原文摘要

本发明公开一种光伏板缺陷检测系统，涉及
光伏板检测领域。该光伏板缺陷检测系统，通过
在系统框架内嵌入缺陷检测功能，通过对现有的
缺陷检测系统植入边缘算法和特征组合分类算
法，边缘算法能够很好地多图像进行处理，避免
特征提取时存在相互干扰，然后对图像特征进行
分类提取，不同的缺陷通过组合不同的特征得到
特征向量，能有效的将缺陷分类出来，从而有效
实现图像缺陷检测，同时利用缺陷检测AI深度学
习算法，通过训练模型提取图像特征；使用FPN融
合多尺度特征；使 用R P N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，从而
实现缺陷检测模型训练，使得缺陷检测准确率提升。

一种光伏板缺陷检测系统的组成部分

包括组件；
a,系统框架，通过系统框架进行整个缺陷检测系统的功能模块操控界面分布，采用功能页面嵌入式布局；
b,缺陷检测流程，通过控制硬件设备进行光伏板外观图像获取，然后对图像进行处理和
尺寸测量，通过对图像缺陷区域的确定，然后进行特征提取，通过边缘提取，获得缺陷区域，
然后对缺陷结果进行分析，进行多特征分类组合处理，从而确定缺陷；
c,特征组合分类算法，应用于缺陷检测流程中，对图像特征进行提取后进行分类组合，从
而实现缺陷检测；
d,缺陷检测AI深度学习算法，通过对现有的检测分析数据模型进行AI训练，使得模型利
用更多的数据样本来完善模型数据曲线，从而使得缺陷检测系统不断提升检测准确度。

模块

包括整体界面、测量参数界面、缺陷参数界面和编辑模板界面，所述测量参数界面、缺陷参数界面
和编辑模板界面采用嵌入式折叠于整体界面的子界面中，测量参数界面用于调整测量尺
寸、测量点数量、亮度、对比度和曝光度参数，以此确保测量是获取的图片质量，所述缺陷参
数界面用于调节所获取的图片中提取的缺陷区域尺寸、对比度参数，所述编辑模板界面用
于编辑图形格式模板。

述软件检测流程

一，包括通过设备启动开始检测，从而进行编码器触发采集、小图拼大图、边缘提取和尺寸测量，
整个过程循环执行，不断获取图片和进行图片处理。
二，所述边缘提取后通过定区域、缺陷检测再输出缺陷结果，并对结果进行数据存储，同时对缺陷结果进行比对判断，确定则通过UI显示，否则将缺陷结果导入处理模块进行NG累加，当累加量达到报警条件时进行报警并停机。
三，所述尺寸测量过程通过输出尺寸结果，同时对尺寸结果进行数据存储，然后对尺寸结果进行判断，确定则通过UI显示，否则将尺寸结果导入处理模块进行NG累加，当累加量达到报警条件时进行报警并停机。
四，所述特征组合分类算法通过对图片特征进行分类提取，特征向量包括光伏板所存在的漏金属区域、划痕、脱碳、接带、亮点、黑点和气泡特征点，通过图形判断特征类型，然后对不同特征类型的面积、纵深、亮度数据分析，从而判断该光伏板存在的缺陷类型和缺陷严重程度，利用多特征组合方
式，实现对整体的缺陷特征点评估，根据缺陷程度与实际的合格标准进行比对，从而输出检
测结果判断该光伏板是否合格。
无，所述缺陷检测AI深度。学习算法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，从而实现缺陷检测模型训练，使得缺陷检测准确率提升。：所述FPN采用特征提
取网络，特征金字塔FPN，同时利用低层特征图的空间信息和高层特征图的语义信息；采用
RPN网络，得到所有anchors的分类和回归信息；根据RPN网络输出的分类、回归信息，经过
NMS得到最终的ROIs；最后对筛选出来的ROIs进行分类、回归、mask分割操作。

扩展阅读

视频课程

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

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。