基于深度置信網(wǎng)絡(luò)的電致發(fā)光相機(jī)圖片質(zhì)量控制

游宏亮 羅俊 黎健生

摘要：文中針對(duì)電致發(fā)光測(cè)量的原理，設(shè)計(jì)出能高效測(cè)量的方法，能實(shí)現(xiàn)光伏組件電致發(fā)光圖像質(zhì)量的一致性。通過預(yù)設(shè)施加于光伏組件的電壓和紅外相機(jī)的拍攝參數(shù)，得到電致發(fā)光圖像。應(yīng)用深度置信網(wǎng)絡(luò)方法，可由電致發(fā)光圖像的灰度均值、標(biāo)準(zhǔn)偏差與亮度和對(duì)比度生成兩個(gè)增益因子的非線性映射關(guān)系，根據(jù)圖像本身的均值與標(biāo)準(zhǔn)偏差自動(dòng)獲取增益因子，從而調(diào)整相機(jī)的拍攝參數(shù)。文中提出的方法為光伏組件電致發(fā)光圖像質(zhì)量的評(píng)估提出了新思路。

關(guān)鍵詞：深度置信網(wǎng)絡(luò)；電致發(fā)光；自適應(yīng)增強(qiáng)

Image Quality Control of Electroluminescent Cameras Based on Deep Belief Network

YOU Hongliang1，2， LUO Jun1，2， LI Jiansheng1，2

（1Fujian Metrology Institute， Fuzhou 350003， Fujian， China）

（2 National PV Industry Measurement and Testing Center， Fuzhou 350003， Fujian， China）

Abstract： Aiming at the principle of electroluminescence measurement， this paper designs a method that can be efficiently measured and can achieve the consistency of electroluminescence image quality of photovoltaic modules. By presetting the voltage applied to the photovoltaic module and the shooting parameters of the infrared camera， an electroluminescent image is obtained. By using the depth confidence network method， the nonlinear mapping relationship between the two gain factors can be generated from the gray level mean， standard deviation， brightness and contrast of the electroluminescent image， and the gain factor can be automatically obtained according to the mean and standard deviation of the image itself， so as to adjust the camera shooting parameters. The method proposed in this paper puts forward new ideas for the evaluation of electroluminescence image quality of photovoltaic modules.

Key Words： Deep belief network; Electroluminescence; Adaptive enhancement

0 前言

在光伏電站組件安裝質(zhì)量檢查中，包含EL（電致發(fā)光）檢測(cè)、外觀檢查、接地連續(xù)性檢測(cè)、技術(shù)資料完整性和規(guī)范性檢查等項(xiàng)目，其中組件安裝后的EL（電致發(fā)光）檢測(cè)是評(píng)估電站安裝質(zhì)量及性能的最重要依據(jù)，如電致發(fā)光圖像合格率達(dá)不到要求，很可能要求電站組件退貨，重新安裝光伏組件。目前行業(yè)中針對(duì)光伏電站的EL檢測(cè)主要靠戶外EL測(cè)量儀進(jìn)行。戶外EL測(cè)試儀主要由定制支架、紅外相機(jī)、可編程直流源或大容量蓄電池組成。在測(cè)試過程中，支架上相機(jī)的位置、組件端施加電壓和電流設(shè)置[1]、相機(jī)的拍攝參數(shù)都需要在檢測(cè)過程中不斷調(diào)節(jié)，才能采集到符合要求的EL圖片。當(dāng)檢測(cè)大型光伏電站時(shí)，組件類型及需檢測(cè)的組件較多，反復(fù)調(diào)節(jié)設(shè)備占據(jù)了絕大部分工作時(shí)間，效率較低，且難以保證電致發(fā)光圖像明暗一致，不利于電致發(fā)光圖像缺陷的判定。

文中針對(duì)電致發(fā)光測(cè)量的原理，通過調(diào)整影響電致發(fā)光成像的測(cè)量參數(shù)[2]，采用深度置信網(wǎng)絡(luò)，建立電致發(fā)光圖像的灰度均值標(biāo)準(zhǔn)偏差與亮度和對(duì)比度兩個(gè)增益因子的非線性映射關(guān)系，根據(jù)電致發(fā)光圖像本身的均值與標(biāo)準(zhǔn)偏差自動(dòng)獲取增益因子，[3]從而調(diào)整相機(jī)的拍攝參數(shù)。該方法對(duì)于亮度和對(duì)比度都較低的電致發(fā)光圖像增益效果較好，可用于基于動(dòng)態(tài)電致發(fā)光圖像處理的在線檢測(cè)系統(tǒng)的預(yù)處理。經(jīng)現(xiàn)場(chǎng)實(shí)驗(yàn)，該方法能實(shí)現(xiàn)光伏組件電致發(fā)光圖像質(zhì)量的一致性。

1 影響參數(shù)調(diào)整實(shí)驗(yàn)

1.1實(shí)驗(yàn)準(zhǔn)備

影響電致發(fā)光成像明暗的測(cè)量參數(shù)主要是直流源參數(shù)（電壓、電流）和紅外相機(jī)參數(shù)（曝光時(shí)間、感光度）。首先，選定一塊光伏組件（開路電壓：47.82V、短路電流：9.75A、最大功率：365.0W），按照電致發(fā)光成像測(cè)試晶體硅光伏組件缺陷的方法，設(shè)定相機(jī)（尼康相機(jī)，型號(hào)：D5300，需更換紅外濾光片）和直流源參數(shù)和，調(diào)整相機(jī)角度，開啟直流源拍攝得到一張符合要求的光伏組件電致發(fā)光圖像，并作為實(shí)驗(yàn)組（電壓45V、電流9A、 曝光時(shí)間4s、光圈4、感光度1250）。然后，通過更改測(cè)量參數(shù)設(shè)置多個(gè)實(shí)驗(yàn)對(duì)照組，本次實(shí)驗(yàn)選取的測(cè)量參數(shù)有：直流源設(shè)定電壓、直流源設(shè)定電流、紅外相機(jī)曝光時(shí)間、紅外相機(jī)光圈、紅外相機(jī)感光度。

1.2 評(píng)估方法

直流源參數(shù)（電壓、電流）分別做以下兩組實(shí)驗(yàn)：第一組在保持實(shí)驗(yàn)組除電壓外，其他參數(shù)保持不變，將電壓從47V到40V依次降低并測(cè)試得到電致發(fā)光圖像（為便于判別，選取光伏組件中間一塊電池片作為實(shí)驗(yàn)參考圖像），具體數(shù)據(jù)見表1；第二組在保持實(shí)驗(yàn)組除電流外，其他參數(shù)保持不變，將電流從9A到1A依次降低并測(cè)試得到電致發(fā)光圖像，具體數(shù)據(jù)見表2。

由于光伏組件自身阻抗，若直流源設(shè)定電壓較低，輸入電流也會(huì)隨之降低，電致發(fā)光圖像也會(huì)明顯變暗。但根據(jù)實(shí)驗(yàn)數(shù)據(jù)顯示，在電致發(fā)光圖像符合標(biāo)準(zhǔn)要求的范圍內(nèi)，電壓從47V降到45V中的電致發(fā)光圖像灰度值并無明顯變化，且電壓降到44V后圖像明顯變暗且不符合標(biāo)準(zhǔn)要求。所以在實(shí)際測(cè)量中，直流源設(shè)定電壓只能在一小段區(qū)域內(nèi)且接近光伏組件最大功率，故直流源設(shè)定電壓不作為影響電致發(fā)光成像明暗的重要測(cè)量參數(shù)。

在上述實(shí)驗(yàn)中發(fā)現(xiàn)，在電壓保持不變，電流持續(xù)降低，在9A到1A這段范圍內(nèi)，電致發(fā)光圖像灰度值都在70左右，對(duì)測(cè)試結(jié)果影響較小，但要注意當(dāng)電流降到1A時(shí)，電致發(fā)光圖像灰度值急劇降低，所以在實(shí)際測(cè)量中電流需保持在一定范圍內(nèi)，一般設(shè)置不小于0.6倍的光伏組件短路電流。故直流源設(shè)定電流也不作為影響電致發(fā)光成像明暗的重要測(cè)量參數(shù)。

紅外相機(jī)參數(shù)（曝光時(shí)間、感光度）分別做以下兩組實(shí)驗(yàn)：第一組在保持實(shí)驗(yàn)組除曝光時(shí)間外，其他參數(shù)保持不變，將曝光時(shí)間從10s到1s依次降低并測(cè)試得到電致發(fā)光圖像，見表3；第二組在保持實(shí)驗(yàn)組除感光度外，其他參數(shù)保持不變，將感光度從3200到640依次降低并測(cè)試得到電致發(fā)光圖像，見表4。

曝光時(shí)間是讓光線落在相機(jī)圖像傳感器上的時(shí)間。曝光時(shí)間越長，就越能曝光傳感器為像素充電以使其更亮。在上述實(shí)驗(yàn)中發(fā)現(xiàn)，在第一組實(shí)驗(yàn)中隨著曝光時(shí)間不斷下降，電致發(fā)光圖像灰度值也隨之下降，數(shù)值下降明顯且降幅相近。從圖1中可以直觀地看到，數(shù)據(jù)整體近似一條直線，規(guī)律明顯，故曝光時(shí)間可以作為影響電致發(fā)光成像明暗的重要測(cè)量參數(shù)。相機(jī)在拍攝運(yùn)動(dòng)物體時(shí)，曝光時(shí)間長會(huì)導(dǎo)致運(yùn)動(dòng)的物體產(chǎn)生拖影，在戶外測(cè)量時(shí)，由于相機(jī)是固定在三腳架或其他支架上，曝光時(shí)間過長微風(fēng)擾動(dòng)或測(cè)量人員手抖容易造成畫面模糊，影響電致發(fā)光圖像缺陷判斷。根據(jù)戶外實(shí)測(cè)經(jīng)驗(yàn)，曝光時(shí)間需控制在10s以內(nèi)。

感光度（ISO）是反映相機(jī)的底片對(duì)于光的靈敏程度，光的靈敏程度越高，成像效果就越亮。由于主要成像亮度在光伏組件上，感光度越高，圖像的亮度也會(huì)隨之提高。在上述實(shí)驗(yàn)中發(fā)現(xiàn)，在第三組實(shí)驗(yàn)中隨著感光度不斷下降，電致發(fā)光圖像灰度值也隨之下降，數(shù)值下降明顯且降幅相近。從圖2中可以直觀地看到，數(shù)據(jù)整體近似一條直線，規(guī)律明顯，故感光度可以作為影響電致發(fā)光成像明暗的重要測(cè)量參數(shù)。在實(shí)際測(cè)量中，感光度若設(shè)置過高，反而會(huì)將電致發(fā)光圖像缺陷覆蓋，反而會(huì)影響數(shù)據(jù)的準(zhǔn)確性，導(dǎo)致判斷失誤。根據(jù)戶外實(shí)測(cè)經(jīng)驗(yàn)，感光度需控制在2500以內(nèi)。

從上述實(shí)驗(yàn)中可以看出，曝光時(shí)間和感光度對(duì)電致發(fā)光的成像質(zhì)量影響較大。文中由電致發(fā)光圖像的灰度均值、標(biāo)準(zhǔn)偏差與亮度和對(duì)比度生成兩個(gè)增益因子的非線性映射關(guān)系，根據(jù)電致發(fā)光圖像的均值與標(biāo)準(zhǔn)偏差自動(dòng)獲取增益因子，從而調(diào)整相機(jī)的曝光時(shí)間和感光度的增益因子。

2 自適應(yīng)圖像灰度、均值調(diào)整算法

將圖像的灰度均值和標(biāo)準(zhǔn)偏差作為深度置信網(wǎng)絡(luò)的輸入，曝光時(shí)間和感光度的增益因子作為深度置信網(wǎng)絡(luò)的輸出，建立一個(gè)深度置信網(wǎng)絡(luò)（Deep Belief Networks，DBN）其基本結(jié)構(gòu)如圖3所示。

在訓(xùn)練過程中，以重置的誤差函數(shù)作為新的目標(biāo)函數(shù)，對(duì)RBM進(jìn)行重復(fù)訓(xùn)練；在微調(diào)過程中，利用帶標(biāo)簽的訓(xùn)練樣本訓(xùn)練分類器，將已經(jīng)調(diào)整好的參數(shù)作為微調(diào)的初始值，使用隨機(jī)梯度下降法，通過最大化對(duì)數(shù)似然函數(shù)學(xué)習(xí)得到模型中的參數(shù)，由此學(xué)習(xí)到模型中較精致的特征。[4]

3 總結(jié)

3.1 實(shí)驗(yàn)實(shí)施

實(shí)驗(yàn)硬件環(huán)境為：實(shí)驗(yàn)采用尼康D5300相機(jī)，光圈大小自動(dòng)控制，工作電壓為5V。光伏組件電（選取與2.1中電參數(shù)不一致的光伏組件）性能參數(shù)：開路電壓：48.66V、短路電流：9.53A、最大功率：368.0W。

通過隨機(jī)更改試選取200張采集的電致發(fā)光圖像，得出圖像的灰度均值和標(biāo)準(zhǔn)偏差，再歸一化，設(shè)定為深度置信網(wǎng)絡(luò)的輸入向量。通過對(duì)圖像的人工輔助增益，確定增益因子A和B的大小，再歸一化后作為深度置信網(wǎng)絡(luò)的目標(biāo)向量。表5為部分實(shí)驗(yàn)數(shù)據(jù)。

利用python深度置信網(wǎng)絡(luò)，采用上述步驟中計(jì)算的輸入向量和目標(biāo)向量作為深度置信網(wǎng)絡(luò)的輸入和輸出，訓(xùn)練時(shí)設(shè)定可視層為 3、4、5和6層，隱含層的結(jié)點(diǎn)為 4、8、12、16。使用十折交叉驗(yàn)證法共做了10次交叉驗(yàn)證，通過數(shù)據(jù)集劃分為10份，輪流將其中9份作為訓(xùn)練數(shù)據(jù)，剩余的1份作為測(cè)試數(shù)據(jù)。訓(xùn)練集用于網(wǎng)絡(luò)模型的構(gòu)建、參數(shù)調(diào)整和訓(xùn)練。[4]最終得到較合適參數(shù)：深度置信網(wǎng)絡(luò)模型的層數(shù)為4，每層節(jié)點(diǎn)數(shù)為8，迭代次數(shù)為20。

對(duì)模型進(jìn)行訓(xùn)練，如圖3所示，當(dāng)訓(xùn)練進(jìn)行到迭代次數(shù)為20時(shí)滿足低于停止訓(xùn)練閾值條件，均方誤差為0.0047，表明模型結(jié)果較為理想。

3.2 實(shí)驗(yàn)分析

選20張電致發(fā)光圖像對(duì)深度置信網(wǎng)絡(luò)的映射關(guān)系進(jìn)行驗(yàn)證，并對(duì)訓(xùn)練結(jié)果進(jìn)行分析。

為了驗(yàn)證該算法的有效性，將訓(xùn)練好的深度置信網(wǎng)絡(luò)用于增益TFDS系統(tǒng)采集的圖像，并與直方圖均衡化的結(jié)果進(jìn)行比較，將視覺效果、嫡和直方圖相結(jié)合對(duì)增益后的圖像質(zhì)量進(jìn)行評(píng)價(jià)。

實(shí)驗(yàn)采用了10幅圖像來驗(yàn)證深度置信網(wǎng)絡(luò)對(duì)圖像增益的有效性，實(shí)驗(yàn)結(jié)果如表6所示。其中，p1和p2為圖像增益前后的嫡；t為運(yùn)行時(shí)間。圖像嫡作為圖像信息的度量，可以較好地評(píng)價(jià)圖像的對(duì)比度和清晰度。從表6可以看出，增益后的電致發(fā)光圖像質(zhì)量較前有了很大的改善。[5]

圖4實(shí)驗(yàn)為對(duì)低亮度、低對(duì)比度圖像的自適應(yīng)增益結(jié)果，自適應(yīng)前的原電致發(fā)光圖像的m和σ分別為22.34和19.45，p2為3.88。肉眼可見：原電致發(fā)圖像的亮度和對(duì)比度都較低，會(huì)對(duì)圖片細(xì)節(jié)判斷造成影響。

利用深度置信網(wǎng)絡(luò)進(jìn)行仿真得到增益因子A和B分別為3.56和3.8，運(yùn)算時(shí)間為57.44ms。增益后電致發(fā)圖像的p2為5.64。均衡化后的直方圖較為平坦，從而使熵值接近最大值。雖然從均衡化后的直方圖中能看出均衡化造成的灰度級(jí)缺失，但從均衡化后的圖像可以看出，亮度和對(duì)比度有顯著提高。

圖5的實(shí)驗(yàn)為對(duì)高亮度、高對(duì)比度的電致發(fā)圖像進(jìn)行的自適應(yīng)增益結(jié)果。自適應(yīng)前的原電致發(fā)光圖像的m和σ分別為52.18和66.42。肉眼可見：原電致發(fā)圖像的亮度和對(duì)比度都較高，圖片細(xì)節(jié)被遮蓋，無法對(duì)圖片進(jìn)行正常判斷。

經(jīng)深度置信網(wǎng)絡(luò)仿真后得出增益因子A、B分別為2.57和2.67，運(yùn)算時(shí)間為46.7ms。增益前后圖像熵分別為5.23和5.68。從均衡化后的圖像可以看出，除去曝光過強(qiáng)的部分，圖像的其它部分都較為清晰，亮度和對(duì)比度有顯著提高，從均衡化后的直方圖中可以看出，圖像的灰度分布較為均勻，范圍較廣。

4 結(jié)論

文中提出了能實(shí)現(xiàn)光伏組件電致發(fā)光圖像質(zhì)量的一致性的方法，通過選擇影響電致發(fā)光成像明暗的主要測(cè)量參數(shù)：直流源參數(shù)（電壓、電流）和紅外相機(jī)參數(shù)（曝光時(shí)間、光圈、感光度），從設(shè)置的多個(gè)實(shí)驗(yàn)對(duì)照組數(shù)據(jù)判斷選擇出影響電致發(fā)光成像明暗的重要測(cè)量參數(shù)：曝光時(shí)間和感光度；再根據(jù)這兩個(gè)參數(shù)和對(duì)應(yīng)的灰度值采用深度置信網(wǎng)絡(luò)算法訓(xùn)練，使得網(wǎng)絡(luò)具有聯(lián)想能力和預(yù)估能力，能實(shí)現(xiàn)光伏組件電致發(fā)光圖像的灰度值一致性。暗室和夜晚情況下的光伏組件電致發(fā)光測(cè)量，使用該方法且能保證測(cè)試圖像的一致性，對(duì)后續(xù)圖像的判別更具準(zhǔn)確性，對(duì)光伏組件合格率與光伏電站安裝質(zhì)量的評(píng)估更具有說服力。文中提出的方法為光伏組件電致發(fā)光圖像質(zhì)量的評(píng)估提出了新思路。

參考文獻(xiàn)

[1]電致發(fā)光成像測(cè)試晶體硅光伏組件缺陷的方法：TCPIA 0009-2019[S].

[2]陳文志，張鳳燕，張然，李超.基于電致發(fā)光成像的太陽能電池缺陷檢測(cè)[J].發(fā)光學(xué)報(bào)，2013，08：1028-1034.

[3]譚海曙，周富強(qiáng)，熊瑛，李學(xué)夔.基于神經(jīng)網(wǎng)絡(luò)的圖像亮度和對(duì)比度自適應(yīng)增強(qiáng)[J].光電子·激光.2010-12-15：1881-1882.

[4]張善文，張傳雷，丁軍.基于改進(jìn)深度置信網(wǎng)絡(luò)的大棚冬棗病蟲害預(yù)測(cè)模型[J].農(nóng)業(yè)工程學(xué)報(bào)，?2017（19）：203.

[5]譚海曙，周富強(qiáng)，熊瑛，李學(xué)夔.基于神經(jīng)網(wǎng)絡(luò)的圖像亮度和對(duì)比度自適應(yīng)增強(qiáng)[J].光電子·激光.2010-12-15：1883.