公开(公告)号：CN107895376A

公开(公告)日：2018-04-10

申请号：CN201711313921.3

申请日：2017-12-11

Applicant: 福州大学

Inventor： 郑茜颖 ,  周海芳 ,  戴龙云 ,  程树英 ,  林锦州

IPC: G06T7/13 ,  G06T7/11 ,  G06T7/136 ,  G06T7/194 ,  G06T7/90 ,  G06T3/40 ,  G06T5/00 ,  G06T5/20 ,  G06T5/30 ,  G06K9/46

CPC classification number: G06T3/4007 ,  G06K9/4604 ,  G06T5/002 ,  G06T5/20 ,  G06T5/30 ,  G06T7/11 ,  G06T7/13 ,  G06T7/136 ,  G06T7/194 ,  G06T7/90 ,  G06T2207/10024 ,  G06T2207/20192

Abstract: 本发明涉及一种基于改进Canny算子和轮廓面积阈值的太阳能电池板识别方法。首先，对采集的图像进行插值抽样，缩小图片的尺寸和像素；采用高斯滤波滤除干扰边缘和噪声点，突出目标区域；其次，转换颜色空间，便于提取饱和度等颜色信息；对无关点进行排除，实现强化目标区域，弱化背景区域的目的；最后，利用改进Canny算子获取动态阈值并对图像进行边缘检测，得到二值轮廓图像；对轮廓面积进行阈值分割，排除背景区域，保留目标区域。本发明可以提高太阳能电池板识别的准确率。

公开(公告)号：CN108961154B

公开(公告)日：2022-12-23

申请号：CN201810767154.1

申请日：2018-07-13

Applicant: 福州大学

Inventor： 郑茜颖 ,  戴龙云 ,  周海芳 ,  程树英

IPC: G06T3/00 ,  G06T5/00 ,  G06T5/50 ,  G06T7/00 ,  G06T7/13

Abstract: 本发明涉及一种基于改进非下采样轮廓波变换的太阳电池热斑检测方法。该方法具体包括以下步骤：步骤S1：建立测试图像库，将图像重采样为256×256像素；步骤S2:对重采样的图像进行严格的图像配准；步骤S3：对红外图像进行显著性检测，获得其显著图；步骤S4：分别对可见光和红外图像进行NSCT分解，得到高频和低频子带系数；步骤S5：对高频和低频子带系数分别采用不同的融合规则进行融合；步骤S6：对融合后的NSCT系数进行逆变换，得到融合图像。本发明可以实现太阳电池热斑的准确检测；热斑故障检测对于太阳电池来说是至关重要，基于视觉显著性和NSCT的太阳电池热斑检测方法精确定位热斑缺陷区域，方便故障检测和排查，及时发现故障片，灵活方便，提高效率。

公开(公告)号：CN109003029A

公开(公告)日：2018-12-14

申请号：CN201810799888.8

申请日：2018-07-20

Applicant: 福州大学

Inventor： 郑茜颖 ,  吴建耀 ,  程树英 ,  杨炳坤 ,  罗征 ,  翁道臣 ,  戴龙云 ,  曾超

IPC: G06Q10/08 ,  G07C1/20 ,  G06K17/00

Abstract: 本发明涉及一种基于深度学习的智能仓库巡检方法及系统，利用智能小车进行仓库巡检，利用多线程技术采集图像数据，将采集的数据通过http协议发送到服务器；服务器通过多线程和共享内存进行实时接收图像数据；将接收到的图像通过基于深度学习的SSD目标检测算法对标有化学用品信息的二维码进行识别；并计算得到二维码中心偏离图片中心的角度，将角度信息传输给智能小车；小车得到此角度数据之后，调整轮子的转向，不断向二维码靠近，通过连续的读每一帧并修正，使小车能够不断的靠近二维码，并读取二维码的内容信息，将二维码的内容信息发送到数据库；数据库根据接收到的数据，归纳出仓库中危险化学品的种类和数量。本发明利用图像方式对仓库进行管理，相比于RFID技术成本较低。

公开(公告)号：CN108961154A

公开(公告)日：2018-12-07

申请号：CN201810767154.1

申请日：2018-07-13

Applicant: 福州大学

Inventor： 郑茜颖 ,  戴龙云 ,  周海芳 ,  程树英

IPC: G06T3/00 ,  G06T5/00 ,  G06T5/50 ,  G06T7/00 ,  G06T7/13

CPC classification number: G06T7/0004 ,  G06T3/0006 ,  G06T5/002 ,  G06T5/50 ,  G06T7/13 ,  G06T2207/30168

Abstract: 本发明涉及一种基于改进非下采样轮廓波变换的太阳电池热斑检测方法。该方法具体包括以下步骤：步骤S1：建立测试图像库，将图像重采样为256×256像素；步骤S2:对重采样的图像进行严格的图像配准；步骤S3：对红外图像进行显著性检测，获得其显著图；步骤S4：分别对可见光和红外图像进行NSCT分解，得到高频和低频子带系数；步骤S5：对高频和低频子带系数分别采用不同的融合规则进行融合；步骤S6：对融合后的NSCT系数进行逆变换，得到融合图像。本发明可以实现太阳电池热斑的准确检测；热斑故障检测对于太阳电池来说是至关重要，基于视觉显著性和NSCT的太阳电池热斑检测方法精确定位热斑缺陷区域，方便故障检测和排查，及时发现故障片，灵活方便，提高效率。

公开(公告)号：CN107256556A

公开(公告)日：2017-10-17

申请号：CN201710425847.8

申请日：2017-06-08

Applicant: 福州大学

Inventor： 程树英 ,  郑茜颖 ,  林锦州 ,  林培杰 ,  周海芳 ,  郑巧 ,  戴龙云 ,  陈志聪

IPC: G06T7/12 ,  G06T5/00 ,  G06T7/194 ,  G06T7/181

CPC classification number: G06T7/12 ,  G06T5/002 ,  G06T5/006 ,  G06T7/181 ,  G06T7/194

Abstract: 本发明涉及一种基于灰度跳变思想的太阳能电池组件单元分割方法，具体包括以下步骤：步骤S1：对倾斜的太阳能电池组件图像进行透视投影变换，得到带有桶形失真的校正图像；步骤S2：对带有桶形失真的图像进行桶形畸变校正，得到较为的理想的矩形；步骤S3：对校正后的图像二值化，将前景和后景区分开；步骤S4：对图像进行闭运算，使前景边界平滑；步骤S5：根据灰度跳变特性来确定太阳电池组件的边界并将其截取下来；步骤S6：对截取的组件进行图像预处理，根据灰度跳变特性来确定太阳能电池组件单元的边界并将其分割提取。本发明能够有效提高太阳能电池单元分割的准确性。