改進(jìn)canny算子的太陽(yáng)能電池表面缺陷檢測(cè)

劉鋮鋮，劉立群，焦秀華，張瓊藝

(太原科技大學(xué)電子信息工程學(xué)院，太原 030024)

隨著經(jīng)濟(jì)全球化的快速發(fā)展，能源短缺和環(huán)境污染已成為世界關(guān)注的重要問(wèn)題，各類新能源的深度開發(fā)與廣泛使用得到世界各國(guó)密切關(guān)注。其中，太陽(yáng)能以清潔、資源多等優(yōu)點(diǎn)成為了人們廣泛應(yīng)用的可再生能源。太陽(yáng)能電池普及應(yīng)用使人們對(duì)太陽(yáng)能電池表面的質(zhì)量要求也越來(lái)越高。太陽(yáng)能電池在制造過(guò)程中，工藝技術(shù)、機(jī)械操作等問(wèn)題可造成表面藍(lán)斑、斷柵等缺陷，太陽(yáng)能電池在使用過(guò)程中，天氣因素和搬運(yùn)運(yùn)輸?shù)葐?wèn)題可造成表面缺角、磨損等缺陷[1-3]。太陽(yáng)能電池表面缺陷影響其發(fā)電效率和使用壽命，因此研究太陽(yáng)能電池表面缺陷并對(duì)其進(jìn)行實(shí)時(shí)監(jiān)測(cè)具有重要意義。

目前，太陽(yáng)能電池表面缺陷檢測(cè)方法有很多種，大體上可分為兩類：人工物理檢測(cè)與機(jī)器視覺(jué)檢測(cè)，其中，人工檢測(cè)易受人為因素影響，物理檢測(cè)易受外界環(huán)境因素影響。其中，人工檢測(cè)代表性研究有：Wen等[4]提出電子散斑干涉的分析法，即對(duì)晶硅類電池片通入反向電流，進(jìn)而導(dǎo)致其發(fā)熱，通過(guò)觀察電子散斑變形圖判斷表面缺陷；Brooks等[5]發(fā)現(xiàn)裂紋引起的表面畸變會(huì)影響局部表面法線的變化，采用熱成像攝像機(jī)對(duì)晶體硅電池表面的紅外光源鏡面反射成像，觀察成像變化以及在紅外熱像中捕捉到的失真圖像可以實(shí)現(xiàn)缺陷檢測(cè)；Zhang等[6]運(yùn)用光學(xué)深能級(jí)瞬態(tài)譜分析(ODLTS)技術(shù)進(jìn)行缺陷檢測(cè)，該技術(shù)采用三種低能量質(zhì)子分別照射被測(cè)太陽(yáng)能電池片樣本，分析圖像并對(duì)其實(shí)施模擬測(cè)算，從而實(shí)現(xiàn)檢測(cè)表面裂紋。另外，物理檢測(cè)代表研究為：Anwar等[7]提出用機(jī)器視覺(jué)檢測(cè)方法檢測(cè)表面缺陷，利用將梯度特征與各項(xiàng)異性擴(kuò)散相結(jié)合的方法對(duì)電池表面的微裂紋缺陷進(jìn)行檢測(cè)。由上述檢測(cè)方法對(duì)比可知，機(jī)器視覺(jué)方法在太陽(yáng)能電池表面缺陷檢測(cè)中的應(yīng)用更加快捷、準(zhǔn)確，并能使監(jiān)測(cè)結(jié)果具有時(shí)效性。

1 圖像處理缺陷檢測(cè)理論

1.1 圖像采集

視頻監(jiān)控系統(tǒng)進(jìn)行圖像采集，視頻監(jiān)控系統(tǒng)如圖1所示，由攝像采集系統(tǒng)、信息傳輸系統(tǒng)、控制系統(tǒng)和圖像處理系統(tǒng)組成[8]。實(shí)驗(yàn)時(shí)，規(guī)定wifi攝像頭的角度正對(duì)光伏陣列，系統(tǒng)通過(guò)多路視頻采集器將監(jiān)控現(xiàn)場(chǎng)信息使用無(wú)線網(wǎng)絡(luò)采集到控制中心?？刂葡到y(tǒng)定時(shí)地將視頻分離截取圖像，篩選出有缺陷的太陽(yáng)能電池圖像用做后續(xù)目標(biāo)檢測(cè)和分析的原始圖像。

圖1 視頻監(jiān)控系統(tǒng)

1.2 圖像增強(qiáng)

1.2.1 灰度線性變換

灰度線性變換是將目標(biāo)圖像的像素點(diǎn)按照一定的變換函數(shù)關(guān)系來(lái)改變?cè)瓐D灰度值，可改善原圖像畫質(zhì)，其公式如式(1)所示。

TB=g(TA)=KTA+b

(1)

式中：K表示灰度變換方程的斜率；TA表示原圖像灰度值；b表示灰度變換方程在y軸的截距；TB表示輸出圖像的灰度值。K，b決定輸出圖像灰度值結(jié)果的變化。

1.2.2 中值濾波

中值濾波是一種運(yùn)用排序統(tǒng)計(jì)理論，可以有效抑制孤立噪聲點(diǎn)的圖像處理技術(shù)，屬于非線性信號(hào)平滑技術(shù)[9-10]。設(shè)一維序列f1f2…fn其中取長(zhǎng)度為奇數(shù)m個(gè)點(diǎn)作為濾波窗口，中值濾波就是先從該一維序列中提取m個(gè)點(diǎn)fi-v…fi-1fifi+1…fi+v，再將這m個(gè)點(diǎn)按其數(shù)值大小排列，以m個(gè)數(shù)的中間值代替原值作為輸出。將一個(gè)3*3矩陣作為濾波窗口通過(guò)中值濾波后如圖2所示。一維序列中值濾波公式如式(2)所示，二維數(shù)據(jù)中值濾波公式如式(3)表示：

圖2 二維中值濾波

(2)

(3)

1.3 圖像分割——改進(jìn)的邊緣檢測(cè)

圖像分割指把圖像分割成若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域并選擇保留其目標(biāo)區(qū)域[11-13]。該文涉及到一種Canny算子的邊緣檢測(cè)，Canny算子是具有平滑功能的高斯函數(shù)一階微分算子，可以有效地抑制圖像噪聲。本文Canny邊緣檢測(cè)具體步驟如下所示：

①將圖像變換為灰度圖像

將彩色圖像中的每個(gè)像素進(jìn)行灰度處理，灰度變換如式(4)所示，然而實(shí)驗(yàn)結(jié)果受到光伏板表面條紋的影響，無(wú)法準(zhǔn)確檢測(cè)出光伏表面上的缺陷。為此進(jìn)行大量的實(shí)驗(yàn)，當(dāng)攝像頭距離光伏板正中心位置(60～100)cm時(shí)，對(duì)視頻截取的圖像進(jìn)行灰度變換。其中線性變換斜率K>1，經(jīng)過(guò)大量實(shí)驗(yàn)驗(yàn)證，將圖像灰度范圍設(shè)定為0.120～0.496.

gray=R×0.299+G×0.587+B×0.14

(4)

如圖3(a)是沒(méi)有進(jìn)行圖像增強(qiáng)只進(jìn)行灰度變換的邊緣檢測(cè)圖，圖3(b)是加入圖像增強(qiáng)后的邊緣檢測(cè)圖。對(duì)比可知，在預(yù)處理步驟中加入圖像增強(qiáng)后，可以將光伏表面缺陷準(zhǔn)確地檢測(cè)出來(lái)。

圖3 圖像增強(qiáng)后的邊緣檢測(cè)對(duì)比圖

②用高斯濾波器平滑處理原圖像

在實(shí)際工程中，高斯濾波器可以在抗噪聲干擾和邊緣檢測(cè)精確定位達(dá)到較好的平衡效果。引入高斯濾波函數(shù)如式(5)，對(duì)原圖像f(x,y)進(jìn)行高斯平滑濾波處理，得到圖像g(x,y)如式(6)所示：

(5)

g(x,y)=h(x,y,σ)*f(x,y)

(6)

③有限差分計(jì)算梯度的幅值和方向

(7)

(8)

圖像的邊緣可以指向不同方向，因此，Canny算法使用四個(gè)算子來(lái)檢測(cè)圖像中的水平、垂直和對(duì)角邊緣的梯度。常用的邊緣算子計(jì)算水平Gx和垂直Gy方向的一階導(dǎo)數(shù)值。

(9)

(10)

式中：M(x,y)為梯度的幅值，代表了圖像的邊緣強(qiáng)度如式(9)；θ(x,y)為梯度的方位角，代表了圖像梯度的方向如式(10).當(dāng)M(x,y)為局部最大時(shí)，此時(shí)θ(x,y)反映了邊緣的方向。

④對(duì)梯度幅值進(jìn)行非極大值抑制

非極最大值抑制是一種邊緣細(xì)化技術(shù)，經(jīng)過(guò)梯度計(jì)算后，梯度值中的有些邊緣仍然非常模糊，此時(shí)就需對(duì)梯度幅值進(jìn)行非極大值抑制。將當(dāng)前像素的邊緣強(qiáng)度值P與正梯度方向值P1和負(fù)梯度方向值P2的邊緣強(qiáng)度值進(jìn)行比較。當(dāng)前像素值P與P1，P2相比是最大的，則該像素值將被保留；否則，該值將被抑制，如圖4所示。

圖4 梯度方向分割示意圖

⑤用雙閾值算法檢測(cè)和連接邊緣

Canny算法應(yīng)用一個(gè)高閾值和一個(gè)低閾值相結(jié)合來(lái)區(qū)分邊緣像素，稱之為雙閾值。如果選取的閾值過(guò)小則不能過(guò)濾非邊緣，如果選取的閾值過(guò)大則會(huì)濾除掉所需圖像的邊緣，而Canny雙閾值算法解決了上述問(wèn)題[14-15]。

通過(guò)非極大值抑制后，使圖像梯度值與高閾值和低閾值進(jìn)行比較，若圖像中某個(gè)像素位置的梯度值大于高閾值時(shí)，則該像素值被標(biāo)記為邊緣像素。若圖像中某個(gè)像素位置的梯度值小于低閾值時(shí)，則該像素被去除。經(jīng)過(guò)圖像灰度直方圖和大量試驗(yàn)，本文將Canny閾值取值范圍設(shè)定為0.580～0.689.

2 實(shí)驗(yàn)分析

2.1 圖像分割實(shí)驗(yàn)

實(shí)驗(yàn)設(shè)備由1080p的wifi攝像頭進(jìn)行圖像的實(shí)時(shí)采集，對(duì)實(shí)驗(yàn)數(shù)據(jù)處理的計(jì)算機(jī)是Windows 8.1專業(yè)版，64位操作系統(tǒng)。運(yùn)用Visual Studio 2010開發(fā)軟件進(jìn)行C語(yǔ)言編譯，并使用Matlab2012a軟件在CPU為2.6 GHz、內(nèi)存容量為4 GB的電腦配置上進(jìn)行仿真。為比較改進(jìn)的Canny邊緣檢測(cè)分割方法和文獻(xiàn)[3]分割方法，在實(shí)驗(yàn)溫度25 ℃的環(huán)境下，分別進(jìn)行圖像的采集和處理分析，選取有藍(lán)斑、磨損、缺角和刮紋缺陷光伏板實(shí)驗(yàn)，如圖5-圖7所示。

圖5 50 W光伏板不同分割方法對(duì)比

圖6 10 W光伏板不同分割方法對(duì)比

圖7 30 W光伏板不同分割方法對(duì)比

第一、二組實(shí)驗(yàn)為藍(lán)斑和磨損缺陷光伏板(50 W)，第三、四組實(shí)驗(yàn)為缺角和刮紋缺陷光伏板(10 W)，第五組實(shí)驗(yàn)為藍(lán)斑和刮紋組合缺陷光伏板(30 W).通過(guò)比較仿真圖可知，文獻(xiàn)[3]分割處理的圖像如圖5(a1)、(b1)、圖6(c1)、(d1)和圖7(e1)，與原圖像灰度圖相比發(fā)現(xiàn)面積明顯縮小且分割邊緣粗糙。然而該文涉及到的Canny邊緣檢測(cè)分割方法圖5(a2)、(b2)、圖6(c2)、(d2)和圖7(e2)，相比于文獻(xiàn)[3]分割方法，具有抗噪能力強(qiáng)，分割邊緣光滑平整的優(yōu)點(diǎn)，并且能夠更準(zhǔn)確地還原圖像中的缺陷區(qū)域，這為計(jì)算光伏表面缺陷面積、研究缺陷面積對(duì)光伏特性的影響奠定了基礎(chǔ)。

2.2 數(shù)據(jù)分析

(11)

δ=|Pq-Ps|

(12)

(13)

表1 實(shí)驗(yàn)數(shù)據(jù)分析表

3 光照強(qiáng)度和灰度值的擬合

3.1 多項(xiàng)式曲線擬合

多項(xiàng)式曲線擬合是由微小的直線段把已知的離散數(shù)據(jù)點(diǎn)連接成一條光滑的曲線。將兩個(gè)沒(méi)有函數(shù)關(guān)系式表達(dá)的變量，通過(guò)擬合曲線找出離散數(shù)據(jù)的規(guī)律。該方法是根據(jù)多項(xiàng)式插值和逼近理論提出的，用簡(jiǎn)單變量估算不具備測(cè)量條件的變量，從而簡(jiǎn)化了工程計(jì)算，多項(xiàng)式擬合數(shù)學(xué)表達(dá)式如式(14)所示。

(14)

3.2 擬合實(shí)驗(yàn)

曲線擬合實(shí)驗(yàn)數(shù)據(jù)是在光伏組件環(huán)境溫度為25 ℃條件下測(cè)量的，其中，測(cè)量光伏組件光照強(qiáng)度的實(shí)驗(yàn)工具是太陽(yáng)能輻射儀TES-1333/1333R，此外光伏組件的灰度值是通過(guò)該文研究的圖像處理技術(shù)測(cè)量的，部分實(shí)驗(yàn)數(shù)據(jù)如表2所示。由上述圖像處理技術(shù)仿真的光伏組件像素灰度值和其對(duì)應(yīng)的光照強(qiáng)度，通過(guò)Origin軟件進(jìn)行多項(xiàng)式擬合，對(duì)比不同階數(shù)擬合曲線的評(píng)價(jià)指標(biāo)值，從而獲得最優(yōu)的擬合曲線及表達(dá)式。

表2 實(shí)驗(yàn)數(shù)據(jù)記錄表

將實(shí)驗(yàn)數(shù)據(jù)使用Origin軟件進(jìn)行擬合，不同階數(shù)的擬合曲線評(píng)價(jià)指標(biāo)由表3所示。

表3 不同階數(shù)的擬合曲線評(píng)價(jià)指標(biāo)值

通過(guò)對(duì)比擬合精度可知，三次方曲線擬合效果最優(yōu)，其擬合精度為0.955 05，評(píng)價(jià)指標(biāo)最接近1，其擬合函數(shù)關(guān)系式如式(15)所示。圖8(a)-圖8(d)分別表示實(shí)驗(yàn)數(shù)據(jù)的一次方擬合、二次方擬合、三次方擬合和四次方擬合。

y=-6.78×102+3.72×

10x-2.65×10-1x2+6.22×10-4x3

(15)

由三次方擬合圖8(c)可知，隨著缺陷面積減小，即灰度值越大，其光伏板的光照強(qiáng)度逐漸增大然后增速趨于平緩。由此可知，當(dāng)光伏板缺陷面積過(guò)小時(shí)，其對(duì)光伏板的光照強(qiáng)度影響不大，但當(dāng)缺陷面積增大到一定程度，將對(duì)光伏板的光照強(qiáng)度造成極大影響，這將嚴(yán)重影響光伏板的光轉(zhuǎn)換效率。

圖8 不同階數(shù)的擬合曲線

4 結(jié)束語(yǔ)

本文使用圖像處理技術(shù)來(lái)實(shí)現(xiàn)太陽(yáng)能電池表面缺陷檢測(cè)，利用改進(jìn)的Canny邊緣檢測(cè)方法能夠更加準(zhǔn)確地得到其表面缺陷。通過(guò)Origin擬合實(shí)驗(yàn)數(shù)據(jù)，建立像素灰度值和光照強(qiáng)度的函數(shù)關(guān)系。由實(shí)驗(yàn)可得出以下結(jié)論：

(1)采用改進(jìn)的Canny邊緣檢測(cè)方法可準(zhǔn)確分割出太陽(yáng)能電池表面缺陷區(qū)域，相比于基本形態(tài)學(xué)處理分割方法，實(shí)驗(yàn)圖像更接近實(shí)際值。其中，改進(jìn)的Canny邊緣檢測(cè)法求得表面缺陷的平均誤差為0.034%，通過(guò)圖像形態(tài)學(xué)處理的平均誤差為0.918%.

(2)對(duì)實(shí)驗(yàn)測(cè)量的數(shù)據(jù)采用多項(xiàng)式曲線擬合方法，擬合出光照強(qiáng)度和灰度值的函數(shù)關(guān)系。對(duì)比不同階數(shù)的擬合曲線可知，三次方擬合曲線的擬合精度為0.955 05，其指標(biāo)值更接近于1，進(jìn)而三次方擬合的函數(shù)關(guān)系式更準(zhǔn)確。

(3)本文為研究太陽(yáng)能電池有表面缺陷下的光伏輸出特性和有表面缺陷的光伏板及光伏陣列的MPPT最大功率跟蹤提供了有效手段。