论文部分内容阅读
在光伏电池行业,色差指的是同一光伏电池表面的颜色分布不均匀。色差检测是指对同一光伏电池表面进行颜色分布均匀性的检测。其色差检测算法的优劣直接影响下一生产环节-组件产品质量控制。本文通过分析了光伏电池表面颜色的特点,采用了基于色差直方图的色差检测算法对其进行特征提取与色差检测。获得了最佳色差特征参数,实现了光伏电池的色差检测,解决了色差检测问题。由于不同颜色的光伏电池拼接成组件后,会降低组件的美观性,影响组件的发电效率,减少组件的使用寿命,因此对不同颜色的光伏电池片进行颜色分类具有重大的价值和意义。针对现有的光伏电池颜色分类识别时存在的问题,包括光伏电池不同类之间颜色差异小、区分能力弱的问题,进行了深入地分析并提出了两种解决算法,分别是基于改进高斯混合模型的光伏电池分类算法和基于多色空间特征与DAG-SVMs的光伏电池分类算法。具体研究内容如下:(1)针对光伏电池的色差问题,采用基于色差直方图的光伏电池色差检测算法。通过提取L~*a~*b~*颜色空间下的色差直方图特征,提升光伏电池的色差对比度,并对提取的特征进行颜色空间的量化以及距离度量,得到最优参数,有效解决了光伏电池的色差检测问题。在TJYL-PV-CD上的实验,取得了良好的检测结果。说明本文算法针对光伏电池色差检测的有效性。(2)针对光伏电池的颜色分类问题,采用基于改进高斯混合模型的光伏电池颜色分类算法。采用视觉效果上接近人类视觉系统感知的RGB颜色模型,在RGB颜色空间上进行颜色特征的统计分析,并针对高斯混合模型存在的孤立点,进行改进,消除孤立点。为了验证方法的性能,在TJYL-PV-AB上进行实验,结果表明本文方法分类效果好。(3)针对光伏电池的颜色分类问题,还提出一种基于多色空间特征与DAG-SVMs的光伏电池颜色分类方法。提出多色空间可视化的特征筛选方法,有效解决了不同颜色空间的对比难的问题,特征筛选快而准。首次实现DAG-SVMs理论在光伏电池视觉检测领域的颜色分类方向上的应用。为了验证算法的有效性,在TJYL-PV-AB上进行实验,结果表明本文方法分类效果好。