作为光伏电站的主要组成部分,光伏电池中存在隐裂、划痕、热点和断栅等缺陷,这些缺陷影响着电池的性能和电站的运行状况,因此开展光伏电池的缺陷检测是至关重要的。建立脉冲电致红外热成像(PEIT)实验系统,使用该系统开展含有不同类型缺陷的光伏电池的检测实验并采集红外热图像序列。采用线性判别分析(LDA)和二次判别分析(QDA)两种监督学习算法来处理热图像序列,并与主成分分析(PCA)和多项式拟合相关系数(FCC)两种传统处理算法进行比较。实验结果表明,PEIT算法可以对光伏电池的缺陷进行有效检测,QDA算法在信噪比、信息熵和均方误差三个指标上均优于LDA、PCA和FCC算法,可以实现对光伏电池各类缺陷的有效识别。

针对脉冲红外热成像检测缺陷构件时, 红外图像噪声较大、边缘信息模糊等特点, 提出了一种基于模糊C均值聚类和Canny算子相结合的边缘检测新方法。该方法首先对输入的红外图像进行整体灰度变换, 采用模糊C均值聚类对图像进行区域分割、提取和二值化; 再将各个区域进行叠加, 使红外图像的边缘变得连续; 最后, 采用Canny算子对处理后的图像进行边缘检测, 实现缺陷的识别。在图像边缘检测基础上, 分析了图像定位缺陷位置与实际缺陷位置之间的相对误差, 并运用物像关系, 实现缺陷几何尺寸的定量检测。结果表明: 该方法对缺陷边缘识别完整清晰, 具有较高的定位精度和抗噪能力, 有利于缺陷的识别与定量检测。