太陽(yáng)能電池片作為光電轉(zhuǎn)換的載體,其質(zhì)量的好壞會(huì)直接影響產(chǎn)品的發(fā)電效率和使用壽命。應(yīng)用數(shù)字圖像處理學(xué)科的圖像增強(qiáng)和圖像分割技術(shù),分別以太陽(yáng)能電池片的可見光圖像及電致發(fā)光圖像為研究對(duì)象,對(duì)其缺陷檢測(cè)技術(shù)進(jìn)行研究。首先,對(duì)太陽(yáng)能電池片圖像表面缺陷檢測(cè)算法進(jìn)行研究。為了得到高質(zhì)量的太陽(yáng)能電池片圖像,利用LED條形組合光源模擬自然光,搭建太陽(yáng)能電池片圖像采集平臺(tái)并采集可見光成像技術(shù)下的太陽(yáng)能電池片圖像。為了消除圖像中特定的干擾信息,先通過(guò)中值濾波和形態(tài)學(xué)處理等方法對(duì)圖像進(jìn)行預(yù)處理。接著,通過(guò)Otsu算法提取電池片劃痕、掉片、臟污等表面外觀缺陷。之后,填充Otsu算法處理后太陽(yáng)能電池片的倒角和電極區(qū)域并計(jì)算太陽(yáng)能電池片的缺損率。與相關(guān)算法相比,本文算法檢測(cè)的缺陷面積更接近缺陷的實(shí)際面積,檢測(cè)準(zhǔn)確度約是其他算法的2倍。其次,由于太陽(yáng)能電池片EL圖像中缺陷處與背景的灰度對(duì)比度較小,為了提高圖像的對(duì)比度,本文提出了一種改進(jìn)的雙直方圖均衡算法,能夠在拉大圖像對(duì)比度的同時(shí)提高圖像的信噪比;同時(shí),提出了一種全局閾值和Frangi濾波融合的圖像分割算法,能夠?qū)崿F(xiàn)太陽(yáng)能電池片EL圖像缺陷的準(zhǔn)確提取。數(shù)據(jù)表明:本文算法的缺陷檢測(cè)精準(zhǔn)度是其他算法的將近4倍。最后,利用幾何特征、灰度特征等特征參數(shù)對(duì)檢測(cè)到的缺陷進(jìn)行描述,分析、總結(jié)不同缺陷的特征參數(shù)特點(diǎn),為缺陷分類識(shí)別提供幫助。
【學(xué)位單位】：西安科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TM914.4
【部分圖文】：

為此，世界各國(guó)都開始了新能源的探索，太陽(yáng)能、風(fēng)能、海洋能、地?zé)崮艿刃氯≈槐M用之不竭、綠色、環(huán)保及無(wú)污染等特點(diǎn)贏得了廣泛關(guān)注。而且，新能與應(yīng)用打破了以石油、煤炭、天然氣為主的三足鼎立的能源結(jié)構(gòu)局面，為其加能源元素。其中太陽(yáng)能憑借其資源儲(chǔ)備無(wú)限量且可持續(xù)利用的特點(diǎn)受到多方青隨著太陽(yáng)能發(fā)電技術(shù)的不斷發(fā)展與提升，使得光伏發(fā)電系統(tǒng)具備模塊化和造價(jià)點(diǎn)，讓其不僅在發(fā)達(dá)國(guó)家具有廣闊的發(fā)展前景同樣也適合發(fā)展中國(guó)家使用，這陽(yáng)能能夠在已知的可再生能源中占據(jù)主導(dǎo)地位的主要原因，可以預(yù)見太陽(yáng)能將可持續(xù)能源的開發(fā)和利用中扮演重要的角色。有關(guān)數(shù)據(jù)顯示，預(yù)計(jì)到 2030 年，可再生能源在總能源結(jié)構(gòu)中的比重將達(dá)到 3其中太陽(yáng)能發(fā)電占世界總電力供應(yīng)中的 10%以上；到 2040 年，可再生能源在的占比預(yù)計(jì)可達(dá)到 50%，而光伏發(fā)電在總電力中的比重預(yù)計(jì)將上升到 20%以上1 世紀(jì)末，可再生能源將占據(jù)能源結(jié)構(gòu)中約 80%的比重，同樣太陽(yáng)能發(fā)電在總比重也將會(huì)有大幅度提升，將占到 60%以上[1]，圖 1.1 對(duì)近年來(lái)全球光伏產(chǎn)業(yè)進(jìn)行了統(tǒng)計(jì)。太陽(yáng)能作為新能源的主力軍，成功開拓出了屬于可再生能源的新天

1 緒論工大學(xué)某科研團(tuán)隊(duì)提出了一種通過(guò)擬合圓和直線對(duì)硅太陽(yáng)能電池的缺陷進(jìn)行外形尺寸測(cè)量，并使用差影結(jié)合多模板匹配的方法進(jìn)行缺陷檢測(cè)[15]；文獻(xiàn)[16]利用一致性測(cè)量的聚類方法實(shí)現(xiàn)了多晶硅太陽(yáng)能電池的缺陷檢測(cè)，該方法提取圖像的 Harris 特征作為改進(jìn)的模糊聚類分類的特征參數(shù)，在裂紋缺陷檢測(cè)方面取得了較好的效果；文獻(xiàn)[17]對(duì)太陽(yáng)能電池片色差問(wèn)題進(jìn)行了研究，通過(guò)采集標(biāo)準(zhǔn)色系樣片，建立了龐大的樣片庫(kù)；文獻(xiàn)[18]在此基礎(chǔ)上通過(guò)對(duì)圖像進(jìn)行分塊的顏色相似度分析，可以實(shí)現(xiàn)色差電池片的準(zhǔn)確分類；文獻(xiàn)[19]將紅外熱成像技術(shù)與圖像處理技術(shù)相結(jié)合，根據(jù)電池片缺陷的特點(diǎn)對(duì)檢測(cè)系統(tǒng)和算法進(jìn)行設(shè)計(jì)和優(yōu)化，并對(duì)太陽(yáng)能電池片缺陷檢測(cè)系統(tǒng)進(jìn)行了開發(fā)。除了上述優(yōu)秀的檢測(cè)算法外，蘇州萊科斯科技有限公司推出的一款太陽(yáng)能電池片色差分選機(jī)不僅可以快速識(shí)別片內(nèi)色差和片外色差并進(jìn)行快速分選，也可對(duì)電池片崩邊、缺角等外觀缺陷進(jìn)行自動(dòng)檢測(cè)，檢測(cè)設(shè)備如圖 1.2 所示。陜西眾森電能科技有限公司、常州市恒輝光電科技有限公司、樂利士實(shí)業(yè)股份有限公司等都推出了太陽(yáng)能電池組件檢測(cè)設(shè)備，如圖 1.3 所示是陜西眾森推出的利用 EL 技術(shù)對(duì)太陽(yáng)能組件進(jìn)行缺陷檢測(cè)的儀器。

1 緒論工大學(xué)某科研團(tuán)隊(duì)提出了一種通過(guò)擬合圓和直線對(duì)硅太陽(yáng)能電池的缺陷進(jìn)行外形尺寸測(cè)量，并使用差影結(jié)合多模板匹配的方法進(jìn)行缺陷檢測(cè)[15]；文獻(xiàn)[16]利用一致性測(cè)量的聚類方法實(shí)現(xiàn)了多晶硅太陽(yáng)能電池的缺陷檢測(cè)，該方法提取圖像的 Harris 特征作為改進(jìn)的模糊聚類分類的特征參數(shù)，在裂紋缺陷檢測(cè)方面取得了較好的效果；文獻(xiàn)[17]對(duì)太陽(yáng)能電池片色差問(wèn)題進(jìn)行了研究，通過(guò)采集標(biāo)準(zhǔn)色系樣片，建立了龐大的樣片庫(kù)；文獻(xiàn)[18]在此基礎(chǔ)上通過(guò)對(duì)圖像進(jìn)行分塊的顏色相似度分析，可以實(shí)現(xiàn)色差電池片的準(zhǔn)確分類；文獻(xiàn)[19]將紅外熱成像技術(shù)與圖像處理技術(shù)相結(jié)合，根據(jù)電池片缺陷的特點(diǎn)對(duì)檢測(cè)系統(tǒng)和算法進(jìn)行設(shè)計(jì)和優(yōu)化，并對(duì)太陽(yáng)能電池片缺陷檢測(cè)系統(tǒng)進(jìn)行了開發(fā)。除了上述優(yōu)秀的檢測(cè)算法外，蘇州萊科斯科技有限公司推出的一款太陽(yáng)能電池片色差分選機(jī)不僅可以快速識(shí)別片內(nèi)色差和片外色差并進(jìn)行快速分選，也可對(duì)電池片崩邊、缺角等外觀缺陷進(jìn)行自動(dòng)檢測(cè)，檢測(cè)設(shè)備如圖 1.2 所示。陜西眾森電能科技有限公司、常州市恒輝光電科技有限公司、樂利士實(shí)業(yè)股份有限公司等都推出了太陽(yáng)能電池組件檢測(cè)設(shè)備，如圖 1.3 所示是陜西眾森推出的利用 EL 技術(shù)對(duì)太陽(yáng)能組件進(jìn)行缺陷檢測(cè)的儀器。
【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 王偉;李強(qiáng);;太陽(yáng)能電池片的主柵線提取及缺陷檢測(cè)方法研究[J];西安工業(yè)大學(xué)學(xué)報(bào);2015年04期

2 王志欣;田學(xué)民;;太陽(yáng)能電池缺陷檢測(cè)圖像的分割技術(shù)[J];電子設(shè)計(jì)工程;2014年10期

3 殷蘇民;朱錦萍;王祖聲;江煜;陸文俊;;基于頂帽變換和最大類間方差法的圖像分割方法研究[J];科學(xué)技術(shù)與工程;2014年07期

4 陳文志;張鳳燕;張然;李超;;基于電致發(fā)光成像的太陽(yáng)能電池缺陷檢測(cè)[J];發(fā)光學(xué)報(bào);2013年08期

5 張偉;王軍鋒;王濤;白青;;一種基于改進(jìn)算子的形態(tài)學(xué)邊緣檢測(cè)算法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2013年06期

6 張翰進(jìn);傅志中;念蓓;張忠亮;張冉;;雙峰法與otsu法結(jié)合在太陽(yáng)能電池缺陷檢測(cè)中的應(yīng)用[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2012年01期

相關(guān)博士學(xué)位論文 前1條

1 王楠;基于視覺的硅太陽(yáng)能電池檢測(cè)方法的研究[D];河北農(nóng)業(yè)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 張鶴慶;基于視覺顯著性的太陽(yáng)能電池片表面缺陷檢測(cè)方法研究[D];鄭州輕工業(yè)學(xué)院;2018年

2 孫雯;太陽(yáng)能電池板缺陷的檢測(cè)研究[D];淮北師范大學(xué);2017年

3 周奇;基于HALCON的太陽(yáng)能電池片缺陷檢測(cè)系統(tǒng)設(shè)計(jì)[D];江蘇大學(xué);2017年

4 邱潔;基于圖像處理的電池片表面缺陷檢測(cè)方法研究與應(yīng)用[D];云南大學(xué);2016年

5 李明陽(yáng);基于條紋反射的太陽(yáng)能電池硅晶片表面質(zhì)量檢測(cè)方法研究[D];電子科技大學(xué);2016年

6 童鋼;太陽(yáng)能電池片分色及缺陷檢測(cè)系統(tǒng)的研究[D];江蘇大學(xué);2016年

7 王亞麗;基于紅外熱成像的太陽(yáng)能板缺陷檢測(cè)[D];中國(guó)計(jì)量學(xué)院;2015年

8 吉網(wǎng)存;基于圖像技術(shù)的太陽(yáng)能電池表面缺陷檢測(cè)[D];華東理工大學(xué);2015年

9 王晗;多晶硅表面缺陷識(shí)別及軟件檢測(cè)系統(tǒng)設(shè)計(jì)與開發(fā)[D];上海交通大學(xué);2014年

10 張瑋華;太陽(yáng)能電池硅片缺陷自動(dòng)檢測(cè)分類方法研究[D];東華大學(xué);2014年

本文編號(hào)：2881802