启动时，设备不运行。

扩展阅读

视频课程

有效学习：明确的目标 及时的反馈 拉伸区（难度合适），可以先学简单的课程，请移步CSDN学院，听白银讲师（也就是鄙人）的讲解。
https://edu.csdn.net/course/detail/38771

如何你想快速形成战斗了，为老板分忧，请学习C#入职培训、C++入职培训等课程
https://edu.csdn.net/lecturer/6176

相关下载

想高屋建瓴的学习算法，请下载《喜缺全书算法册》doc版
https://download.csdn.net/download/he_zhidan/88348653

我想对大家说的话
《喜缺全书算法册》以原理、正确性证明、总结为主。
闻缺陷则喜是一个美好的愿望，早发现问题，早修改问题，给老板节约钱。
子墨子言之：事无终始，无务多业。也就是我们常说的专业的人做专业的事。
如果程序是一条龙，那算法就是他的是睛

测试环境

操作系统：win7 开发环境： VS2019 C++17
或者 操作系统：win10 开发环境： VS2022 C++17
如无特殊说明，本算法用**C++**实现。