光伏电池片图像缺陷检测器
本缺陷检测器针对倾斜的光伏电池板组件照片，应用直方图自适应二值化和透视变换技术进
行图像校正，提取行列特征后通过 FFT 频谱分析出晶片的行列排布进行图像分割，可分别
应用非线性 SVM 与 DenseNet 对分割照片进行训练以实现缺陷检测。
获取代码
下载代码
环境依赖
该检测器代码采用 python 编写，务必保证环境依赖：
� python3.8
� tensorflow: >=2.0.0 & <=2.3.0
� python-opencv: ==4.5.1
� numpy
� matplotlib
� alive_progress
� cmd
� xlrd
� xlwt
可以通过输入以下指令以满足最基本配置：
conda install tensorflow==2.3.0 opencv==4.5.1 numpy matplotlib alive_progress cmd xlrd xlwt
或者在获取代码后在代码根目录输入：
conda env create -f require.yaml
快速使用
目录配置
在获取代码后，在根目录下新建文件夹 photos
mkdir photos
在 photos 文件夹中存放未校正分割的光伏电池板原图。
光伏电池板原图须为".jpg"或".JPG"
使用交互式命令行检测
1. 在项目根目录下运行以下指令启动交互式命令行
python main.py
2. 查看可用文件夹列表
show folder
3. 选择 photos 文件夹
set folder photos
或 set folder <文件夹对应编号>
4. 查看可用图片文件
show image
5. 选择***.jpg 图片
set image ***.jpg
或 set image <图片对应编号>
6. 查看可用缺陷识别模型
show model
7. 选择非线性 SVM 模型
set model SVM
