太阳能电池作为太阳能的一种载体，小到路灯，大到空间用电池板，得到了广泛的使用，那么太阳能电池质量的好坏，直接影响着其寿命的长短和发电效率的高低。利用机器视觉进行工业上的质量检测越来越受到人们的青睐，相对人工目视检测，机器视觉技术具有可靠、高效、准确及智能化等优势，在实现产品大规模化生产、产品检测的一致性方面具有不可替代的作用，并且可大大降低劳动成本。机器视觉涉及很多方面，其中一方面就是目标图像的获取并对目标图像进行预处理，由于环境、采集设备等因素，工业相机采集到的缺陷图片，图像背景噪声干扰很大，增加了缺陷检测的难度。本文针对目前方法中存在着太阳能电池缺陷检测种类单一和缺陷检测抗干扰能力差等问题，设计了一种可在复杂背景环境中检测并识别太阳能电池缺陷种类的方法。主要包括以下内容：(1)通过改进的线性滤波投影积分方法进行电极定位，使用电极附近像素值进行电极填充，以消除电极干扰，将图像的明暗程度信息应用在了高频提升滤波处理中，并使用了改进的直方图信息二值化方法，可有效的提取缺陷信息。经实验验证，尤其是在检测黑心缺陷上得到了很好的效果，准确率可达到100%。(2)改进了一种快速的局部自适应阈值二值化方法，该方法充分利用了上一次的计算结果，避免了重复计算，通过投影定位电极并填充电极，再结合形态学滤波处理，可快速准确提取出黑点、履带印、断线和隐裂缺陷。(3)使用了一种以缺陷轮廓信息进行分类识别的方法。将图像看做一个视场，图片中每一个缺陷看做为一个“物体”，八邻域扫描“物体”获取其轮廓，依据缺陷的轮廓信息计算出每个缺陷的长宽比、面积比、中心等特征量，并依据该特征量进行分类识别。本文的意义在于设计了一种可以在复杂背景环境下的太阳能电池多缺陷检测的方法，大大提高了检测和识别精度，具有很高的实际应用价值。