傳統(tǒng)的太陽能電池片制造過程依靠人工檢測缺陷,但是人工檢測效率低下、成本高昂,隨著人工智能的迅猛發(fā)展,智能化是未來工業(yè)檢測的大趨勢。通過圖像處理技術(shù)對太陽能電池片圖像進行分析并快速準(zhǔn)確地檢測太陽能電池片的質(zhì)量,具有很強的理論研究意義和實際應(yīng)用價值。針對自然光照條件下太陽能電池片檢測問題,本文首先總結(jié)了自然光照條件下能檢測的太陽能電池片缺陷類型;其次,針對實際生產(chǎn)中太陽能電池片任意擺放導(dǎo)致獲取圖像扭曲的問題,本文提出了基于多步長搜索的圖像校正算法,對圖像進行校正并提取相應(yīng)的感興趣區(qū)域,解決了傳統(tǒng)校正算法魯棒性低、準(zhǔn)確性低、實時性低的問題。針對由于太陽能電池片表面復(fù)雜紋理的存在導(dǎo)致缺陷檢測難度大的問題,本文提出相應(yīng)的表面紋理去除算法,解決了這個難題。針對傳統(tǒng)缺陷檢測算法檢測缺陷種類少、尤其是多種缺陷同時存在時檢測效果不好的問題,本文提出了一套針對特定缺陷(缺角、崩邊、孔洞、污物、劃痕)的檢測算法,解決了傳統(tǒng)算法檢測缺陷種類單一的問題。針對傳統(tǒng)算法中幾何測量只考慮了偏轉(zhuǎn)角問題,本文結(jié)合實際生產(chǎn)過程中的需求,增加了偏移量和柵極位置的研究,解決了傳統(tǒng)幾何測量范圍少的問題。最后,基于上述算法并結(jié)合軟硬件,設(shè)計并實現(xiàn)了一套完整的太陽能電池片質(zhì)量檢測系統(tǒng),最后通過實驗證明了本系統(tǒng)的可行性。實驗結(jié)果表明,與傳統(tǒng)的質(zhì)量檢測算法相比較,本文所提出的算法校正成功率和計算速度均有所提升;太陽能電池片缺陷檢測準(zhǔn)確率有了一定提高、魯棒性得到適當(dāng)增強,尤其在多種缺陷同時存在的情況下;對于太陽能電池片的幾何測量,在準(zhǔn)確性相當(dāng)?shù)那闆r下,實時性得到了提高。
【學(xué)位單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TM914.4
【部分圖文】：

紹陽能電池片可以分為很多種包括單晶硅太陽能電池片、種。單晶硅太陽能電池片轉(zhuǎn)業(yè)生產(chǎn)中占主導(dǎo)地位，但由晶硅薄膜和非晶硅薄膜作為片相比，多晶硅薄膜太陽能片。非晶硅薄膜太陽能片電轉(zhuǎn)換效率不高，從而影響了它片根據(jù)尺寸可以分為103mmmm。本課題考慮到當(dāng)前市場太陽能電池片作為實驗材料

太陽能電池片表面缺陷圖像

太陽能電池片幾何測量圖像
【參考文獻】

相關(guān)期刊論文 前7條

1 李雷;王通勝;黃泓軒;;中國光伏產(chǎn)業(yè)發(fā)展質(zhì)量的實證研究[J];中外能源;2015年07期

2 代勤;王延杰;韓廣良;;基于改進Hough變換和透視變換的透視圖像矯正[J];液晶與顯示;2012年04期

3 董棟;陳光夢;;基于近紅外圖像的硅太陽能電池故障檢測方法[J];信息與電子工程;2010年05期

4 鄒樂強;;最小二乘法原理及其簡單應(yīng)用[J];科技信息;2010年23期

5 胡東紅;汪浩;艾君;張玲;張勝蘭;;兩種圖像校正算法在實際應(yīng)用中的比較[J];計算機工程與應(yīng)用;2009年13期

6 解同信;;最小二乘法求作擬合直線[J];北京工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報;2006年03期

7 牛彥;關(guān)于透視變換的研究[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2001年06期

相關(guān)博士學(xué)位論文 前4條

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

2 王春媛;遙感圖像幾何校正及目標(biāo)識別技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2014年

3 閆海霞;基于數(shù)學(xué)形態(tài)學(xué)的圖像邊緣檢測和增強算法的研究[D];吉林大學(xué);2009年

4 陳優(yōu)廣;邊界跟蹤、區(qū)域填充及鏈碼的應(yīng)用研究[D];華東師范大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 李衛(wèi)東;“工業(yè)4.0”對推進“中國制造2025”的啟示[D];外交學(xué)院;2017年

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

3 杜博;立體視頻采集中圖像校正和立體匹配技術(shù)研究[D];中北大學(xué);2017年

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

5 周達(dá)凱;基于VisionPro太陽能電池片外觀檢測系統(tǒng)設(shè)計[D];南京理工大學(xué);2017年

6 李橋;基于機器視覺的太陽能電池外觀檢測技術(shù)研究[D];蘇州大學(xué);2016年

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

8 吳軼;基于邊界追蹤的圖像信息編碼方法[D];南昌大學(xué);2015年

9 周茗琪;基于顯著度的圖像灰度化算法研究[D];上海交通大學(xué);2015年

10 何一芥;M125硅太陽能電池生產(chǎn)工藝的研究[D];湖南大學(xué);2013年

本文編號：2876953