本发明涉及电池片检测，具体为基于3d机器视觉的电池片微缺陷自动识别系统。
背景技术：
1、在太阳能电池片的生产过程中，焊接工艺是确保电池片与互连条、汇流带等部件有效连接的关键环节。由于焊接过程中的各种复杂因素，电池片焊接缺陷时有发生，这些缺陷不仅影响电池片的电气性能，还可能引发安全问题，导致电池组件的整体性能下降和寿命缩短。
2、电池片焊接缺陷主要包括焊接裂纹、未焊透、夹渣和气孔、爆点、针孔、凹坑、凸点、偏光和黑点等，这些缺陷的形成原因多种多样，主要包括以下几个方面：
3、焊接参数不当：如焊接电流、电压、焊接速度、电弧长度等参数设置不合理，导致焊接能量不足或过大，从而产生未焊透、气孔或裂纹等缺陷。
4、焊接材料问题：焊条或焊丝质量不良，存在锈蚀、油污或潮湿等问题，焊接时易产生气体和杂质，形成气孔和夹渣。
5、焊接环境不佳：如风速过大、湿度过高、清洁度不够等，会影响焊接质量，增加气孔和裂纹的产生几率。
6、焊接设备故障：焊接设备老化、维护不当或操作失误，也可能导致焊接缺陷的出现。
7、目前，针对电池片焊接缺陷的检测主要依赖于传统的人工目视检查和采用图像处理技术实现的自动化检查。人工目视检查虽然操作简便，但受操作人员经验影响较大，主观性强，且难以保证检测的一致性和准确性。随着生产规模的扩大和自动化程度的提高，人工目视检查已难以满足高效、精准的检测需求。图像处理技术虽然在焊缝检测中有一定应用，但传统的2d视觉方案无法获得物体的空间坐标信息，对于与高度相关的缺陷(如凹坑、凸点等)检测效果不佳。因此，我们提出基于3d机器视觉的电池片微缺陷自动识别系统。
技术实现思路
1、本发明的目的在于提供基于3d机器视觉的电池片微缺陷自动识别系统，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：基于3d机器视觉的电池片微缺陷自动识别系统，包括：
3、3d视觉传感模块，用于获取电池片的详细表面形貌信息；所述3d视觉传感器模块包括图像拍摄单元和光源控制单元，图像拍摄单元采用高精度深度相机，对电池片焊接区域进行全面3d图像采集；光源控制单元用于调节光照条件，减少反光和阴影对图像质量的影响；
4、机械传动模块，用于将电池片自动、稳定地传送到图像拍摄单元下方进行检测；
5、3d图像处理模块，用于对采集到的3d图像进行预处理，优化图像数据；所述3d图像处理模块包括图像去噪单元、配准对齐单元和几何校正单元；所述图像去噪单元采用3d图像滤波技术，对图像进行去噪和平滑处理；所述图像配准对齐单元用于在多视角图像中，将不同图像中的同一对象对齐到同一坐标系下；所述几何校正单元用于纠正图像中的几何畸变，包括图像的透视变形和扭曲；
6、机器学习模块，用于对3d图像处理模块输出的电池片图像进行缺陷识别，所述机器学习模块基于深度学习算法构建一个缺陷识别模型，所述缺陷识别模型用于判断图像中的电池片是否存在缺陷以及存在的缺陷数量、位置和种类；
7、用户交互模块，提供一个图形用户界面，用于操作人员与系统进行交互；界面设计包括实时图像显示窗口，用于展示3d视觉传感器模块采集的电池片图像；缺陷列表展示区，用于列出机器学习模块识别的缺陷信息，包括缺陷数量、位置和种类；参数设置面板，用于操作人员调整系统检测参数，包括光照条件、图像预处理算法参数和缺陷识别阈值；
8、报告生成模块，用于将系统检测过程中收集的数据和结果整理成报告形式输出。
9、优选的，所述机械传动模块包括电池片固定装置、传动导轨和驱动装置；电池片固定装置用于稳固地夹持电池片；传动导轨用于实现电池片的平稳传送；驱动装置用于提供动力，控制电池片固定装置沿传动导轨移动；
10、驱动装置启动并带动传动导轨运动，电池片被放置在固定装置上并被稳固夹持，随着传动导轨的运动，固定装置携带电池片沿预定路径向图像拍摄单元下方移动。
11、优选的，所述图像去噪单元使用高斯滤波法去除3d图像中的噪点，通过三维高斯核的卷积和三维高斯函数的计算获取去噪后的图像，三维高斯函数的计算公式为：
12、
13、其中，x、y、z表示三维图像每个体素在三维空间中的坐标，g(x,y,z)表示体素经过三维高斯函数计算后获得的坐标，σ是三维高斯函数的标准差，e是自然对数的底数，π是圆周率。
14、优选的，所述配准对齐单元将多视角图像中的同一对象对齐到同一坐标系下的方法为：
15、i)收集包含电池片焊接区域的多视角的3d图像数据；
16、ii)选择一个视角的图像作为基准图像，并对其他视角的图像进行变换，以使其与基准图像对齐；
17、iii)利用特征提取算法，从每个图像中提取关键特征点，并建立特征点之间的对应关系；
18、iv)根据特征点之间的对应关系，计算坐标变换矩阵，该坐标变换矩阵用于将非基准图像中的特征点变换到基准图像的坐标系下；
19、v)应用坐标变换矩阵对非基准图像进行坐标变换，将多视角图像中的同一对象对齐到同一坐标系下；
20、所述坐标变换矩阵的计算采用以下公式：
21、
22、其中，t是坐标变换矩阵，r是旋转矩阵，表示图像之间的旋转关系，t是平移向量，表示图像之间的平移关系。
23、优选的，所述几何校正单元利用透视变换矩阵对图像进行校正，以消除透视变形和扭曲；所述透视变换矩阵表示为：
24、
25、其中，h是透视变换矩阵，hij是矩阵中的元素，通过直接线性变换dlt算法计算获得。
26、优选的，所述焊接缺陷的种类包括焊接裂纹、未焊透、夹渣、气孔、爆点、针孔、凹坑、凸点、偏光和黑点。
27、优选的，所述机器学习模块构建和训练缺陷识别模型的步骤包括：
28、步骤1：构建三维卷积神经网络模型，该模型包含输入层、多个隐藏层和多个输出层；输入层用于接收预处理后的3d电池片图像数据；隐藏层用于提取图像特征；多个输出层分别用于输出缺陷的数量、位置和种类；
29、步骤2：准备训练数据集，该数据集包含大量标记了缺陷数量、位置和种类的3d电池片图像；
30、步骤3：使用训练数据集对三维卷积神经网络模型进行训练，通过前向传播和反向传播算法调整模型参数，以最小化输出层预测的缺陷数量、位置和种类与真实标记之间的差异；
31、步骤4：在训练过程中，采用适当的损失函数来评估模型预测的准确性，并根据损失函数的梯度更新模型参数；
32、步骤5：重复步骤3和4，直到模型在验证集上的性能达到预定标准或训练达到预定的迭代次数；
33、步骤6：保存训练好的模型，以供后续的电池片缺陷识别使用。
34、优选的，评估缺陷识别模型性能的方法为：准备一个包含已知缺陷数量、位置和种类的电池片图像的测试数据集；使用训练好的缺陷识别模型对测试数据集中的图像进行缺陷识别，得到模型预测的缺陷数量、位置和种类；将模型预测的缺陷数量、位置和种类与测试数据集中已知的缺陷数量、位置和种类进行比较，计算模型识别的准确率、召回率和f1分数；根据准确率、召回率和f1分数的计算结果，评估模型的性能。
35、优选的，所述报告生成模块按照预定的格式和结构设计报告模版，所述包括模版的内容包括电池片图像、缺陷识别结果、检测参数和检测时间。
36、与现有技术相比，本发明的有益效果是：
37、系统采用3d视觉传感模块，能够全面、精确地获取电池片的详细表面形貌信息，相较于传统2d视觉方案，显著提升了对与高度相关缺陷(如凹坑、凸点等)的检测能力。自动化检测流程替代了人工目视检查，大大提高了检测效率，降低了人为因素导致的检测误差。
38、机器学习模块基于深度学习算法，构建了强大的缺陷识别模型，能够准确判断电池片中是否存在缺陷，以及缺陷的数量、位置和种类，提升了缺陷识别的全面性和准确性。
1.基于3d机器视觉的电池片微缺陷自动识别系统，其特征在于，包括：
2.根据权利要求1所述的基于3d机器视觉的电池片微缺陷自动识别系统，其特征在于：所述机械传动模块包括电池片固定装置、传动导轨和驱动装置；电池片固定装置用于稳固地夹持电池片；传动导轨用于实现电池片的平稳传送；驱动装置用于提供动力，控制电池片固定装置沿传动导轨移动；
3.根据权利要求2所述的基于3d机器视觉的电池片微缺陷自动识别系统，其特征在于，所述图像去噪单元使用高斯滤波法去除3d图像中的噪点，通过三维高斯核的卷积和三维高斯函数的计算获取去噪后的图像，三维高斯函数的计算公式为：
4.根据权利要求3所述的基于3d机器视觉的电池片微缺陷自动识别系统，其特征在于，所述配准对齐单元将多视角图像中的同一对象对齐到同一坐标系下的方法为：
5.根据权利要求4所述的基于3d机器视觉的电池片微缺陷自动识别系统，其特征在于，所述几何校正单元利用透视变换矩阵对图像进行校正，以消除透视变形和扭曲；所述透视变换矩阵表示为：
6.根据权利要求1所述的基于3d机器视觉的电池片微缺陷自动识别系统，其特征在于：所述焊接缺陷的种类包括焊接裂纹、未焊透、夹渣、气孔、爆点、针孔、凹坑、凸点、偏光和黑点。
7.根据权利要求6所述的基于3d机器视觉的电池片微缺陷自动识别系统，其特征在于，所述机器学习模块构建和训练缺陷识别模型的步骤包括：
8.根据权利要求7所述的基于3d机器视觉的电池片微缺陷自动识别系统，其特征在于，评估缺陷识别模型性能的方法为：准备一个包含已知缺陷数量、位置和种类的电池片图像的测试数据集；使用训练好的缺陷识别模型对测试数据集中的图像进行缺陷识别，得到模型预测的缺陷数量、位置和种类；将模型预测的缺陷数量、位置和种类与测试数据集中已知的缺陷数量、位置和种类进行比较，计算模型识别的准确率、召回率和f1分数；根据准确率、召回率和f1分数的计算结果，评估模型的性能。
9.根据权利要求1所述的基于3d机器视觉的电池片微缺陷自动识别系统，其特征在于：所述报告生成模块按照预定的格式和结构设计报告模版，所述包括模版的内容包括电池片图像、缺陷识别结果、检测参数和检测时间。
