文献类型：期刊文章

作　　者：柳扬[1,2] 陈美珍[1,2] 徐胜彬[1,2] 郭俊锋[1,2] 张永强[1,2] 林金阳[1,2]

Liu Yang;Chen Meizhen;Xu Shengbin;Guo Junfeng;Zhang Yongqiang;Lin Jinyang(National Demonstration Center for Experimental Electronic Information and Electrical Technology Education,Fujian University of Technology,Fuzhou 350118,China;Research Center for Microelectronics Technology,Fujian University of Technology,Fuzhou 350118,China)

机构地区：[1]福建工程学院电子信息与电气技术国家级实验教学示范中心,福州350118 [2]福建工程学院微电子技术研究中心,福州350118

出　　处：《电子测量技术》

基　　金：平板显示国家地方联合工程实验室开放基金项目(KF1802,GY-Z18038);面向医学图像语义分割的新型卷积神经网络模型设计方法研究(2020J01879)资助。

年　　份：2021

卷　　号：44

期　　号：11

起止页码：96-102

语　　种：中文

收录情况：BDHX、BDHX2020、核心刊

摘　　要：光伏阵列的缺陷检测及其影响评估对于提高其系统的性能和可靠性具有重要意义。针对光伏阵列热斑缺陷的检测图像存在细节缺失和易受噪声干扰的问题,为了能够快速地识别缺陷,准确地分析其损坏程度,提出了一套系统性的检测方案。使用手持热成像仪对光伏阵列进行拍摄,将所获取的图像传输到计算机上,并通过灰度化处理将原始红绿蓝色彩模式(RGB)图像转化为灰度图像。针对传统热成像检测技术存在效率低与缺少缺陷衡量标准等缺点,提出了一种灰度转换算法,首先将灰度图像进行K均值聚类(K-means),再进行线性增强,将各个区域灰度值线性增加,接着采用阈值分割算法将图像颜色簇进行灰度转换,最后根据所提出缺陷程度表对图像进行定量分析,数据与图形结合表示出光伏阵列的缺陷情况。实验结果表明该方法在缺陷程度检测方面与传统二值化处理算法相比,检测偏差小于2%,并且能详细地显示轻微缺陷与重度缺陷区域缺陷的细节。同时针对图像的非均匀性噪声干扰有较好的抑制效果,提高检测精度。

关 键 词：热斑效应  热成像 K-MEANS聚类 图像增强 阈值分割

分 类 号：TK514] TP391.41]