一种太阳能电池缺陷检测方法、装置、设备及存储介质与流程

1.本发明实施例涉及太阳能电池技术领域，尤其涉及一种太阳能电池缺陷检测方法、装置、设备及存储介质。


背景技术：

2.太阳能电池片el(electroluminescent，电致发光)检测是对电池加载电压后，电子在电池片内部与空穴复合，复合过程发射光子，再利用红外成像仪摄取其发光影像。电致发光亮度正比于少子扩散长度，缺陷处因具有较低的少子扩散长度而发出较弱的光，从而形成较暗的影像，形成缺陷显示。
3.现有技术中存在一种太阳能电池表面缺陷检测方法，具体步骤为：一、收集太阳能电池el图像；二、对太阳能电池表面缺陷图像数据进行类别分类、标注、格式转换操作，获得太阳能电池标明缺陷检测数据集；三、对缺陷数据集进行训练；四、对太阳能电池表面缺陷数据集进行测试。


技术实现要素：

4.本发明提供一种太阳能电池缺陷检测方法、装置、设备及存储介质，以实现更为准确的判断太阳能电池的缺陷特征，减少对太阳能电池缺陷特征的误判。
5.第一方面，本发明实施例提供了一种太阳能电池缺陷检测方法，该方法包括：
6.对太阳能电池片的电致发光el图像进行缺陷特征识别，获得识别出的各缺陷特征，以及各所述缺陷特征相对所设定各缺陷识别参数的识别参数值；
7.根据各所述缺陷特征的识别参数值，结合各所述缺陷特征分别对应的缺陷判定规则集，对相应缺陷特征进行质量判定，其中，相对每个缺陷特征预先设定的缺陷判定集中至少包括一层缺陷判定规则；
8.根据各所述缺陷特征的质量判定结果，确定所述太阳能电池片的缺陷检测结果。
9.第二方面，本发明实施例还提供了一种太阳能电池缺陷检测装置，该装置包括：
10.识别模块，用于对太阳能电池片的电致发光el图像进行缺陷特征识别，获得识别出的各缺陷特征，以及各所述缺陷特征相对所设定各缺陷识别参数的识别参数值；
11.判定模块，用于根据各所述缺陷特征的识别参数值，结合各所述缺陷特征分别对应的缺陷判定规则集，对相应缺陷特征进行质量判定，其中，相对每个缺陷特征预先设定的缺陷判定集中至少包括一层缺陷判定规则；
12.确定模块，用于根据各所述缺陷特征的质量判定结果，确定所述太阳能电池片的缺陷检测结果。
13.第三方面，本发明实施例还提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，使得所述处理器实现如本发明实施例中任一所述的太阳能电池缺陷检测方法。
14.第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机
程序，该程序被处理器执行时实现如本发明实施例中任一所述的太阳能电池缺陷检测方法。
15.本发明通过设定缺陷判定规则集，对缺陷特征进行质量判定，进而得出太阳能电池片的缺陷检测结果，使得对太阳能电池片缺陷特征的检测结果更为准确，减少对太阳能电池片缺陷特征的误判，提升检测质量。
附图说明
16.图1是本发明实施例一提供的一种太阳能电池缺陷检测方法的流程图；
17.图2是本发明实施例二提供的一种太阳能电池缺陷检测装置的结构示意图；
18.图3是本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
19.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
20.实施例一
21.图1是本发明实施例一提供的一种太阳能电池缺陷检测方法的流程图，本实施例可适用于太阳能电池缺陷检测情况，该方法可以由本发明实施例中的太阳能电池缺陷检测装置来执行，该装置可采用软件和/或硬件的方式实现，如图1所示，该方法具体包括如下步骤：
22.s101、对太阳能电池片的电致发光el图像进行缺陷特征识别，获得识别出的各缺陷特征，以及各缺陷特征相对所设定各缺陷识别参数的识别参数值。
23.可以知道的是，太阳能电池片是指通过吸收太阳光，将太阳辐射能通过光电效应或者光化学效应直接或间接转换成电能的装置。太阳能电池片分为晶硅类和非晶硅类，本发明实施例中主要以晶硅类太阳能电池片为例进行说明。
24.需要说明的是，电致发光el(electroluminescent，电致发光)是通过加在两电极的电压产生电场，被电场激发的电子碰击发光中心，而引致电子在能级间的跃迁、变化、复合导致发光的一种物理现象。电致发光el图像指的是对太阳能电池片进行电致发光el检测后得到的图像。
25.示例性的，缺陷特征可以是指太阳能电池片上存在的影响太阳能电池片质量的缺陷，例如可以是划伤、断栅或黑点等特征。具体的，缺陷特征的种类可根据生产工艺进行划分。
26.在本实施例中，缺陷识别参数指的是设定的识别太阳能电池片上存在的各种缺陷特征的各参数。缺陷识别参数包括：缺陷置信度(即缺陷特征模拟器识别出的缺陷与模型库中缺陷的相似度)、缺陷灰度值(即缺陷的发黑程度)、最小识别面积(即缺陷特征模拟器能够识别出的缺陷的最小面积)、缺陷总面积占比(即缺陷特征模拟器对一片太阳能电池片进行识别后识别出该太阳能电池片上所有能识别出的缺陷的总面积占整个太阳能电池片总面积的比例)、单个缺陷面积(即缺陷特征模拟器识别出太阳能电池片上的每个缺陷的面积)、单个缺陷长度(即缺陷特征模拟器识别出太阳能电池片上的每个缺陷的长度)和缺陷
个数(即缺陷特征模拟器识别出太阳能电池片上的缺陷的总个数)，其中，缺陷总面积占比和缺陷个数根据最小识别面积和最小识别长度来计算。识别参数值指的是各缺陷识别参数的具体数值。
27.具体的，由于工艺、设备、材料、环境和人为干预，生产的太阳能电池片中会存在或多或少的缺陷，通过缺陷特征模拟器对太阳能电池片的电致发光el图像进行缺陷特征识别，获得识别出的太阳能电池片的各缺陷特征，以及各缺陷特征相对所设定各缺陷识别参数的识别参数值。
28.s102、根据各缺陷特征的识别参数值，结合各缺陷特征分别对应的缺陷判定规则集，对相应缺陷特征进行质量判定。
29.需要解释的是，缺陷判定规则集指的是预设的对检测到的太阳能电池片上的缺陷进行判定时的所有规则。缺陷判定规则集中涉及到的参数包括：缺陷灰度值、最小识别面积、最小识别长度、单个缺陷面积、单个缺陷长度、缺陷总面积占比、缺陷总长度、基于最小识别面积个数和基于最小识别长度个数。其中，缺陷总长度根据最小识别长度来计算。
30.其中，相对每个缺陷特征预先设定的缺陷判定集中至少包括一层缺陷判定规则。
31.需要说明的是，缺陷判定集包括缺陷置信度以及上述缺陷判定规则集。在对缺陷特征进行质量判定时，首先判断缺陷置信度是否达到预设值，若未达到，则直接判定该缺陷的质量判定结果为合格；若达到预设值，则继续根据缺陷判定规则集进行质量判定。
32.具体的，缺陷判定规则指的是预设的对检测到的太阳能电池片上的缺陷进行判定时的规则，每个缺陷特征预设的缺陷判定集中至少包括一层缺陷判定规则。
33.在本实施例中，质量判定指的是对太阳能电池片上的缺陷特征进行判定，判定该缺陷是否满足该缺陷特征所对应的缺陷判定集，判定该缺陷具体满足缺陷判定规则集中的哪层缺陷判定规则。
34.在实际操作过程中，对太阳能电池片的电致发光el图像进行缺陷特征识别，获得各所述缺陷特征相对所设定各缺陷识别参数的识别参数值后，根据各缺陷特征的识别参数值，结合各缺陷特征分别对应的缺陷判定规则集，对相应缺陷特征进行质量判定。
35.s103、根据各缺陷特征的质量判定结果，确定太阳能电池片的缺陷检测结果。
36.具体的，质量判定结果指的是对太阳能电池片上的缺陷特征进行判定得到的结果，该缺陷是否满足该缺陷特征所对应的缺陷判定集，具体满足缺陷判定规则集中的哪层缺陷判定规则。
37.需要说明的是，缺陷检测结果指的是对太阳能电池片上的缺陷进行检测后，根据各缺陷的质量判定结果得出的太阳能电池上的缺陷是否合格的检测结果。
38.在本实施例中，对太阳能电池片上的各缺陷特征进行质量判定后，根据各缺陷特征的质量判定结果，确定太阳能电池片的缺陷检测结果。
39.可选的，对太阳能电池片的电致发光el图像进行缺陷特征识别，获得识别出的各缺陷特征，以及各缺陷特征相对所设定各缺陷识别参数的识别参数值，包括：
40.通过预先训练的缺陷识别网络模型，结合el图像，获得太阳能电池片的缺陷特征。
41.示例性的，缺陷识别网络模型可以是任何具有识别太阳能电池片上的缺陷特征功能的网络模型。
42.具体的，将大量带有各种缺陷特征的太阳能电池片的el图像输入到缺陷识别网络
模型中，训练缺陷识别网络模型，训练完成后，将待检测的太阳能电池片的el图像作为训练好的缺陷识别网络模型的输入，就可以输出该太阳能电池片的缺陷特征。
43.通过预先构建的缺陷特征模拟器，获得各缺陷特征相对所设定各缺陷识别参数的识别参数值。
44.需要解释的是，缺陷特征模拟器可以理解为具有识别太阳能电池片上的各缺陷特征、计算各缺陷的缺陷识别参数以及根据已设定的缺陷判定集给出相应判断结果功能的模拟器。
45.具体的，预先构建缺陷特征模拟器，将待检测的太阳能电池片的el图像输入到缺陷特征模拟器中，获得各缺陷特征相对所设定各缺陷识别参数的识别参数值。
46.可选的，通过预先训练的缺陷识别网络模型，结合所述el图像，获得太阳能电池片的缺陷特征，包括：
47.将el图像作为输入数据，分别输入预先训练的主缺陷识别网络模型和从缺陷识别网络模型。
48.其中，主缺陷识别网络模型和从缺陷识别网络模型均可以为上述缺陷识别网络模型，主缺陷识别网络模型和从缺陷识别网络模型具备相同网络结构，通过所输入训练样本的不同，主缺陷识别网络模型用于输出划分在常规缺陷范畴中的第一缺陷特征；从缺陷识别网络模型用于输出划分在特殊缺陷范畴中的第二缺陷特征。
49.在本实施例中，训练样本指的是具有各种缺陷特征的太阳能电池片的el图像。
50.需要说明的是，常规缺陷指的是特征明显较易识别的缺陷特征。例如可以是黑点等缺陷特征。特殊缺陷指的是具有相似特征较难识别容易误判的缺陷特征。例如可以是划伤和断栅等缺陷特征。划伤和断栅均呈条状，但是对条数的要求不同，例如可以是，一个太阳能电池片的el图像上，断栅的质量判定要求为达到6根则判定为不合格，划伤的质量判定要求为达到2根则判定为不合格。
51.其中，第一缺陷特征指的是划分在常规缺陷范畴中的缺陷特征。第二缺陷特征指的是划分在特殊缺陷范畴中的缺陷特征。
52.具体的，将大量的带有各种缺陷特征的太阳能电池片的el图像作为输入数据，分别输入预先训练的主缺陷识别网络模型和从缺陷识别网络模型。主缺陷识别网络模型和从缺陷识别网络模型具有相同的网络结构，具有相同的检测功能，两个模型同时进行识别，同时识别相同的缺陷特征，两个模型根据缺陷特征对应的缺陷判定规则集进行独立判断。主缺陷识别网络模型可识别多种缺陷特征，模型训练方式为多个缺陷模型同时训练，训练时间长。但每一次的模型训练并不能完全保证每个缺陷的识别准确率都非常高。副缺陷识别网络模型的作用是可以将识别准确性不高的缺陷按照现场情况或以往经验独立出来进行单独训练，待训练稳定后再合并加入主缺陷识别网络模型。另一方面，两个模型的参数规则相同，对于一些特殊缺陷放到副缺陷识别网络模型中进行识别，就可以根据缺陷的特殊性或唯一性进行训练，与主缺陷识别网络模型形成互补，可以减少过检漏检的比例，提升检测质量。
53.获得主缺陷识别网络模型输出的第一缺陷特征序列，以及从缺陷识别网络模型输出的第二缺陷特征序列。
54.其中，第一缺陷特征序列是指由主缺陷识别网络模型输出的所有第一缺陷特征所
组成的序列，第二缺陷特征序列是指由从缺陷识别网络模型输出的所有第二缺陷特征所组成的序列。
55.具体的，将主缺陷识别网络模型输出的所有划分在常规缺陷范畴中的第一缺陷特征组成第一缺陷特征序列，将从缺陷识别网络模型输出的所有划分在特殊缺陷范畴中的第二缺陷特征组成第二缺陷特征序列。
56.根据第一缺陷特征序列以及第二缺陷特征序列，获得太阳能电池片对应的所有缺陷特征。
57.具体的，根据主缺陷识别网络模型输出的第一缺陷特征序列以及从缺陷识别网络模型输出的第二缺陷特征序列，获得太阳能电池片对应的所有缺陷特征。
58.可选的，通过预先构建的缺陷特征模拟器，获得各缺陷特征相对所设定各缺陷识别参数的识别参数值，包括：
59.将各缺陷特征分别与缺陷特征模拟器中的标准缺陷特征进行匹配计算，获得各缺陷特征相对所设定各缺陷识别参数的识别参数值。
60.需要解释的是，标准缺陷特征指的是通过预先训练缺陷特征模拟器后存储在缺陷特征模拟器中的满足各缺陷特征对应的缺陷识别参数的各缺陷特征。
61.在本实施例中，匹配计算指的是在缺陷特征模拟器中进行的各缺陷特征与标准缺陷特征之间的各缺陷识别参数的对比计算。
62.具体的，将待检测的各缺陷特征分别与通过预先训练的缺陷特征模拟器中的标准缺陷特征进行匹配计算，最终获得各缺陷特征相对所设定各缺陷识别参数的识别参数值。
63.可选的，每个缺陷判定集中的每个缺陷判定规则层包括：筛选判定子规则和缺陷评判子规则。
64.需要说明的是，缺陷判定规则层指的是相对每个缺陷特征预先设定的缺陷判定集中所包括的至少一层的缺陷判定规则所形成的缺陷判定规则层。
65.其中，筛选判定子规则指的是缺陷特征的各缺陷识别参数值是否达到预设的缺陷灰度值、最小识别面积(或最小识别长度，对于不同的缺陷特征，缺陷识别参数不同，例如对于黑点缺陷，缺陷识别参数即为最小识别面积，对于划伤缺陷，缺陷识别参数即为最小识别长度)两个参数的值。缺陷评判子规则指的是缺陷特征的各缺陷识别参数值是否达到预设的单个缺陷面积、单个缺陷长度、缺陷总面积占比、缺陷总长度、基于最小识别面积个数和基于最小识别长度个数六个参数的值。
66.具体的，每个缺陷判定集中的每个缺陷判定规则层包括：筛选判定子规则和缺陷评判子规则。其中，筛选判定子规则不作为判断条件，只是起到识别过滤作用，过滤掉参数未达到预设的构成缺陷标准的缺陷特征，例如划伤要求单个缺陷长度达到10mm才构成划伤标准，筛选判定子规则将过滤掉单个缺陷长度未达到10mm的缺陷特征；缺陷评判子规则作为结果判断的最终依据。
67.筛选判定子规则为所选定各筛选参数的与逻辑运算判定。
68.需要说明的是，筛选参数指的是起到筛选过滤作用的上述缺陷灰度值和最小识别面积(或最小识别长度)两个参数。
69.在本实施例中，筛选判定子规则中的缺陷灰度值和最小识别面积(或最小识别长度)之间为与逻辑运算判定，即两个参数条件必须同时满足。
70.缺陷评判子规则为所选定各缺陷评判参数的或逻辑运算判定。
71.需要解释的是，缺陷评判参数指的是作为结果判断的最终依据的上述单个缺陷面积、单个缺陷长度、缺陷总面积占比、缺陷总长度、基于最小识别面积个数和基于最小识别长度个数六个参数。
72.具体的，缺陷评判子规则中的单个缺陷面积、单个缺陷长度、缺陷总面积占比、缺陷总长度、基于最小识别面积个数和基于最小识别长度个数之间为或逻辑运算判定，即满足六个参数条件中的一个则判定该缺陷特征为不合格。
73.相应的，各缺陷特征所对应的缺陷判定集的构建步骤包括：
74.针对每个缺陷特征，根据缺陷特征的质量评判标准，提取缺陷特征对应的质量评判层级。
75.示例性的，质量评判标准例如可以是根据实际生产设定的质量标准文件手册等类似文件规定的具体的质量评判标准。
76.在本实施例中，质量评判层级指的是评判某个缺陷特征是否合格时所需的缺陷灰度值、最小识别面积、最小识别长度、单个缺陷面积、单个缺陷长度、缺陷总面积占比、缺陷总长度、基于最小识别面积个数和基于最小识别长度个数这9个参数所构成的层级。
77.具体的，针对每个缺陷特征，根据设定的缺陷特征的质量评判标准，提取该缺陷特征对应的质量评判层级。针对同种缺陷特征的细化分类(例如针对划伤又细化分为浅划伤、深划伤、长划伤和短划伤，每种划伤的质量评判标准不相同)，分别对应不同的质量评判层级。
78.针对每个质量评判层级，分别获取各筛选参数以及各缺陷评判参数，在质量评判层级的筛选参数阈值和评判参数阈值。
79.其中，筛选参数阈值指的是上述筛选参数相对各缺陷特征设定的具体数值。评判参数阈值指的是上述评判参数相对各缺陷特征设定的具体数值。
80.具体的，相对每个缺陷特征预先设定的缺陷判定集中至少包括一层缺陷判定规则，一层缺陷判定规则即为一层质量评判层级，针对每个质量评判层级，分别获取各筛选参数以及各缺陷评判参数在质量评判层级的筛选参数阈值和评判参数阈值。
81.基于各筛选参数阈值以及评判参数阈值，构建质量评判层级对应的缺陷判定规则层。
82.具体的，获取各筛选参数以及各缺陷评判参数在质量评判层级的筛选参数阈值和评判参数阈值后，根据各筛选参数阈值以及评判参数阈值，构建质量评判层级对应的缺陷判定规则层。
83.汇总各缺陷判定规则层，形成缺陷特征的缺陷判定集。
84.具体的，在构建质量评判层级对应的缺陷判定规则层后，汇总各缺陷判定规则层，形成缺陷特征的缺陷判定集。
85.可选的，根据各缺陷特征的识别参数值，结合各缺陷特征分别对应的缺陷判定规则集，对相应缺陷特征进行质量判定，包括：
86.针对每个缺陷特征，从相应的各识别参数值中提取缺陷置信度。
87.具体的，在对每个缺陷特征进行质量评定时，先从每个缺陷特征相应的各识别参数中提取该缺陷的缺陷置信度。首先判断缺陷置信度，待缺陷置信度满足设定条件后才能
继续进行筛选和评判，若缺陷置信度不满足设定条件，则直接将该缺陷特征过滤。
88.如果缺陷置信度不满足设定的缺陷置信阈值，则将缺陷特征的质量判定结果确定为合格特征。
89.需要说明的是，合格特征是指被判定的缺陷特征未达到设定的构成缺陷的标准，不构成缺陷特征，可直接过滤忽略掉。例如设定划伤标准为单个缺陷长度大于等于10mm，合格特征即为单个缺陷长度小于10mm。
90.具体的，首先判断每个缺陷特征的缺陷置信度，如果缺陷特征的缺陷置信度不满足设定的缺陷置信阈值，则将不满足设定的缺陷置信阈值的缺陷特征的质量判定结果确定为合格特征。
91.否则，从相应的各识别参数中提取各筛选参数的筛选参数值，以及各缺陷评判参数的评判参数值。
92.其中，筛选参数值指的是各筛选参数(缺陷灰度值、最小识别面积和最小识别长度)的具体数值。评判参数值指的是各评判参数(单个缺陷面积、单个缺陷长度、缺陷总面积占比、缺陷总长度、基于最小识别面积个数和基于最小识别长度)的具体数值。
93.具体的，如果缺陷置信度满足设定的缺陷置信阈值，则从缺陷特征相应的各识别参数中提取各筛选参数的筛选参数值以及各缺陷评判参数的评判参数值。
94.根据各筛选参数值及评判参数值，结合相应的缺陷判定规则集，对缺陷特征进行质量判定。
95.具体的，从缺陷特征相应的各识别参数中提取各筛选参数的筛选参数值以及各缺陷评判参数的评判参数值后，根据各筛选参数值及评判参数值，结合相应的缺陷判定规则集，依次对各缺陷特征进行质量判定。
96.可选的，根据各筛选参数值及评判参数值，结合相应的缺陷判定规则集，对缺陷特征进行质量判定，包括：
97.确定缺陷判定规则集中包括的各缺陷判定规则层，并获取各缺陷判定规则层中对应的目标筛选参数阈值和目标评判参数阈值。
98.需要解释的是，目标筛选参数阈值指的是各缺陷判定规则集中包括的各缺陷判定规则层中的筛选参数的具体数值。目标评判参数阈值指的是各缺陷判定规则集中包括的各缺陷判定规则层中的评判参数的具体数值。
99.具体的，确定缺陷判定规则集中包括的各缺陷判定规则层，并获取各缺陷判定规则层中对应的筛选参数的具体数值和评判参数的具体数值。
100.根据各筛选参数值，结合各目标筛选参数阈值，确定缺陷特征对应的目标缺陷判定规则层。
101.需要说明的是，目标缺陷判定规则层指的是根据缺陷特征的各筛选参数值，结合缺陷特征对应的缺陷判定集中的各目标筛选参数阈值，确定出的各筛选参数值满足的目标筛选参数阈值所在的缺陷判定规则层。
102.具体的，根据缺陷特征的各筛选参数值，与缺陷判定集中的各目标筛选参数阈值进行比对后，确定的各筛选参数值满足的目标筛选参数阈值所在的缺陷判定规则层，即为目标缺陷判定规则层。其中，比对的方式可以是按照各目标筛选参数阈值的数值大小从小到大进行比对，目标筛选参数阈值中的缺陷灰度值和最小识别面积(或最小识别长度)必须
同时满足，在第一层缺陷判定规则层的目标参数阈值满足后，到第二层第三层等缺陷判定规则层(缺陷判定规则层可根据实际生产需求自行添加)进行数值比对，比对方法同上，直到不满足某层的目标参数阈值后退回上一层缺陷判定规则层，最终停留在满足条件的最后一层缺陷判定规则层即为目标缺陷判定规则层。
103.根据各评判参数值以及目标缺陷判定规则层中的目标评判参数阈值，对缺陷特征进行质量判定。
104.具体的，将缺陷特征的各评判参数值以及确定的对应的目标缺陷判定规则层中的目标评判参数阈值进行比对，其中，缺陷特征的各评判参数值只要满足目标缺陷判定规则层中的目标评判参数阈值中的任一个数值后，即判定该缺陷为不合格。
105.示例性的，缺陷样本进行缺陷特征模拟器模拟后得出划伤的识别参数值为：缺陷置信度为99，缺陷灰度值为19.8，最小识别长度为6mm，缺陷个数为1，缺陷总长度为24.1mm，单个缺陷长度为24.1mm。划伤对应的缺陷判定规则集如表1所示。
106.表1
[0107][0108]
在对划伤进行判定时，首先判断缺陷置信度是否满足设定的缺陷置信度阈值，缺陷置信度为99，设定的缺陷置信度阈值为50，条件满足。接着根据缺陷灰度值和最小识别长度判断目标缺陷判定规则层，缺陷灰度值为19.8，最小识别长度为6mm，经判断，满足第二层和第三层的缺陷判定规则层。最后根据目标缺陷判定规则层第三层中的各目标评判参数阈值对缺陷特征进行质量判定，经判定，单个缺陷长度24.1mm满足表1中第三层的单个缺陷长度20mm，因此，判定该缺陷特征为不合格。若缺陷样本的单个缺陷长度未满足第三层的单个缺陷长度20mm，则判定该缺陷特征为合格。
[0109]
示例性的，缺陷样本进行缺陷特征模拟器模拟后得出黑点的识别参数值为：缺陷置信度为80，缺陷灰度值为18，最小识别面积为16mm2，缺陷个数为12，缺陷总面积占比为0.7％，最大的单个缺陷面积为33.0mm2。黑点对应的缺陷判定规则集如表2所示。
[0110]
表2
[0111][0112]
在对黑点进行判定时，首先判断缺陷置信度是否满足设定的缺陷置信度阈值，缺陷置信度为80，设定的缺陷置信度阈值为50，条件满足。接着根据缺陷灰度值和最小识别面积判断目标缺陷判定规则层，缺陷灰度值为18，最小识别面积为16mm2，经判断，满足第一层和第二层的缺陷判定规则层。最后根据目标缺陷判定规则层第二层中的各目标评判参数阈值对缺陷特征进行质量判定，经判定，最大的单个缺陷面积为33.0mm2不满足表2中第二层的单个缺陷面积100mm2，缺陷个数为12个满足第二层的基于最小识别面积个数5个，因此，根据目标缺陷判定规则层第二层做出最终判定，判定该缺陷特征为不合格。若缺陷个数为4个，则判定该缺陷特征为合格。
[0113]
可选的，根据各缺陷特征的质量判定结果，确定太阳能电池片的缺陷检测结果，包括：
[0114]
如果各缺陷特征中存在质量判定结果为不合格特征，则确定太阳能电池片的缺陷检测结果为检测不合格，并记录质量判定结果为不合格特征的缺陷特征。
[0115]
其中，不合格特征指的是不满足质量评定标准的缺陷特征。检测不合格指的是检测到太阳能电池片不满足质量评定标准。
[0116]
具体的，太阳能电池片的el图像上的各缺陷特征，都需要进行质量判定。根据预先设定好的优先级顺序，依次对每种缺陷进行质量判定，判定哪一个缺陷特征不合格。例如可以是，划伤、断栅和黑点三种缺陷同时出现，按照预先设定好的优先级顺序依次对三种缺陷进行质量判定，如果划伤判定合格，那么再判定断栅，如果断栅也合格再判定黑点，直到全部缺陷特征合格则判定太阳能电池片的缺陷检测结果为合格。如果其中一个缺陷特征不合格则判定该缺陷特征不合格，则判定太阳能电池片的缺陷检测结果为不合格，并将该缺陷特征记录为质量判定结果为不合格特征的缺陷特征。如果三种缺陷特征都不合格，则根据预设的优先级顺序(例如可以是划伤》黑点》断栅)，记录优先级较高的缺陷特征为质量判定结果为不合格特征的缺陷特征。
[0117]
否则，根据预先设定的缺陷特征组合判定规则，确定太阳能电池片的缺陷检测结果。
[0118]
需要解释的是，缺陷特征组合判定规则可以理解为将各缺陷特征进行组合判定，来确定太阳能电池片是否合格的规则。
[0119]
具体的，如果太阳能电池片上同时存在多种缺陷特征，且每种缺陷特征的判定结果都为合格，则根据预先设定的缺陷特征组合判定规则确定太阳能电池片的缺陷检测结果。设定缺陷特征组合判定规则的意义在于，当太阳能电池片同时存在多种缺陷特征时，有可能每个独立的缺陷特征本身在质量评判标准内判定合格，但如果多种缺陷特征组合在一起，就有可能使得筛选参数和缺陷评判参数发生变化，这种情况下就需要对每种缺陷特征进行组合判定。
[0120]
可选的，根据预先设定的缺陷特征组合判定规则，确定太阳能电池片的缺陷检测结果，包括：
[0121]
根据各缺陷特征的识别参数值，确定所有缺陷特征组合后的缺陷总个数以及缺陷总面积占比。
[0122]
在实际操作过程中，缺陷特征模拟器根据各缺陷特征的识别参数值，计算出所有缺陷特征组合后的缺陷总个数以及缺陷总面积占比。
[0123]
如果缺陷总个数和/或缺陷总面积占比达到相应的组合判定阈值，则太阳能电池片的缺陷检测结果为检测不合格。
[0124]
需要说明的是，组合判定阈值可以是设定的各缺陷评判参数中缺陷总个数和/或缺陷总面积占比的具体数值。
[0125]
具体的，根据各缺陷特征的识别参数值确定所有缺陷特征组合后的缺陷总个数以及缺陷总面积后，如果缺陷总个数和/或缺陷总面积占比达到设定的相应的组合判定阈值，则判定该太阳能电池片的缺陷检测结果为检测不合格。
[0126]
本发明实施例通过设定缺陷判定规则集，对缺陷特征进行质量判定，进而得出太阳能电池片的缺陷检测结果，使得对太阳能电池片缺陷特征的检测结果更为准确，减少对太阳能电池片缺陷特征的误判，提升检测质量。
[0127]
实施例二
[0128]
图2是本发明实施例二提供的一种太阳能电池缺陷检测装置的结构示意图，本发明实施例所提供的一种太阳能电池缺陷检测装置可执行本发明任一实施例所提供的一种太阳能电池缺陷检测方法，具备执行方法相应的功能模块和有益效果。如图2所示，所述太阳能电池缺陷检测装置具体包括：识别模块210、判定模块220和确定模块230。
[0129]
其中，识别模块210，用于对太阳能电池片的电致发光el图像进行缺陷特征识别，获得识别出的各缺陷特征，以及各所述缺陷特征相对所设定各缺陷识别参数的识别参数值；
[0130]
判定模块220，用于根据各所述缺陷特征的识别参数值，结合各所述缺陷特征分别对应的缺陷判定规则集，对相应缺陷特征进行质量判定，其中，相对每个缺陷特征预先设定的缺陷判定集中至少包括一层缺陷判定规则；
[0131]
确定模块230，用于根据各所述缺陷特征的质量判定结果，确定所述太阳能电池片的缺陷检测结果。
[0132]
进一步的，所述识别模块210包括：
[0133]
第一获得单元，用于通过预先训练的缺陷识别网络模型，结合所述el图像，获得所
述太阳能电池片的缺陷特征；
[0134]
第二获得单元，用于通过预先构建的缺陷特征模拟器，获得各所述缺陷特征相对所设定各缺陷识别参数的识别参数值。
[0135]
进一步的，所述第一获得单元具体用于：
[0136]
将所述el图像作为输入数据，分别输入预先训练的主缺陷识别网络模型和从缺陷识别网络模型；
[0137]
获得所述主缺陷识别网络模型输出的第一缺陷特征序列，以及从缺陷识别网络模型输出的第二缺陷特征序列；
[0138]
根据所述第一缺陷特征序列以及第二缺陷特征序列，获得所述太阳能电池片对应的所有缺陷特征；
[0139]
其中，所述主缺陷识别网络模型和从缺陷识别网络模型具备相同网络结构，通过所输入训练样本的不同，所述主缺陷识别网络模型用于输出划分在常规缺陷范畴中的第一缺陷特征；所述从缺陷识别网络模型用于输出划分在特殊缺陷范畴中的第二缺陷特征。
[0140]
进一步的，所述第二获得单元具体用于：
[0141]
将各所述缺陷特征分别与缺陷特征模拟器中的标准缺陷特征进行匹配计算，获得各所述缺陷特征相对所设定各缺陷识别参数的识别参数值；
[0142]
所述缺陷识别参数包括：缺陷置信度、缺陷灰度值、最小识别面积、缺陷总面积占比、单个缺陷面积、单个缺陷长度、缺陷个数。
[0143]
进一步的，每个缺陷判定集中的每个缺陷判定规则层包括：筛选判定子规则和缺陷评判子规则；
[0144]
所述筛选判定子规则为所选定各筛选参数的与逻辑运算判定；
[0145]
所述缺陷评判子规则为所选定各缺陷评判参数的或逻辑运算判定；
[0146]
相应的，所述太阳能电池缺陷检测装置还包括构建模块，用于构建各缺陷特征所对应的缺陷判定集，所述构建模块包括：
[0147]
第一提取单元，用于针对每个缺陷特征，根据所述缺陷特征的质量评判标准，提取所述缺陷特征对应的质量评判层级；
[0148]
获取单元，用于针对每个质量评判层级，分别获取各所述筛选参数以及各所述缺陷评判参数，在所述质量评判层级的筛选参数阈值和评判参数阈值；
[0149]
构建单元，用于基于各所述筛选参数阈值以及评判参数阈值，构建所述质量评判层级对应的缺陷判定规则层；
[0150]
形成单元，用于汇总各所述缺陷判定规则层，形成所述缺陷特征的缺陷判定集。
[0151]
进一步的，判定模块220包括：
[0152]
第二提取单元，用于针对每个缺陷特征，从相应的各所述识别参数值中提取缺陷置信度；
[0153]
第一确定单元，用于如果所述缺陷置信度不满足设定的缺陷置信阈值，则将所述缺陷特征的质量判定结果确定为合格特征；否则，
[0154]
第三提取单元，用于从相应的各所述识别参数中提取各所述筛选参数的筛选参数值，以及各所述缺陷评判参数的评判参数值；
[0155]
判定单元，用于根据各所述筛选参数值及评判参数值，结合相应的缺陷判定规则
集，对所述缺陷特征进行质量判定。
[0156]
进一步的，判定单元具体用于：
[0157]
确定所述缺陷判定规则集中包括的各缺陷判定规则层，并获取各所述缺陷判定规则层中对应的目标筛选参数阈值和目标评判参数阈值；
[0158]
根据各所述筛选参数值，结合各所述目标筛选参数阈值，确定所述缺陷特征对应的目标缺陷判定规则层；
[0159]
根据各所述评判参数值以及所述目标缺陷判定规则层中的目标评判参数阈值，对所述缺陷特征进行质量判定。
[0160]
进一步的，确定模块230包括：
[0161]
第二确定单元，用于如果各所述缺陷特征中存在质量判定结果为不合格特征，则确定所述太阳能电池片的缺陷检测结果为检测不合格，并记录质量判定结果为不合格特征的缺陷特征；否则，
[0162]
第三确定单元，用于根据预先设定的缺陷特征组合判定规则，确定所述太阳能电池片的缺陷检测结果。
[0163]
进一步的，第三确定单元具体用于：
[0164]
根据各所述缺陷特征的识别参数值，确定所有缺陷特征组合后的缺陷总个数以及缺陷总面积占比；
[0165]
如果所述缺陷总个数和/或缺陷总面积占比达到相应的组合判定阈值，则所述太阳能电池片的缺陷检测结果为检测不合格。
[0166]
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
[0167]
本发明实施例通过设定缺陷判定规则集，对缺陷特征进行质量判定，进而得出太阳能电池片的缺陷检测结果，使得对太阳能电池片缺陷特征的检测结果更为准确，减少对太阳能电池片缺陷特征的误判，提升检测质量。
[0168]
实施例三
[0169]
图3是本发明实施例三提供的一种电子设备的结构示意图，如图3所示，该电子设备包括处理器301、存储装置302、输入装置303和输出装置304；电子设备中处理器301的数量可以是一个或多个，图3中以一个处理器301为例；电子设备中的处理器301、存储装置302、输入装置303和输出装置304可以通过总线或其他方式连接，图3中以通过总线连接为例。
[0170]
存储装置302作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的太阳能电池缺陷检测方法对应的程序指令/模块(例如，太阳能电池缺陷检测装置中的识别模块210、判定模块220和确定模块230)。处理器301通过运行存储在存储装置302中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现本发明上述实施例所提供的太阳能电池缺陷检测方法：
[0171]
对太阳能电池片的电致发光el图像进行缺陷特征识别，获得识别出的各缺陷特征，以及各所述缺陷特征相对所设定各缺陷识别参数的识别参数值；
[0172]
根据各所述缺陷特征的识别参数值，结合各所述缺陷特征分别对应的缺陷判定规则集，对相应缺陷特征进行质量判定，其中，相对每个缺陷特征预先设定的缺陷判定集中至
少包括一层缺陷判定规则；
[0173]
根据各所述缺陷特征的质量判定结果，确定所述太阳能电池片的缺陷检测结果。
[0174]
存储装置302可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置302可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置302可进一步包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至设备/终端/服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0175]
输入装置303可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置304可包括显示屏等显示设备。
[0176]
实施例四
[0177]
本发明实施例四还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种太阳能电池缺陷检测方法，该方法包括：
[0178]
对太阳能电池片的电致发光el图像进行缺陷特征识别，获得识别出的各缺陷特征，以及各所述缺陷特征相对所设定各缺陷识别参数的识别参数值；
[0179]
根据各所述缺陷特征的识别参数值，结合各所述缺陷特征分别对应的缺陷判定规则集，对相应缺陷特征进行质量判定，其中，相对每个缺陷特征预先设定的缺陷判定集中至少包括一层缺陷判定规则；
[0180]
根据各所述缺陷特征的质量判定结果，确定所述太阳能电池片的缺陷检测结果。
[0181]
当然,本发明实施例四所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任一实施例所提供的一种太阳能电池缺陷检测方法中的相关操作。
[0182]
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0183]
值得注意的是，上述太阳能电池缺陷检测装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
[0184]
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。