论文部分内容阅读
作为清洁能源的一种,太阳能电池的开发和利用为实现环境保护做出了巨大贡献。但是太阳能电池在生产中,可能会出现多种缺陷,从而降低电池的实际效用。所以,在工业生产时,需要检测并分析处理电池板的缺陷,保证电池的质量。由于人工质检效率低、周期长,在实际工业中,有必要实现缺陷的自动识别与分类。本文研究了太阳能电池在生产过程中,可能出现的几种缺陷的检测与分类算法。主要研究如下:(1)针对采集到的样本,由环境、镜头、成像系统等多种原因的相互影响,可能出现的光照不均、模糊、几何畸变等问题。为了保证图像的一致性,便于后期的缺陷检测,进行了图像的滤波、顶帽变换、边缘检测、形态学变化等预处理。(2)为了实现电池片切割阶段出现的缺角与崩边缺陷检测,并实现最大无破损电池片的重新切割。首先使用新的直线检测算法—TSAP,检测预处理之后的电池片边缘直线,使用差影法实现缺陷检测。然后使用改进的透视校正算法将畸变缺陷图像校正到正视图视角上,最后寻找最大无破损矩形,实现无破损电池片的最大化切割。该算法的直线检测正确率达到98.87%。(3)针对丝网印刷阶段出现的灰度缺陷与纹理缺陷进行检测,并实现缺陷的分类。灰度缺陷主要为:污斑、孔洞、裂纹;纹理缺陷主要是丝网漏印。针对这一阶段的缺陷,使用顶帽变换,形态学腐蚀去除光照与噪声影响,结合图像分割算法与投影方法,实现目标缺陷的检测。最后计算缺陷处的特征参数,主要计算:缺陷面积、长宽比、内聚度、耦合度,并应用极限学习机实现不同缺陷的分类,分类率达到98.84%。针对太阳能电池在电池片切割与丝网印刷阶段可能出现的缺陷进行了检测,主要缺陷为缺角、崩边、孔洞、裂纹、花斑、丝网漏印缺陷。实现了电池片检测阶段的最大无破损矩形切割,以及丝网印刷阶段的缺陷分类。经过大量的样本训练与测试,结果较好。