裂纹是电池片常见的缺陷,也是电池片生产中需要重点检测的缺陷类型。电池片裂纹缺陷会引起栅线断裂,阻碍电流的传输,导致电池片部分甚至全部失效,直接影响光伏发电系统的稳定性和可靠性。基于计算机视觉的电池片裂纹缺陷自动检测技术对于确保电池片质量、提升光伏组件的发电效率具有重要的意义。但现有的直接针对电池片的裂纹缺陷检测算法的研究有限,且多数检测技术在样本图像规模、裂纹缺陷检测准确度及鲁棒性等方面存在较多的问题。由于多晶硅电池片近红外图像上随机分布的晶粒构成非均匀纹理背景,晶粒与裂纹缺陷的强度相近,仅简单依靠图像的强度信息难以精确且完整地提取裂纹缺陷。因此,本文从图像结构特征的角度,研究提出了两种相关多晶硅电池片近红外图像裂纹缺陷检测算法,具体研究内容与贡献如下:(1)提出一种基于可控证明滤波的多晶硅电池片裂纹缺陷检测算法。算法在基本可控滤波器的基础上,考虑检测点周围的局部信息,增加两个在方向和距离上有一定偏移量的方向滤波器,设计了可控证明滤波器。该滤波器不仅能增强裂纹缺陷和背景的对比度,而且滤波后的响应图可为图像上是否存在裂纹缺陷提供证明。接着,一种包括局部阈值和最小生成树的分割方法用于提取裂纹缺陷。最后,计算裂纹缺陷的骨架以实现裂纹缺陷定位。本文所提的基于可控证明滤波的算法可实现对不同形态类型的裂纹缺陷包括突然弯曲、分叉以及低对比度近红外图像中裂纹缺陷的完整检测。所提方法有望为其他纹理表面的裂纹缺陷及具有线状结构特征的缺陷检测提供帮助,如路面、带钢表面裂纹及划伤等缺陷。(2)提出一种基于结构相似度量的多晶硅电池片裂纹缺陷检测算法。算法分析了裂纹缺陷和晶粒的结构特征差异,并依据Hessian矩阵的特征值分别建立线状结构和块状结构的识别函数。然后,设计了基于Hessian矩阵的增强滤波函数即结构相似度量函数,其能够增强裂纹缺陷同时抑制随机晶粒结构。接着,通过基于张量投票的非极大值抑制方法实现完整裂纹缺陷的提取。本文所提的基于结构相似度量的算法能极大地弱化非均匀纹理背景对裂纹缺陷提取的干扰,获取一致均匀的背景。该方法也有望用于其他纹理表面的裂纹和具有线状结构特征的缺陷检测。