光伏组件EL检测方法、设备和存储介质与流程

光伏组件el检测方法、设备和存储介质
技术领域
1.本发明涉及光伏技术领域，更具体地，涉及一种光伏组件el检测方法、设备和存储介质。


背景技术：

2.随着环境污染和能源危机的加剧，利用太阳能发电的光伏组件成为人们关注的焦点。以太阳能为代表的可再生能源得到国家的大力支持，给太阳能产业注入了新活力，太阳能产业蓬勃发展。目前主要的太阳能转换工具即光伏电池具有转化效率高、成本低、寿命长等特点。晶体硅太阳能电池作为光伏组件中的关键部件，承担着将太阳能转化成电能的重要职责。
3.基于电致发光(electroluminescence，简称el)原理，利用近红外检测的方法，可以检测晶体硅太阳能电池及组件中的隐性缺陷，包括硅材料缺陷、扩散缺陷、印刷缺陷、烧结缺陷、以及组件封装过程中的裂纹等， el测试技术被广泛应用于晶体硅太阳能电池及组件的检验。太阳能电池电致发光是指在太阳能电池两端加入正向偏压时，pn结势垒区和扩散区注入了少数载流子，这些非平衡少数载流子不断与多数载流子复合而发光。采用ccd器件接收电致发光或采用ccd相机拍摄，显示出太阳能电池的复合辐射分布图像，el测试的过程在暗室中进行，测得的el发光强度与电池片的少子寿命(或少子扩散长度)和电流密度成正比，发光图像的明暗能较清晰地反映太阳能电池中少子扩散长度较低的缺陷区域，发现太阳能电池及组件中存在的隐性缺陷。
4.但光伏电池的生产工艺过程复杂，由于电池镀膜等其他工艺导致生产出的电池片在组件端电致发光后，图像中不同电池灰度体现不同，在行业内被称之为电池片混档，这些图像灰度不一的电池片在一块组件上会影响组件整体销售。现阶段国内对光伏电池的混档判定主要依靠人工肉眼进行识别，不仅精确度低、耗时长，而且人工分选效率低、成本高。由于人眼存在很强的主观意识，并且长时间的人眼分选势必会造成人眼的疲劳，进而导致工作效率下降或误检率增加。
5.因此，如何代替人工，进行智能化灰度判定、降低光伏电池的误判率、提高光伏电池产品质量的一致性、建立灰度检测和判定的客观评价标准，实现光伏产业智能化升级改造，成为摆在人们面前的一项重大课题。


技术实现要素：

6.有鉴于此，本发明提供了一种光伏组件el检测方法、设备和存储介质，用以代替人工，进行智能化灰度判定、降低光伏电池的误判率、提高光伏电池产品质量的一致性、建立灰度检测和判定的客观评价标准。
7.一方面，本发明提供了一种光伏组件el检测方法，包括步骤：
8.提供待测光伏组件，所述光伏组件包括n个电池片，n为大于1的正整数；
9.采集待测光伏组件的el图像，所述光伏组件的el图像由像素单元格组成，确定每
个像素单元格的灰阶值；
10.将每个所述电池片对应的el图像分为m个el子图像，所述el子图像包含多个像素单元格，得到m
×
n个所述el子图像对应的多个像素单元格的灰阶平均值，m为大于等于2的正整数；
11.取m
×
n个所述el子图像对应的灰阶平均值中的最大灰阶值，得到 m
×
n-1个所述最大灰阶值与其余灰阶平均值的第一差值，或者，取m
×
n 个所述el子图像对应的灰阶平均值中的最小灰阶值，得到其余灰阶平均值与最小灰阶值的第二差值；
12.构建差值占比分布图，通过所述第一差值得到所述差值占比分布图，确定所述第一差值的占比的分布情况，比较所述第一差值的占比与第一预设阈值：若所述第一差值的占比大于第一预设阈值，则所述待测光伏组件 el图像异常，若所述第一差值的占比小于等于所述第一预设阈值，则所述待测光伏组件el图像合格；
13.或者，通过所述第二差值得到所述差值占比分布图，确定所述第二差值的占比的分布情况，比较所述第二差值的占比与第二预设阈值：若所述第二差值的占比大于第二预设阈值，则所述待测光伏组件el图像异常，若所述第二差值的占比小于等于所述第二预设阈值，则所述待测光伏组件el 图像合格。
14.可选地，还包括预设灰度卡的步骤，所述灰度卡中不同灰度值对应不同饱和度的黑色，将每个所述像素单元格与所述灰度卡比较，确定每个像素单元格的灰度值。
15.可选地，所述将每个所述像素单元格与所述灰度卡比较，确定每个像素单元格的灰度值，包括：所述像素单元格的灰度值为与所述灰度卡中的饱和度相似度最高的灰度值。
16.可选地，所述灰度卡中的灰度值大于等于0％且小于等于100％。
17.可选地，m为偶数。
18.可选地，m个所述el子图像的面积均相等。
19.可选地，m≤10。
20.另一方面，本发明还提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现上述任一所述的光伏组件el检测方法。
21.另一方面，本发明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，所述计算机程序被处理器执行时实现上述任一所述的光伏组件 el检测方法。
22.与现有技术相比，本发明提供的光伏组件el检测方法、设备和存储介质，至少实现了如下的有益效果：
23.本发明的检测方法首先采集待测光伏组件的el图像，确定el图像中每个像素单元格的灰阶值，然后将每个电池片对应的el图像分为m个el 子图像，得到m
×
n个el子图像对应的多个像素单元格的灰阶平均值，取m
×
n个el子图像对应的灰阶平均值中的最大灰阶值，得到m
×
n-1 个最大灰阶值与其余灰阶平均值的第一差值，或者，取m
×
n个el子图像对应的灰阶平均值中的最小灰阶值，得到其余灰阶平均值与最小灰阶值的第二差值；再构建差值占比分布图，通过第一差值得到差值占比分布图，确定第一差值的占比的分布情况，比较第一差值的占比与第一预设阈值：若第一差值的占比大于第一预设阈值，则待测光伏组件el图像异常，若第一差值的占比小于等于第一预设阈值，则待测光伏组件el图像合格；或者，通过第二差值得到差值占比分布图，确定第二差值的占比的分布情况，比较第二差值的
占比与第二预设阈值：若第二差值的占比大于第二预设阈值，则待测光伏组件el图像异常，若第二差值的占比小于等于第二预设阈值，则待测光伏组件el图像合格。本发明采用灰度差值自动判定光伏电池在光伏组件电致发光后图像灰度不均匀的情况，由于进行el测试时通入电流会同时影响整体el表现，即同亮或者同暗，对于灰度差值不会造成影响，所以通过差值来计算整体el表现来判定el缺陷，更具有公正性，受外界因素干扰项较少，不需要人工分选，通过智能化灰度判定，能够降低光伏电池的误判率、提高光伏电池产品质量的一致性、建立灰度检测和判定的客观评价标准；另外本发明的检测方法可适用光伏组件el成像后各种不良表现，例如虚焊、隐裂、划伤、污染等。
24.当然，实施本发明的任一产品必不特定需要同时达到以上所述的所有技术效果。
25.通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
26.被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。
27.图1是本发明提供的一种光伏组件el检测方法流程图；
28.图2为本发明提供的一种el图像的局部图；
29.图3是本发明通的一种el图像中像素单元格的放大图；
30.图4为本发明提供的一种电池片划分示意图；
31.图5是本发明提供的一实施例中合格产品图像；
32.图6是与图5对应的差值占比分布图；
33.图7是本发明提供的一实施例中合格产品图像；
34.图8是与图7对应的差值占比分布图；
35.图9是本发明提供的一种灰度卡；
36.图10为本发明提供的一种电子设备的结构框图。
具体实施方式
37.现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
38.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
39.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
40.在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
41.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
42.结合图1，图1是本发明提供的一种光伏组件el检测方法流程图，如图1所示，本实
施例提供的光伏组件el检测方法，包括以下步骤：
43.s1：提供待测光伏组件，光伏组件包括n个电池片，n为大于1的正整数；
44.s2：采集待测光伏组件的el图像，光伏组件的el图像由像素单元格组成，确定每个像素单元格的灰阶值；
45.s3：将每个电池片对应的el图像分为m个el子图像，el子图像包含多个像素单元格，得到m
×
n个el子图像对应的多个像素单元格的灰阶平均值，m为大于等于2的正整数；
46.s4：取m
×
n个el子图像对应的灰阶平均值中的最大灰阶值，得到m
×
n-1个最大灰阶值与其余灰阶平均值的第一差值，或者，取m
×
n个 el子图像对应的灰阶平均值中的最小灰阶值，得到其余灰阶平均值与最小灰阶值的第二差值；
47.s5：构建差值占比分布图，通过第一差值得到差值占比分布图，确定第一差值的占比的分布情况，比较第一差值的占比与第一预设阈值：若第一差值的占比大于第一预设阈值，则待测光伏组件el图像异常，若第一差值的占比小于等于第一预设阈值，则待测光伏组件el图像合格；
48.或者，通过第二差值得到差值占比分布图，确定第二差值的占比的分布情况，比较第二差值的占比与第二预设阈值：若第二差值的占比大于第二预设阈值，则待测光伏组件el图像异常，若第二差值的占比小于等于第二预设阈值，则待测光伏组件el图像合格。
49.本发明的目的实现自动化判断，将需人力判定的缺陷智能化直接辅以标准，判定是否合格。
50.具体的，在测试时需要将待测光伏电池组装到光伏组件中，光伏组件的结构(图中未示出)通常包括光伏电池、位于光伏电池两侧的上封装层和下封装层、以及位于上封装层上的盖板、和位于下封装层上的背板。
51.上述步骤s1中，提供的光伏组件会包含n个电池片形成多个电池串用以光生电流，这里的n为大于1的正整数。
52.上述步骤s2，电池片在经过串联、并联后，经过通电设备通电拍照后，得到光伏组件电致发光图像(又称光伏组件的el图像)，图2为本发明提供的一种el图像的局部图，可以理解的是el图像是由像素单元格组成的，每个像素单元格对应一个灰阶值，当然这里确定每个像素单元格的灰阶值的过程是计算机程序自动完成的。
53.上述步骤s3中，本发明中将每个电池片对应的el图像分为m个el 子图像。这样做的目的是为了减少计算，一方面是为了防止单个数值异常而造成误判，二是为了计算简单化。可以理解的是el子图像包含多个像素单元格，参照图3，图3是本发明通的一种el图像中像素单元格的放大图，该步骤中可以得到m
×
n个el子图像对应的多个像素单元格的灰阶平均值，本发明中m为大于等于2的正整数。
54.可以理解的是，为了减少计算，需要设定单位面积大小，即算出设定的每个单位面积平均灰度大小，例如，一个半片电池片大小为163.75mm
×ꢀ
81.875mm，可以均分为两部分，两部分又可以均分为四部分，四部分可以均分为八部分，等等，这里不做具体限定。
55.参照图4，图4为本发明提供的一种电池片划分示意图，中将半片电池片分为八部分，每个部分为一个单位面积，通过设定程序单独计算每个单位面积所包含的每个像素单元格灰阶数值的平均值，光伏半片电池片的八个均分部分可以计算得出8组平均值；即每个光伏电池半片可以得出8 个单位面积灰阶平均值；假设一块光伏组件包含120个光伏电池
半片，通过程序核对计算可以得出8
×
120＝960个单位面积的灰阶平均值。
56.上述步骤s4中，将960个单位面积灰阶平均值比对排列，可以标定出最小值，以最小值为基准线，计算机程序将除去最小值剩余的959个数值均与最小灰阶数值进行减法，这样可以得出959个单位面积灰阶差值，即 959个第一差值；当然也可以标定出最大值，以最大值为基准线，计算机程序将除去最大值剩余的959个数值均与最大灰阶值进行减法，这样可以得出959个单位面积灰阶差值，即959个第二差值。
57.上述步骤s5中，先构建差值占比分布图，差值占比分布图中横坐标为差值分布区间，纵坐标为差值占比，将上述959个第一差值或959个第二差值输入到差值占比分布图中。构建差值占比分布图的步骤如下：横坐标为差值区间，纵坐标为差值占比，差值区间分别为灰度差值＝0，灰度差值≤5，灰度差值≤10，灰度差值≤15，灰度差值≤20
……
灰度差值≤100，纵坐标为差值占比，如图6中灰度差值＝0的占比为14.9％，灰度差值≤5 的占比为50.9％，当然这里灰度差值≤5则不包含灰度差值＝0的情况，而是代表灰度差值在(0，5]的部分，以此类推。再将第一差值或第二差值汇总得到占比分布图中。
58.需要说明的是，比较第一差值的占比与第一预设阈值时，需要一对一的比较，待全部灰度差值的占比满足条件后即可得出待测光伏组件el图像是否异常，举例说明，需要对灰度差值≤5，灰度差值≤10，灰度差值≤15，灰度差值≤20
……
灰度差值≤100的占比一一进行比对，其中第一预设阈值也是与灰度差值对应的，例如灰度差值≤5的占比的第一预设阈值可以为小于100％的任意数值，因为灰度差值≤5则说明图像之间差值较小，则可以将第一预设阈值设置的大一些；灰度差值≤30％的占比的第一预设阈值可以为0，因为灰度差值≤30％则说明图像之间差值较大，无论占比多少则均为不合格。同理，比较第二差值的占比与第二预设阈值时，需要一对一的比较，待全部灰度差值的占比满足条件后即可得出待测光伏组件el 图像是否异常，举例说明，需要对灰度差值≤5，灰度差值≤10，灰度差值≤15，灰度差值≤20
……
灰度差值≤100的占比一一进行比对，其中第一预设阈值也是与灰度差值对应的，例如灰度差值≤10的占比的第二预设阈值可以为小于100％的任意数值，因为灰度差值≤10则说明图像之间差值较小，则可以将第二预设阈值设置的大一些；灰度差值≤35％的占比的第二预设阈值可以为0，因为灰度差值≤35％则说明图像之间差值较大，无论占比多少则均为不合格。如此可以得出整个el图像最终灰度跨度数据；根据建立的灰度跨度等级，计算机自动进行数据比对、判定是否存在不合格区域；最后进行整块组件是否合格判定；当然计算机ai学习，完善数据库，增加可能性。
59.本发明中计算机自动识别待判定目标图像，分析各区域平均灰度值；计算机自动进行数据算法、依次选取所有值与最小值区域进行对比，进行减法运算，或者一次选取所有值与最大值区域进行对比，进行减法运算。
60.参照图5至图8，图5是本发明提供的一实施例中合格产品图像，图6 是与图5对应的差值占比分布图，图7是本发明提供的一实施例中合格产品图像，图8是与图7对应的差值占比分布图。图6和图8是将959个单位面积灰阶差值按照现有光伏组件el图像灰阶标准进行分类；图6和图8 为差值占比分布图，横坐标为差值区间，纵坐标为差值占比，当然这里的灰度差值可以为第一差值也可以为第二差值，这里不做具体限定，差值区间分别为灰度差值＝0，灰度差值≤5，灰度差值≤10，灰度差值≤15，灰度差值≤20
……
灰度差值≤100，纵坐标为差值占比，如图6中灰度差值＝0 的占比为14.9％，灰度差值≤5的占比为50.9％，当
然这里灰度差值≤5则不包含灰度差值＝0的情况，而是代表灰度差值在(0，5]的部分，以此类推。
61.再比对现有标准，即可得出此块光伏组件el图像灰阶分布跨度是否在现有标准允许范围内；同时计算机程序具备ai识别功能，比对现有标准后，若合格即显示此块光伏组件el图像在灰阶跨度在现有标准内，若不合格即自动圈出不合格单位面积，并显示不合格灰阶数值。如图5和图6所示，图5中自动圈出不合格单位面积，图6中显示了不合格灰阶数值；如图7 和图8所示，显示此块光伏组件el图像在灰阶跨度在现有标准内。
62.本发明一实施例中的标准为：灰度差值小于30均为允许的情况，可以不管控；灰度差值≤30和灰度差值≤35的灰度值占比累加不超过5％即为合格，灰度差值≤30和灰度差值≤35的灰度值占比累加大于5％则为不合格；灰度差值大于30即为不合格。可以理解的是这里的灰度差值≤30和灰度差值≤35的灰度值占比累加不超过5％仅为第一预设阈值，而灰度差值大于30即为不合格也为第一预设阈值，当然这里也不可以不对第一预设阈值、第二预设阈值的具体数值做限定。
63.如图6所示，灰度差值小于30均为允许的情况，而灰度差值≤30的差值占比为1.57％，灰度差值≤35的差值占比为1.18％，灰度差值≤30和灰度差值≤35的灰度值占比累加为2.75％，也是符合要求的，但是灰度差值≤40的差值占比为0.39％，这是不允许的，判定为不合格，同时图5中自动圈出了不合格区域。
64.如图8所示，灰度差值小于30均为允许的情况，灰度差值≤30的差值占比为0.73％，灰度差值≤35的差值占比为0.21％，灰度差值≤30和灰度差值≤35的灰度值占比累加为0.95％，也是符合要求的，灰度差值≤40 的差值占比为0％，判定为合格，图7中不需要圈出不合格区域。
65.本发明采用灰度差值自动判定光伏电池在光伏组件电致发光后图像灰度不均匀的情况，由于进行el测试时通入电流会同时影响整体el表现，即同亮或者同暗，对于灰度差值不会造成影响，所以通过差值来计算整体 el表现来判定el缺陷，更具有公正性，受外界因素干扰项较少，不需要人工分选，通过智能化灰度判定，能够降低光伏电池的误判率、提高光伏电池产品质量的一致性、建立灰度检测和判定的客观评价标准；另外本发明的检测方法可适用光伏组件el成像后各种不良表现，例如虚焊、隐裂、划伤、污染等。
66.在一些可选的实施例中，在进行测试前需要收集已有的光伏组件el 图像、建立数据库；通过计算机分析数据库目标图像各区域平均灰度值；进行已有数据建模、分析，建立灰度跨度等级，用于后续检测。可以通过数据库调整第一预设阈值和第二预设阈值，若根据数据库来调整预设阈值，则需要采集大量光伏组件的产品性能数据，根据长期性能的变化再调整预设阈值。在一些可选的实施例中，参照图9，图9是本发明提供的一种灰度卡，本实施例的检测方法还包括预设灰度卡的步骤，灰度卡中不同灰度值对应不同饱和度的黑色，将每个像素单元格与灰度卡比较，确定每个像素单元格的灰度值。
67.可选的，这里的灰度卡是预存在计算机程序中的，在进行el检测时计算机程序自动调取灰度卡。
68.可以理解的是，饱和度不同灰度值就不同，每个像素单元格均有对应灰度尺的灰度值，计算机程序通过比对每个像素单元格与灰度尺，即可得出每个像素单元格对应灰阶数值。
69.在一些可选的实施例中，继续参照图9，将每个像素单元格与灰度卡比较，确定每个像素单元格的灰度值，包括：像素单元格的灰度值为与灰度卡中的饱和度相似度最高的灰度值。
70.可以理解的是，每个像素单元格均有对应灰度尺的灰度值，计算机程序通过比对每个像素单元格与灰度尺，像素单元格的灰度值为与灰度卡中的饱和度相似度最高的灰度值，即可得出每个像素单元格对应灰阶数值。
71.在一些可选的实施例中，继续参照图9，灰度卡中的灰度值大于等于 0％且小于等于100％。
72.图9中灰度卡中灰度值分别为0％、5％、10％、15％、20％
……
100％，计算机程序通过比对每个像素单元格与灰度尺，像素单元格的灰度值为与灰度卡中的饱和度相似度最高的灰度值，即可得出每个像素单元格对应灰阶数值。
73.在一些可选的实施例中，继续参照图4，m为偶数。
74.图4中将半片电池片对应的el图像分为了8个el子图像，当然，这里仅为示意性说明，m可以为其它任一的偶数，这里不做具体限定。
75.可以理解的是，通常电池片为矩形结构或正方形结构，将电池片分为偶数，更容易划分出多个el子图像，便于后续的计算。
76.在一些可选的实施例中，继续参照图4，m个el子图像的面积均相等。
77.可以理解的是，将电池片分为偶数个面积相等的部分，在计算时能够得出偶数个个单位面积灰阶平均值，这样计算更准确，若分出的各部分面积不等，则不同部分的灰阶平均值是不准确的。
78.在一些可选的实施例中，继续参照图4，m≤10。
79.可以理解的是，将电池片分为多个部分，可以方便计算，但是多分出的数量过多，同样会增加计算量，降低工作效率。本实施例中将每个电池片对应的el图像分为多个el子图像，且分出的el子图像数量小于等于 10，能够简化计算，提高工作效率。
80.基于同一发明思想，本发明还提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现上述任一实施例的光伏组件el检测方法。
81.结合图10所示，图10为本发明提供的一种电子设备的结构框图。本实施例提供的电子设备200包括存储有计算机可执行指令的存储器240和处理器210，存储器240，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器210执行，使得一个或多个处理器210实现上述实施例中任一项的光伏组件el检测方法。
82.继续结合图10所示，电子设备200可以包括处理器210(例如中央处理器、图形处理器等)，其可以根据存储在制度存储器(rom)220中的程序或者从存储器240加载到随机访问存储器(ram)230中的程序而执行各种适当的动作和处理。在ram230中，还存储有电子设备200操作所需的各种程序和数据。处理器210、rom 220以及ram230通过总线260 彼此相连。输入/输出(i/o)接口250也连接至总线260。
83.以下部件连接至i/o接口250：包括键盘、鼠标等的输入部分280；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分290；包括硬盘等的存储部分；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分270。通信部分270经由诸如因特
网的网络执行通信处理。驱动器也根据需要连接至i/o接口250。可拆卸介质，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器上，以便于从其上读出的计算机程序根据需要被安装入存储部分。
84.特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分270从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(cpu)执行时，执行本发明的系统中限定的上述功能。
85.上述实施例中提供的电子设备200可执行本发明公开任意实施例提供的光伏组件el检测方法，具备执行该方法相应的功能单元和有益效果。未在上述实施例中详尽描述的技术细节，可参见本发明公开任意实施例所提供的光伏组件el检测方法。
86.可以以一种或多种程序设计语言或其组合来编写用于执行本发明公开实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言，诸如java、c++等，还包括常规的过程式程序设计语言，诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或完全在远程计算机或服务器上执行。在设计远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算机，或可以连接到外部计算机。
87.描述与本实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
88.基于同一发明思想，本发明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，计算机程序被处理器执行时实现上述任一实施例中的光伏组件el检测方法。
89.通过上述实施例可知，本发明提供的光伏组件el检测方法、设备和存储介质，至少实现了如下的有益效果：
90.本发明的检测方法首先采集待测光伏组件的el图像，确定el图像中每个像素单元格的灰阶值，然后将每个电池片对应的el图像分为m个el 子图像，得到m
×
n个el子图像对应的多个像素单元格的灰阶平均值，取m
×
n个el子图像对应的灰阶平均值中的最大灰阶值，得到m
×
n-1 个最大灰阶值与其余灰阶平均值的第一差值，或者，取m
×
n个el子图像对应的灰阶平均值中的最小灰阶值，得到其余灰阶平均值与最小灰阶值的第二差值；再构建差值占比分布图，通过第一差值得到差值占比分布图，确定第一差值的占比的分布情况，比较第一差值的占比与第一预设阈值：若第一差值的占比大于第一预设阈值，则待测光伏组件el图像异常，若第一差值的占比小于等于第一预设阈值，则待测光伏组件el图像合格；或者，通过第二差值得到差值占比分布图，确定第二差值的占比的分布情况，比较第二差值的占比与第二预设阈值：若第二差值的占比大于第二预设阈值，则待测光伏组件el图像异常，若第二差值的占比小于等于第二预设阈值，则待测光伏组件el图像合格。本发明采用灰度差值自动判定光伏电池在光伏组件电致发光后图像灰度不均匀的情况，由于进行el测试时通入电流会同时影响整体el表现，即同亮或者同暗，对于灰度差值不会造成影响，所以通过差值来计算整体el表现来判定el缺陷，更具有公正性，受外界因素干扰项较少，不需要人工
分选，通过智能化灰度判定，能够降低光伏电池的误判率、提高光伏电池产品质量的一致性、建立灰度检测和判定的客观评价标准；另外本发明的检测方法可适用光伏组件el成像后各种不良表现，例如虚焊、隐裂、划伤、污染等。
91.虽然已经通过例子对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。