太阳能是一种环保、安全、无污染的新型清洁能源。太阳能光伏发电已成为新能源的重要发展方向之一。由于太阳能电池片的缺陷影响其发电效率、使用寿命和使用安全,特别是,如果有缺陷的太阳能电池片未能及时检出就投入市场使用,会带来火灾、爆炸等安全隐患。因此太阳能电池片缺陷检测技术受到广泛关注。基于视觉的太阳能电池片缺陷检测技术已成为研究热点。本文在综合分析太阳能电池片缺陷检测技术国内外研究现状的基础上,基于机器视觉技术,开发了一种太阳能电池片缺陷检测装置。首先,通过研究现有太阳能电池片缺陷检测算法,分析了传统的缺陷检测算法和使用卷积神经网络对特征图像进行分类的优缺点;其次,设计了太阳能电池片缺陷检测装置的硬件和软件系统,根据太阳能电池片表面隐裂和断栅缺陷的视觉特征,设计了太阳能电池片表面缺陷的特征提取算法,通过卷积神经网络对缺陷的样本进行训练,优化和改进卷积神经网络的结点和层数来提高检测分类的精度。本文主要应用传统的视觉检测算法进行缺陷的特征提取,使用卷积神经网络对太阳能电池片表面缺陷进行分类判断,提取太阳能电池片表面的缺陷;最后,通过前期采集的太阳能电池片隐裂和断栅的缺陷图像进行了系统测试。实验结果表明,该系统对于太阳能电池片表面隐裂和断栅缺陷的检测精度达到97%以上,具有很好的实际应用价值。