随着化石能源的消耗以及环保意识的提高,社会对清洁能源的需求逐渐增加。太阳能具有易于获取,存量几乎无限、不受地域限制等优点。基于光伏效应,太阳能电池能将太阳能转换成电能,为各种用电设备提供动力。目前,太阳能电池已经基本实现自动化生产,但在生产过程中,由于各种因素,不可避免地会出现缺陷的产品。这些缺陷产品容易引发安全事故,威胁人民群众生命财产安全,必须进行甄别。本文研究了太阳能电池背面电极,通过计算电极的面积和形状,判断电极是否符合生产标准,以此剔除不合格的产品。因此,本文基于机器视觉研究电极的定位与分割算法。首先,为了定位一张图像中的硅片,以及硅片上54个电极,我们提出了基于投影法和曲线拟合法的定位算法。利用定位结果裁剪一张图像中的54个电极,使得裁剪后的图像只包含一个电极。定位消除了大部分不相关的背景区域,简化了问题,为电极的分割提供便利。通过对电极图像特征的分析,将电极图像分为阈值可分割和阈值不可分割两类。本文提出了判断图像是否阈值可分割的方法。对于阈值可分割的图像,本文提出了一种基于阈值的图像分割方法,并与其它具有相似原理的分割方法进行了比较。对于阈值不可分割的图像,本文提出了基于超像素的电极分割方法,并与其它方法进行了比较。实验结果表明,该方法具有较高的分割精度。为了提高电极分割的精度,本文提出了一种基于卷积神经网络的电极分割方法。该方法以定位结果为基础,对阈值不可分割的图像进行了研究。本文提出了一种多尺度的金字塔特征输入结构,为网络提供更丰富的输入信息。网络使用自下而上的空间注意力机制,以此减少背景中的干扰。网络的损失函数采用了交叉熵函数和本文改进的IOU函数,并且使用了深监督的训练方法。实验中,将本文提出的网络与其他优秀的网络进行对比,实验结果表明该网络优于其他网络,具着更高的分割精度以及实时性能。