CN120539055A - 一种智能新能源电池板合格检测系统及方法 - Google Patents
一种智能新能源电池板合格检测系统及方法Info
- Publication number
- CN120539055A CN120539055A CN202510700907.7A CN202510700907A CN120539055A CN 120539055 A CN120539055 A CN 120539055A CN 202510700907 A CN202510700907 A CN 202510700907A CN 120539055 A CN120539055 A CN 120539055A
- Authority
- CN
- China
- Prior art keywords
- new energy
- energy battery
- battery panel
- image
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Electroluminescent Light Sources (AREA)
Abstract
本发明公开了一种智能新能源电池板合格检测系统及方法,属于电池板检测技术领域,包括建立检测环境,获取新能源电池板的红外扫描图像,生成新能源电池板的电致发光评估值,并判断新能源电池板是否存在损坏风险;获取新能源电池板的IV曲线,生成新能源电池板的电性能评估指数;根据新能源电池板的电致发光评估值、新能源电池板的电性能评估指数和外观修正系数,建立质量评估模型,生成新能源电池板的质量评估值;根据新能源电池板的质量评估值,分析新能源电池板是否合格;本发明不仅可以显著提升检测的全面性和准确性,实现了自动化、智能化的检测流程,还提高了缺陷识别的精度和效率,为新能源电池板的质量控制提供了可靠的技术支撑。
Description
技术领域
本发明属于电池板检测技术领域,尤其涉及一种智能新能源电池板合格检测系统及方法。
背景技术
在全球能源结构转型与碳中和目标的推动下,新能源电池板作为储能系统的核心部件,其性能与质量直接决定了能源设备的可靠性、安全性及使用寿命。
目前,新能源电池板的检测主要依赖人工目检和单一的电性能测试,存在效率低、主观性强等问题。现有技术中,电致发光检测和IV曲线分析虽能部分反映电池板的内部缺陷和电性能,但缺乏多维度数据的综合评估,且外观缺陷的检测往往与内部性能脱节;此外,传统方法难以量化缺陷的严重程度及其对整体质量的影响,导致检测结果不全面、准确性不足,无法满足智能化、高效化的生产需求。
发明内容
针对现有技术的不足,本发明提供了一种智能新能源电池板合格检测系统及方法,解决了上述问题。
为实现以上目的,本发明通过以下技术方案予以实现:一种智能新能源电池板合格检测方法,包括以下步骤:
建立检测环境,获取新能源电池板的红外扫描图像,生成新能源电池板的电致发光评估值;其中,红外扫描图像指的是电致发光扫描成像;
根据新能源电池板的电致发光评估值,判断新能源电池板是否存在损坏风险;
若新能源电池板存在损坏风险,获取新能源电池板的IV曲线,生成新能源电池板的电性能评估指数;
根据新能源电池板的电致发光评估值、 新能源电池板的电性能评估指数和外观修正系数,建立质量评估模型,生成新能源电池板的质量评估值;
根据新能源电池板的质量评估值,分析新能源电池板是否合格。
在上述技术方案的基础上,本发明还提供以下可选技术方案:
进一步的技术方案:所述新能源电池板的缺陷分布图的生成方式具体包括以下步骤:
建立测试环境,测试环境包括无光源环境;
对新能源电池板进行通电,使用红外设备对新能源电池板进行图像扫描,生成新能源电池板的红外扫描图像;其中,红外扫描图像包括原始扫描图像和暗场扫描图像;原始扫面图像指的是对新能源电池板通电时在无光源环境下的扫描图像,暗场扫描图像指的是新能源电池板不通电时在无光源环境下的扫描图像;
获取新能源电池板的红外扫描图像中的图像灰度值,生成图像灰度值评估指数;
根据图像灰度值评估指数,生成新能源电池板的缺陷区域分布图;
根据新能源电池板的缺陷区域分布图,生成新能源电池板的电致发光评估值。
进一步的技术方案:所述图像灰度值评估指数的生成方式具体为:
通过公式:
生成图像灰度值评估指数;
在公式中,表示的是原始扫面图像像素点的灰度值,表示的是暗场扫面图像像素点的灰度值,指的是标准扫面图像像素点的灰度值;标准扫面图像指的是标准新能源电池板的扫面图像。
进一步的技术方案:所述新能源电池板的缺陷区域分布图的生成方式具体为:
将图像灰度值评估指数与图像灰度值评估指数阈值进行比较;
当图像灰度值评估指数小于图像灰度值评估指数阈值时,表示该原始扫描图像的像素点所对应的新能源电池板的内部区域处于异常状态,则将该区域标记为异常区域;
根据异常区域和异常区域在新能源电池板所对应的位置,生成新能源电池板的缺陷区域分布图。
进一步的技术方案:所述新能源电池板的电致发光评估值的生成方式为:
根据新能源电池板的缺陷区域分布图,获取缺陷区域的状态数据;其中,状态数据包括缺陷区域总面积、缺陷区域数量和缺陷区域的偏心距离;偏离距离指的是该区域距离缺陷区域分布图中心点的距离;
通过公式:
生成新能源电池板的电致发光评估值;
在公式中,表示的是缺陷区域总面积,表示的是缺陷区域面积警戒值,表示的是缺陷区域数量,表示的是缺陷区域数量警戒值,表示的是缺陷区域坐标距离缺陷区域分布图边缘的横向距离,表示的是缺陷区域坐标距离缺陷区域分布图边缘的纵向距离,表示的是缺陷区域分布图中心点距离缺陷区域分布图边缘的横向距离,表示的是缺陷区域分布图中心点距离缺陷区域分布图边缘的纵向距离,α、β均为权重系数,且α+β=1。
进一步的技术方案:所述新能源电池板的电性能评估指数的生成方式具体为:
通过公式:
;
生成新能源电池板的电性能评估指数FF;
在公式中,表示的是新能源电池板的实际最大功率,表示的是新能源电池板的开路电压,表示的是新能源电池板的短路电流;新能源电池板的实际最大功率指的是IV曲线上V与I之间的乘积的最大值。
进一步的技术方案:所述IV曲线的获取方式具体为:
对电池板施加一个变化的电压,同时测量对应的电流值,绘制出IV曲线;其中,变化的电压指的是从0V逐步增加到开路电压。
进一步的技术方案:所述质量评估模型的表达式具体为:
;
在表达式中,K表示的是新能源电池板的质量评估值,表示的是新能源电池板的电致发光评估值,FF表示的是新能源电池板的电性能评估指数,表示的是外观修正系数,a1、a2均为模型参数,且a1+a2=1。
进一步的技术方案:所述外观修正系数的获取方式具体为:
获取新能源电池的外观图像,生成外观可消除缺陷特征分布图;
获取外观可消除缺陷特征分布图中可消除缺陷特征面积,生成可消除缺陷特征分布指数;其中,可消除缺陷特征分布指数指的是可消除缺陷特征面积与外观可消除缺陷特征分布图总面积之间的比值;
其中,外观可消除缺陷特征分布图的生成方式具体为:
获取新能源电池的外观图像划分若干图像区域,获取图像区域内的图像色彩值;
根据标准新能源电池的外观图像的图像色彩值数据库对图像区域内的图像色彩值进行筛选;其中,筛选的方式为去除与标准新能源电池的外观图像的图像色彩值数据库相同的图像区域;
新能源电池板上不可消除特征的外观图像的图像色彩值指的是不可逆的特征,例如新能源电池板的裂纹所展现的图像色彩值;
将剩余的图像区域内的图像色彩值所对应的区域标记为可变区域;
根据可变区域的位置,生成外观可消除缺陷特征分布图。
一种智能新能源电池板合格检测系统,该系统包括:
电致发光分析单元,用于建立检测环境,获取新能源电池板的红外扫描图像,生成新能源电池板的电致发光评估值;其中,红外扫描图像指的是电致发光扫描成像;
损坏风险评估模块,用于根据新能源电池板的电致发光评估值,判断新能源电池板是否存在损坏风险;
电性能评估模块,若新能源电池板存在损坏风险,所述电性能评估模块用于获取新能源电池板的IV曲线,生成新能源电池板的电性能评估指数;
质量评估模块,用于根据新能源电池板的电致发光评估值、 新能源电池板的电性能评估指数和外观修正系数,建立质量评估模型,生成新能源电池板的质量评估值;
质量判断模块,用于根据新能源电池板的质量评估值,分析新能源电池板是否合格。
本发明提供了一种智能新能源电池板合格检测系统及方法,与现有技术相比具备以下有益效果:
本发明通过整合电致发光评估、电性能分析和外观修正系数,构建了多维度的质量评估模型,显著提升了检测的全面性和准确性;还利用红外扫描图像生成缺陷分布图,结合IV曲线量化电性能,并通过外观修正系数消除可逆缺陷的干扰,最终输出综合质量评估值,不仅实现了自动化、智能化的检测流程,还提高了缺陷识别的精度和效率,为新能源电池板的质量控制提供了可靠的技术支撑。
附图说明
图1为本发明实施例提供的一种智能新能源电池板合格检测方法的流程框图。
图2为本发明实施例提供的一种智能新能源电池板合格检测系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述。
请参阅图1,为本发明一种实施例提供的一种智能新能源电池板合格检测方法,包括以下步骤:
步骤S10:建立检测环境,获取新能源电池板的红外扫描图像,生成新能源电池板的电致发光评估值;其中,红外扫描图像指的是电致发光扫描成像;
步骤S20:根据新能源电池板的电致发光评估值,判断新能源电池板是否存在损坏风险;
步骤S30:若新能源电池板存在损坏风险,获取新能源电池板的IV曲线,生成新能源电池板的电性能评估指数;
步骤S40:根据新能源电池板的电致发光评估值、 新能源电池板的电性能评估指数和外观修正系数,建立质量评估模型,生成新能源电池板的质量评估值;
步骤50:根据新能源电池板的质量评估值,分析新能源电池板是否合格。
作为本发明的一种优选实施例,所述新能源电池板的缺陷分布图的生成方式具体包括以下步骤:
S11:建立测试环境,测试环境包括无光源环境;
S12:对新能源电池板进行通电,使用红外设备对新能源电池板进行图像扫描,生成新能源电池板的红外扫描图像;其中,红外扫描图像包括原始扫描图像和暗场扫描图像;原始扫面图像指的是对新能源电池板通电时在无光源环境下的扫描图像,暗场扫描图像指的是新能源电池板不通电时在无光源环境下的扫描图像;
需要解释说明的是,给电池板通电,使其发光,缺陷区域因电阻增大或断裂而发光较弱,从而可以通过红外设备进行获取;
此外,建立无光源环境(即暗场扫描图像)的作用是降低外界光对红外设备工作时的影响,从而提高新能源电池板的红外扫描图像的准确度;
S13:获取新能源电池板的红外扫描图像中的图像灰度值,生成图像灰度值评估指数;
S14:根据图像灰度值评估指数,生成新能源电池板的缺陷区域分布图;
S15:根据新能源电池板的缺陷区域分布图,生成新能源电池板的电致发光评估值。
作为本发明的一种优选实施例,所述图像灰度值评估指数的生成方式具体为:
通过公式:
生成图像灰度值评估指数;
在公式中,表示的是原始扫面图像像素点的灰度值,表示的是暗场扫面图像像素点的灰度值,指的是标准扫面图像像素点的灰度值;标准扫面图像指的是标准新能源电池板的扫面图像。
作为本发明的一种优选实施例,所述新能源电池板的缺陷区域分布图的生成方式具体为:
将图像灰度值评估指数与图像灰度值评估指数阈值进行比较;
需要解释说明的是,图像灰度值评估指数阈值为设定值,由本领域相关人员自行设定;
当图像灰度值评估指数大于或等于图像灰度值评估指数阈值时,表示该原始扫描图像的像素点所对应的新能源电池板的内部区域处于正常状态,则将该区域标记为正常区域;
当图像灰度值评估指数小于图像灰度值评估指数阈值时,表示该原始扫描图像的像素点所对应的新能源电池板的内部区域处于异常状态,则将该区域标记为异常区域;
根据异常区域和异常区域在新能源电池板所对应的位置,生成新能源电池板的缺陷区域分布图。
作为本发明的一种优选实施例,所述新能源电池板的电致发光评估值的生成方式为:
根据新能源电池板的缺陷区域分布图,获取缺陷区域的状态数据;其中,状态数据包括缺陷区域总面积、缺陷区域数量和缺陷区域的偏心距离;偏离距离指的是该区域距离缺陷区域分布图中心点的距离;
通过公式:
生成新能源电池板的电致发光评估值;
在公式中,表示的是缺陷区域总面积,表示的是缺陷区域面积警戒值,表示的是缺陷区域数量,表示的是缺陷区域数量警戒值,表示的是缺陷区域坐标距离缺陷区域分布图边缘的横向距离,表示的是缺陷区域坐标距离缺陷区域分布图边缘的纵向距离,表示的是缺陷区域分布图中心点距离缺陷区域分布图边缘的横向距离,表示的是缺陷区域分布图中心点距离缺陷区域分布图边缘的纵向距离,α、β均为权重系数,且α+β=1;
需要解释说明的是,α、β的取值由本领域相关人员自行设定,其取值的方式包括但不限于层次分析法、专家咨询法等;
还要补充说明的是,缺陷区域在缺陷区域分布图中的坐标是不相同的,在新能源电池板进行检测的过程中,可能会出现不止一个缺陷区域,即多个缺陷区域;根据所有缺陷区域的坐标距离缺陷区域分布图中的坐标的边缘距离(即所有坐标点距离分布图边缘的横向距离与纵向距离之和)与分布图中心点距离分布图边缘的横向距离与纵向距离之和之间的比值,即公式中的,再将输出结果与坐标总数量进行比值处理,即公式中的,生成平均边缘距离值;最后通过标准值,即中心点(分布图中心点距离分布图边缘的横向距离与纵向距离之和),生成缺陷区域的边缘化指数,即:
通过公式,生成缺陷区域的边缘化指数;
此外,缺陷区域的边缘化指数越大,表示缺陷区域距离缺陷区域分布图的中心点越近,则对新能源电池板的影响越严重;反之,则相反。
作为本发明的一种优选实施例,判断新能源电池板是否存在损坏风险的方式具体为:
将新能源电池板的电致发光评估值与新能源电池板的电致发光评估阈值进行比较;
新能源电池板的电致发光评估阈值为设定值,由本领域相关人员自行设定;
当新能源电池板的电致发光评估值小于或等于新能源电池板的电致发光评估阈值,则判定判断新能源电池板不存在损坏风险;此时,新能源电池板的电致发光评估值越小,新能源电池板存在损坏的风险就越小;
当新能源电池板的电致发光评估值大于新能源电池板的电致发光评估阈值,则判定判断新能源电池板存在损坏风险;此时,新能源电池板的电致发光评估值越大,新能源电池板存在损坏的风险就越大。
作为本发明的一种优选实施例,所述新能源电池板的电性能评估指数的生成方式具体为:
通过公式:
;
生成新能源电池板的电性能评估指数FF;
在公式中,表示的是新能源电池板的实际最大功率,表示的是新能源电池板的开路电压,表示的是新能源电池板的短路电流;新能源电池板的实际最大功率指的是IV曲线上V与I之间的乘积的最大值;
需要解释说明的是,新能源电池板的开路电压指的是电池板不接任何负载时的电压,其反映的是新能源电池板的本征特性;短路电流指的是新能源电池板正负极直接短路时的电流。
作为本发明的一种优选实施例,所述IV曲线的获取方式具体为:
对电池板施加一个变化的电压(从0V逐步增加到开路电压),同时测量对应的电流值,绘制出IV曲线(电流-电压曲线);
需要说明的是,在测量时,用两根线施加电压,另两根线测量电流,避免导线电阻干扰。
作为本发明的一种优选实施例,所述质量评估模型的表达式具体为:
在表达式中,K表示的是新能源电池板的质量评估值,表示的是新能源电池板的电致发光评估值,FF表示的是新能源电池板的电性能评估指数,表示的是外观修正系数,a1、a2均为模型参数,且a1+a2=1;
需要解释说明的是,a1、a2的取值由本领域相关人员自行设定,取值的方式包括但不限于线性回归方程等。
作为本发明的一种优选实施例,所述外观修正系数的获取方式具体为:
获取新能源电池的外观图像,生成外观可消除缺陷特征分布图;
需要解释说明的是,新能源电池的外观图像是在正常光源下的彩色图像;其获取的方式包括但不限于相机等;
此外,外观可消除缺陷特征分布图与新能源电池板的缺陷区域分布图为新能源电池板的不同图像,即两者边界的大小、形状相同;
获取外观可消除缺陷特征分布图中可消除缺陷特征面积,生成可消除缺陷特征分布指数;其中,可消除缺陷特征分布指数指的是可消除缺陷特征面积与外观可消除缺陷特征分布图总面积之间的比值;
其中,外观可消除缺陷特征分布图的生成方式具体为:
获取新能源电池的外观图像划分若干图像区域,获取图像区域内的图像色彩值;
根据标准新能源电池的外观图像的图像色彩值数据库对图像区域内的图像色彩值进行筛选;其中,筛选的方式为去除与标准新能源电池的外观图像的图像色彩值数据库相同的图像区域;
需要说明的是,标准新能源电池的外观图像的图像色彩值数据库包括正常状态下的新能源电池板的外观图像的图像色彩值和新能源电池板上不可消除特征的外观图像的图像色彩值,
新能源电池板上不可消除特征的外观图像的图像色彩值指的是不可逆的特征,例如新能源电池板的裂纹所展现的图像色彩值;
将剩余的图像区域内的图像色彩值所对应的区域标记为可变区域;
根据可变区域的位置,生成外观可消除缺陷特征分布图。
作为本发明的一种优选实施例,所述分析新能源电池板是否合格的方式具体为:
将新能源电池板的质量评估值与新能源电池板的质量评估阈值进行比较;
需要解释说明的是,新能源电池板的质量评估阈值设定值,其取值由本领域相关人员自行设定;
当新能源电池板的质量评估值小于或等于新能源电池板的质量评估阈值,则判定新能源电池板合格;
当新能源电池板的质量评估值大于新能源电池板的质量评估阈值,则判定新能源电池板不合格。
请参阅图2,本发明还提供了一种智能新能源电池板合格检测系统,该系统包括:
电致发光分析单元,用于建立检测环境,获取新能源电池板的红外扫描图像,生成新能源电池板的电致发光评估值;其中,红外扫描图像指的是电致发光扫描成像;
损坏风险评估模块,用于根据新能源电池板的电致发光评估值,判断新能源电池板是否存在损坏风险;
电性能评估模块,若新能源电池板存在损坏风险,所述电性能评估模块用于获取新能源电池板的IV曲线,生成新能源电池板的电性能评估指数;
质量评估模块,用于根据新能源电池板的电致发光评估值、 新能源电池板的电性能评估指数和外观修正系数,建立质量评估模型,生成新能源电池板的质量评估值;
质量判断模块,用于根据新能源电池板的质量评估值,分析新能源电池板是否合格。
作为本发明的一种优选实施例,所述电致发光分析单元具体包括:
场景建立模块,用于建立测试环境,测试环境包括无光源环境;
图像生成模块,用于对新能源电池板进行通电,使用红外设备对新能源电池板进行图像扫描,生成新能源电池板的红外扫描图像;其中,红外扫描图像包括原始扫描图像和暗场扫描图像;原始扫面图像指的是对新能源电池板通电时在无光源环境下的扫描图像,暗场扫描图像指的是新能源电池板不通电时在无光源环境下的扫描图像;
图像分析模块,用于获取新能源电池板的红外扫描图像中的图像灰度值,生成图像灰度值评估指数;
分布图生成模块,用于根据图像灰度值评估指数,生成新能源电池板的缺陷区域分布图;
电致发光评估值生成模块,用于根据新能源电池板的缺陷区域分布图,生成新能源电池板的电致发光评估值。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种智能新能源电池板合格检测方法,其特征在于,包括以下步骤:
建立检测环境,获取新能源电池板的红外扫描图像,生成新能源电池板的电致发光评估值;其中,红外扫描图像指的是电致发光扫描成像;
根据新能源电池板的电致发光评估值,判断新能源电池板是否存在损坏风险;
若新能源电池板存在损坏风险,获取新能源电池板的IV曲线,生成新能源电池板的电性能评估指数;
根据新能源电池板的电致发光评估值、 新能源电池板的电性能评估指数和外观修正系数,建立质量评估模型,生成新能源电池板的质量评估值;
根据新能源电池板的质量评估值,分析新能源电池板是否合格。
2.根据权利要求1所述的一种智能新能源电池板合格检测方法,其特征在于,所述新能源电池板的缺陷分布图的生成方式具体包括以下步骤:
建立测试环境,测试环境包括无光源环境;
对新能源电池板进行通电,使用红外设备对新能源电池板进行图像扫描,生成新能源电池板的红外扫描图像;其中,红外扫描图像包括原始扫描图像和暗场扫描图像;原始扫面图像指的是对新能源电池板通电时在无光源环境下的扫描图像,暗场扫描图像指的是新能源电池板不通电时在无光源环境下的扫描图像;
获取新能源电池板的红外扫描图像中的图像灰度值,生成图像灰度值评估指数;
根据图像灰度值评估指数,生成新能源电池板的缺陷区域分布图;
根据新能源电池板的缺陷区域分布图,生成新能源电池板的电致发光评估值。
3.根据权利要求2所述的一种智能新能源电池板合格检测方法,其特征在于,所述图像灰度值评估指数的生成方式具体为:
通过公式:
生成图像灰度值评估指数;
在公式中,表示的是原始扫面图像像素点的灰度值,表示的是暗场扫面图像像素点的灰度值,指的是标准扫面图像像素点的灰度值;标准扫面图像指的是标准新能源电池板的扫面图像。
4.根据权利要求2所述的一种智能新能源电池板合格检测方法,其特征在于,所述新能源电池板的缺陷区域分布图的生成方式具体为:
将图像灰度值评估指数与图像灰度值评估指数阈值进行比较;
当图像灰度值评估指数小于图像灰度值评估指数阈值时,表示该原始扫描图像的像素点所对应的新能源电池板的内部区域处于异常状态,则将该区域标记为异常区域;
根据异常区域和异常区域在新能源电池板所对应的位置,生成新能源电池板的缺陷区域分布图。
5.根据权利要求2所述的一种智能新能源电池板合格检测方法,其特征在于,所述新能源电池板的电致发光评估值的生成方式为:
根据新能源电池板的缺陷区域分布图,获取缺陷区域的状态数据;其中,状态数据包括缺陷区域总面积、缺陷区域数量和缺陷区域的偏心距离;偏离距离指的是该区域距离缺陷区域分布图中心点的距离;
通过公式:
生成新能源电池板的电致发光评估值;
在公式中,表示的是缺陷区域总面积,表示的是缺陷区域面积警戒值,表示的是缺陷区域数量,表示的是缺陷区域数量警戒值,表示的是缺陷区域坐标距离缺陷区域分布图边缘的横向距离,表示的是缺陷区域坐标距离缺陷区域分布图边缘的纵向距离,表示的是缺陷区域分布图中心点距离缺陷区域分布图边缘的横向距离,表示的是缺陷区域分布图中心点距离缺陷区域分布图边缘的纵向距离,α、β均为权重系数,且α+β=1。
6.根据权利要求1所述的一种智能新能源电池板合格检测方法,其特征在于,所述新能源电池板的电性能评估指数的生成方式具体为:
通过公式:
;
生成新能源电池板的电性能评估指数FF;
在公式中,表示的是新能源电池板的实际最大功率,表示的是新能源电池板的开路电压,表示的是新能源电池板的短路电流;新能源电池板的实际最大功率指的是IV曲线上V与I之间的乘积的最大值。
7.根据权利要求6所述的一种智能新能源电池板合格检测方法,其特征在于,所述IV曲线的获取方式具体为:
对电池板施加一个变化的电压,同时测量对应的电流值,绘制出IV曲线;其中,变化的电压指的是从0V逐步增加到开路电压。
8.根据权利要求1所述的一种智能新能源电池板合格检测方法,其特征在于,所述质量评估模型的表达式具体为:
;
在表达式中,K表示的是新能源电池板的质量评估值,表示的是新能源电池板的电致发光评估值,FF表示的是新能源电池板的电性能评估指数,表示的是外观修正系数,a1、a2均为模型参数,且a1+a2=1。
9.根据权利要求8所述的一种智能新能源电池板合格检测方法,其特征在于,所述外观修正系数的获取方式具体为:
获取新能源电池的外观图像,生成外观可消除缺陷特征分布图;
获取外观可消除缺陷特征分布图中可消除缺陷特征面积,生成可消除缺陷特征分布指数;其中,可消除缺陷特征分布指数指的是可消除缺陷特征面积与外观可消除缺陷特征分布图总面积之间的比值;
其中,外观可消除缺陷特征分布图的生成方式具体为:
获取新能源电池的外观图像划分若干图像区域,获取图像区域内的图像色彩值;
根据标准新能源电池的外观图像的图像色彩值数据库对图像区域内的图像色彩值进行筛选;其中,筛选的方式为去除与标准新能源电池的外观图像的图像色彩值数据库相同的图像区域;
新能源电池板上不可消除特征的外观图像的图像色彩值指的是不可逆的特征,例如新能源电池板的裂纹所展现的图像色彩值;
将剩余的图像区域内的图像色彩值所对应的区域标记为可变区域;
根据可变区域的位置,生成外观可消除缺陷特征分布图。
10.一种智能新能源电池板合格检测系统,其特征在于,该系统用于执行权利要求1-9任一项所述的一种智能新能源电池板合格检测方法;该系统包括:
电致发光分析单元,用于建立检测环境,获取新能源电池板的红外扫描图像,生成新能源电池板的电致发光评估值;其中,红外扫描图像指的是电致发光扫描成像;
损坏风险评估模块,用于根据新能源电池板的电致发光评估值,判断新能源电池板是否存在损坏风险;
电性能评估模块,若新能源电池板存在损坏风险,所述电性能评估模块用于获取新能源电池板的IV曲线,生成新能源电池板的电性能评估指数;
质量评估模块,用于根据新能源电池板的电致发光评估值、 新能源电池板的电性能评估指数和外观修正系数,建立质量评估模型,生成新能源电池板的质量评估值;
质量判断模块,用于根据新能源电池板的质量评估值,分析新能源电池板是否合格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202510700907.7A CN120539055A (zh) | 2025-05-28 | 2025-05-28 | 一种智能新能源电池板合格检测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202510700907.7A CN120539055A (zh) | 2025-05-28 | 2025-05-28 | 一种智能新能源电池板合格检测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN120539055A true CN120539055A (zh) | 2025-08-26 |
Family
ID=96783593
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202510700907.7A Pending CN120539055A (zh) | 2025-05-28 | 2025-05-28 | 一种智能新能源电池板合格检测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN120539055A (zh) |
-
2025
- 2025-05-28 CN CN202510700907.7A patent/CN120539055A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111275679B (zh) | 一种基于图像的太阳能电池缺陷检测系统及方法 | |
| CN101960612B (zh) | 太阳电池检查装置以及太阳电池缺陷判定方法 | |
| JP4235685B1 (ja) | 太陽電池の検査装置及び太陽電池の欠陥判定方法 | |
| US20230042106A1 (en) | System and method for the statistical analysis of images of photovoltaic panels | |
| CN114092454B (zh) | 光伏组件el检测方法、设备和存储介质 | |
| CN111242123A (zh) | 一种基于红外图像的电力设备故障诊断方法 | |
| CN101726693A (zh) | 一种在紫外图像上寻找电力设备放电区域的方法 | |
| CN110487802A (zh) | 现场检测光伏组件缺陷的识别装置 | |
| Liao et al. | Using Matlab real-time image analysis for solar panel fault detection with UAV | |
| CN117895899B (zh) | 一种光伏板清洁度检测方法及系统 | |
| WO2023272479A1 (zh) | 电站运维系统、电站运维方法及光伏电站 | |
| CN119672449A (zh) | 一种基于视觉识别的手机外观检测系统及方法 | |
| CN113989241A (zh) | 一种基于图像处理与深度学习融合的光伏组件el缺陷检测方法 | |
| CN118071033B (zh) | 一种光伏发电效率分析评价方法 | |
| CN119107288A (zh) | 一种基于深度学习的光伏检测优化方法、系统及终端 | |
| CN111242914B (zh) | 基于窗格检测和线性回归算法光伏组件热斑缺陷定位方法 | |
| CN114372230B (zh) | 一种基于电池效率的光伏组件el测试评估系统及方法 | |
| CN120539055A (zh) | 一种智能新能源电池板合格检测系统及方法 | |
| CN120691825A (zh) | 一种智能新能源电池板合格检测系统及方法 | |
| CN119561492A (zh) | 光伏组件质量检测方法及装置 | |
| CN119941689A (zh) | 光伏板缺陷检测方法、装置、电子设备及程序产品 | |
| CN119202943B (zh) | 机理模型与图像融合驱动的光伏板缺陷检测方法及系统 | |
| CN120298355A (zh) | 一种基于多模态感知技术的太阳能电池片缺陷检测方法 | |
| CN111626323A (zh) | 一种基于深度学习的电表状态检测和评估方法 | |
| KR20250055242A (ko) | 딥러닝 기반 태양광 패널 결함 검출 장치 및 그 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |